Než začneme konstruovat samotný dotazník, je třeba věnovat prostor problematice výběru respondentů, tj. osob, které budou zodpovídat dotazník. V souvislosti s tím si nejdříve vysvětleme několik základních pojmů:
Při dotazníkovém šetření pracujeme s určitým souborem osob. Pokud mluvíme o všech lidech, o kterých chceme získat v našem výzkumu informace, užívá se termín základní soubor (populace).2(p73)
Příklad:
Zkoumáme-li spokojenost lékařského personálu fakulních nemocnic v Brně s kvalitou stravování, tvoří základní soubor všichni lékaři a lékařky zaměstnaní v brněnských fakultních nemocnicích.
Pokud je základní soubor příliš rozsáhlý a není v našich silách pracovat s celým souborem, nezbývá nám (a to bývá častější) než přistoupit k výběru osob ze základního souboru, který se označuje jako výběrový soubor neboli vzorek.2(p74) K tomu, abychom mohli vytvořit výběrový soubor, pochopitelně musíme znát soubor základní a pokud má vzorek předpovídat chování populace, musí jeho složení imitovat strukturu populace do takové míry, jak jen to je možné.5(p93) Existuje několik základních technik, jak výběr provést:
Slovo „náhodný“ neznamená vybraný bez jakýchkoliv pravidel, ale náhodný ve smyslu matematické teorie pravděpodobnosti. Je to takový výběr, ve kterém má každá osoba z dané populace stejnou šanci (pravděpodobnost), že bude do vzorku vybrána. To lze provést losováním. Náhodný výběr je z hlediska pravděpodobnosti nejlepším výběrem, vzorek dobře reprezentuje základní soubor. Proto ho lze označit za reprezentativní.2(p75),5(p97)
Příklad:
Máme seznam jmen lékařů a lékařek fakultních nemocnic v Brně, každému jménu v seznamu přiřadíme pořadové číslo. Do krabice dáme lístky, na kterých jsou napsána čísla v daném rozsahu a zamícháme. Postupně losujeme jednotlivé čísla (a tedy k nim přiřazené osoby). Profesionální výzkumníci by použili software generující náhodně čísla.
Ne vždy však je vhodné nebo možné sestavit vzorek ze základního souboru, proto se užívají i další techniky náhodného výběru jako je stratifikovaný výběr. V takovém případě se rozdělí základní soubor do více skupin podle určitého podstatného znaku a v těchto „podsouborech“ se provede náhodný výběr.2(p77),5(pp97, 106)
Příklad:
Základním souborem jsou všichni zaměstnanci konkrétní nemocnice. Pro potřeby výzkumu spokojenosti s pracovními podmínkami však rozdělíme základní soubor na lékařský personál, nelékařský zdravotnický personál, technicko-hospodářský a ostatní personál. V jednotlivých souborech pak teprve provedeme náhodný výběr.
Při mechanickém výběru se vybírá každá N-tý člověk ze seznamu osob základního souboru. První osobu vybereme náhodně a od tohoto bodu vybíráme každou N-tou položku (např. každého pátého). Při této metodě však je třeba, aby seznam nebyl řazen podle určitého systematického schématu (s určitou pravidelností), což by mohlo vést ke zkreslení vzorku.2(p79),5(pp105–112)
Představme si, že seznam zaměstnanců nemocnice bude řazen podle jednotlivých klinik, u každé kliniky budou nejdříve uvedeni vedoucí pracovnící, poté lékaři, poté zaměstnanci sekretariátu. Počet zaměstnanců jednotlivých klinik bude ± 30. Při intervalu 30, kdy první položkou bude vedoucí pracovník, se může stát, že v našem vzorku budou převažovat vedoucí pracovníci. Proto je třeba se vždy ujistit, zda systematičnost seznamu nemá vliv na důležité znaky vzorku, které by mohly ovlivnit výsledky výzkumu. Možným řešením by tedy bylo vybírat každou pátou osobu z abecedně řazeného seznamu všech zaměstnanců nemocnice.
Ne vždy jsme schopni výše uvedené techniky použít, ať už pro absenci seznamu cílové populace nebo pro pracnost a nákladnost, která je nad naše možnosti. V takovém případě nám nezbývá, než přistoupit k výběru záměrnému, kdy výzkumník na základě svého úsudku určí, podle jakého kritéria provést výběr. Takovýto výběr nám sice neumožňuje nějakou širokou generalizaci výsledků na populaci, což ovšem také neznamená, že by výsledky nebyly užitečné. Je však třeba připomenout, že autor výzkumu musí jasně definovat, na základě jakých kritérii byl vzorek vybrán a jakou populaci vlastně reprezentuje.2(p79),5(pp111–112)
Účelovým typem výběru je také výběr na základě dostupnosti (například výzkum s pacienty, kteří se léčí v konkrétní nemocnici, neboť pro širší vzorek nemáme dostatečné časové a organizační možnosti).
Před sběrem údajů je třeba určit rozsah daného výběrového souboru. Pokud má být vzorek reprezentativní a umožnit zobecňování na úroveň základního souboru, musí být dostatečně velký.2(p81) Obecně se uvádí následující doporučený rozsah při použití technik reprezentativního výběru (nejmenší potřebný počet respondentů ve vztahu k základnímu souboru):
| Velikost základního souboru | Počet vybraných subjektů |
|---|---|
| 30 | 28 |
| 60 | 52 |
| 100 | 80 |
| 200 | 132 |
| 300 | 169 |
| 400 | 196 |
| 500 | 217 |
| 1 000 | 278 |
| 3 000 | 341 |
| 5 000 | 357 |
| 10 000 | 370 |
| 1 000 000 | 384 |
Zdroj: Úvod do pedagogického výzkumu2(p81)
Ne vždy je možné daný rozsah pro podmínku reprezentativnosti vzorku splnit, ať už z technických nebo časových důvodů. V takovém případě bychom měli usilovat o to, aby náš výběr byl dle možností co největší. Miroslav Disman k tomu uvádí jedno nevědecké, ale praktické pravidlo: „Snažme se vytvořit co největší vzorek, jaký nám naše časové a finanční podmínky dovolují; ne však za cenu vážného narušení pravidel náhodného výběru.“
5(pp102–103)