Education & Academic

민감한 주제에 대한 목록 실험 (항목 수 기법)

사람들이 직접 인정하지 않으려는 행동을 측정합니다: 목록 실험(항목 수 기법)은 어느 진술인지가 아니라 오직 몇 개의 진술이 해당하는지만 묻습니다 — 따라서 개별 답변은 진정으로 부인 가능하게 유지되는 반면 집단 비교는 실제 비율을 드러냅니다. 이 고유 질문 유형은 통제 목록과 처치 목록을 자동으로 무작위 배정합니다.

이 템플릿 사용하기 템플릿 더 둘러보기

샘플 질문

템플릿에 포함된 내용을 미리 확인해 보세요. 모든 질문은 설문 공개 전에 자유롭게 수정할 수 있습니다.

질문 6개 · 약 5분

Q01

메시지

본 연구는 민감한 주제에 대해 솔직한 답변을 얻기 위해 설계된 기법을 사용합니다: 짧은 진술 목록을 보시고 그중 몇 개가 귀하에게 해당하는지만 알려 주시면 됩니다 — 어느 것인지는 절대 알려 주지 않으셔도 됩니다. 귀하의 응답은 완전히 기밀로 유지되며 익명으로 처리됩니다. 이는 귀하가 제공하는 어떤 답변도 귀하에 관한 구체적인 무언가를 드러낼 수 없다는 것을 의미합니다.

Q02

질문필수

다음 진술 중 몇 개가 귀하에게 해당합니까? 마음속으로 세어 보신 후, 숫자만 입력해 주십시오.

Q03

의견 척도필수

이 세기 방식으로 솔직하게 답변하는 데 얼마나 편안함을 느끼셨습니까?

척도: 1 – 5

최소:여전히 노출된 느낌최대:완전히 안전함

Q04

객관식필수

일반적으로, 귀하의 동료들 사이에서 이 주제가 얼마나 민감하다고 생각하십니까?

민감하지 않음 — 사람들이 공개적으로 논의함
다소 민감함
매우 민감함 — 솔직하게 논의되는 경우가 드묾

Q05

AI 인터뷰

그 민감한 진술이 그들에게 해당하는지는 절대 묻지 말고, 그 주제의 사회적 맥락을 탐구하십시오: 그들의 환경에 있는 사람들이 일반적인 설문에서 이 행동을 왜 축소 보고할 수 있는지, 어떤 사회적 또는 직업적 결과가 그것을 유발하는지, 그리고 어떤 조건(익명성 보장, 프레이밍, 누가 묻는지)이 솔직한 답변을 더 이끌어내는지. 학문적인 어조를 유지하고 그들의 개인적인 개수는 절대 파고들지 마십시오.

Q06

메시지

감사합니다. 참가자마다 약간씩 다른 목록을 받았기 때문에, 집단 평균을 비교하면 어떤 개인도 식별되지 않으면서 그 민감한 행동이 실제로 얼마나 흔한지 추정할 수 있습니다.

포함된 기능

AI 후속 질문
정형화된 설문이 놓치는 세부 내용을, 주관식 답변에 맞춰 AI가 심층 질문으로 끌어냅니다.
주의력 확인 장치
성의 없는 답변과 저품질 응답자를 걸러내는 내장 안전장치입니다.
AI가 작성한 문안
문구, 질문 순서, 분기 로직까지 AI가 연구 목표에 맞춰 작성합니다.
자동 리포트
응답이 모이면 주요 주제, 인용문, 이해하기 쉬운 요약이 자동으로 작성됩니다.

다른 서비스와 비교

다른 설문 도구의 가장 유사한 템플릿을 검토했습니다. 그 도구들이 잘하는 점과, 이 템플릿이 한발 더 나아가는 지점을 정리했습니다.

이 템플릿을 선택하는 이유

A native list-experiment question type randomizes control and treatment lists automatically — the method's hardest part, handled
Individual answers stay genuinely deniable: respondents only ever report a count, never which items
A comfort check validates that the format actually made honest answering feel safe
The AI interview explores the topic's social context without ever probing any individual's answer

Gradient Metrics

List Experiments

Applied methodology guide (not a drop-in survey template) explaining list experiments as indirect measurement of private opinion via the item-count technique: respondents report how many of a list they agree with, control vs. treatment lists differ by one sensitive item, and prevalence is the difference in means. Cites a real 19,000+ response deployment (Social Pressure Index with Populace). No competitor here ships this as a native, self-serve question type.

잘하는 점

Clear, correct explanation of the control-vs-treatment design and difference-in-means estimation
Grounds the method in a real large-sample deployment (19,000+ responses, Social Pressure Index)
Frames the practical use case: measuring the gap between public and private opinion on sensitive topics
Emphasizes the privacy guarantee that makes honest answers possible

아쉬운 점

It is a blog/methodology explainer, not a usable template or a built-in question type a researcher can drop into a survey
No tooling to auto-randomize respondents into control/treatment arms and enforce balanced allocation
No built-in estimator/report that computes prevalence and confidence intervals from collected data
No guardrails against ceiling/floor effects (list design) surfaced for a non-methodologist user

SensitiveQuestions.org (R 'list' package)

Statistical Methods for the Item Count Technique and List Experiment (R package 'list')

The canonical academic toolkit for list-experiment analysis: an R package implementing multivariate/random-effects/Bayesian MCMC regression, joint modeling, combined list+direct-question estimators, and statistical tests to detect list-experiment failure. Authoritative on analysis, but it is code for researchers post-collection, with no fielding UI, randomization, or respondent experience.

잘하는 점

Comprehensive, peer-reviewed estimators (multivariate, random-effects, Bayesian MCMC hierarchical regression)
Supports advanced designs: multiple sensitive items, list experiments as predictors, combined list+direct estimates
Includes diagnostics and placebo tests to detect list-experiment failure
Grounded in six methods papers (2011-2016), the field standard for analysis

아쉬운 점

Analysis-only R code; provides no survey fielding, randomization, or respondent-facing UI
Requires statistical programming expertise, out of reach for a typical survey author
No integration with data collection: the researcher must field the experiment elsewhere and export data
No auto-generated plain-language report; outputs are statistical objects, not decision-ready summaries

자주 묻는 질문