Education & Academic

비네트 실험: 시나리오 및 프레이밍 테스트

진정한 요인 설계 비네트 실험입니다. 응답자는 핵심 세부 사항(가격 프레이밍, 전달자, 표현)이 체계적으로 순환하는 현실적인 시나리오를 판단하며, 이를 통해 각 요인이 판단을 얼마나 변화시키는지 측정할 수 있습니다. 내장된 비네트 질문 유형이 시나리오 조합을 자동으로 생성해 줍니다.

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

짧고 현실적인 시나리오를 읽으시고 솔직한 반응을 들려주십시오. 귀하의 응답은 완전히 비밀로 유지되며 익명 처리됩니다. 작은 세부 사항이 중요하므로 주의 깊게 읽어 주십시오. 정답은 없습니다. 저희는 사람들이 상황을 어떻게 판단하는지를 연구하는 것이지 귀하를 시험하는 것이 아닙니다.

Q02

질문필수

아래 시나리오를 읽으시고 그 아래의 진술문에 대한 동의 정도를 평가해 주십시오.

Q03

의견 척도필수

이런 일이 귀하가 비용을 지불하는 서비스에서 발생한다면, 대안을 찾아볼 가능성이 얼마나 되십니까?

척도: 1 – 7

최소:전환을 고려하지 않을 것임최대:즉시 찾아보기 시작할 것임

Q04

단문형필수

시나리오의 어떤 세부 사항이 귀하의 평가에 가장 큰 영향을 미쳤습니까?

Q05

AI 인터뷰

비네트 판단에 대해 심층 인터뷰를 진행하십시오: 응답자가 어떤 세부 사항을 가장 중요하게 여겼는지, 그것이 스스로에게도 놀라웠는지, 무엇이 시나리오를 공정하게(혹은 불공정하게) 느껴지도록 만들었을지, 그리고 본인의 유사한 실제 경험이 이 반응을 어떻게 형성했는지 물어보십시오. 다른 참여자들이 서로 다른 버전을 보았다는 사실은 마지막까지 밝히지 마십시오. 그런 다음 그 사실을 아는 것이 응답자의 견해를 바꾸는지 물어보십시오.

Q06

메시지

감사합니다! 서로 다른 사람들이 체계적으로 다른 버전을 보았기 때문에, 각 세부 사항 — 프레이밍, 전달자, 사유 — 이 판단을 정확히 얼마나 움직였는지 측정할 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 vignette-experiment question type generates the factorial scenario combinations and randomization for you — no manual branching gymnastics
Behavioral follow-ups (switching likelihood) and a which-detail-mattered check accompany the core judgment scale
The AI debrief explores the reaction before revealing the manipulation, then tests whether knowing changes the judgment
Regression-ready structure: every respondent's scenario composition is recorded with their response

tickStat

Factorial vignette experiments - tickStat Documentation

Rare example of a survey platform with a genuinely native factorial-vignette feature: users define attributes and levels, the tool builds full or fractional factorial designs and assigns balanced randomized scenarios, respondents rate on a 0-100 slider or Likert scale, and it exports analysis-ready coded data for regression. Strong methodological tooling, but it's a rating/estimation instrument with no adaptive qualitative follow-up on why a respondent judged a scenario as they did.

잘하는 점

Genuinely native factorial-vignette engine (define attributes/levels; auto-generate full or fractional designs)
Balanced randomization so every level appears at the right frequency, across within- and between-subject designs
Choice of continuous 0-100 slider or Likert-style discrete response formats
Analysis-ready export with attribute levels pre-coded for regression

아쉬운 점

Collects only structured ratings; no adaptive AI follow-up asking why a scenario was judged that way
No auto-generated narrative report interpreting which attributes drove judgments
Design/methodology assumes a statistically literate user; little hand-holding for non-researchers
No pairing with a qualitative interview layer to explain surprising level effects

자주 묻는 질문