Q01
Mensagem
Todos os modelosIndustry-Specific
Pesquisa de Satisfação e Melhorias para Usuários da Biblioteca
Mede como os usuários avaliam o acervo, a equipe, os espaços e os recursos digitais da biblioteca, e quais melhorias seriam mais importantes, com um acompanhamento por IA que explora a história real por trás da nota de satisfação. Desenvolvida para bibliotecas públicas e acadêmicas que planejam orçamentos, horários ou reformas.
Perguntas de exemplo
Uma prévia do que há no modelo. Todas as perguntas podem ser editadas antes de publicar.
11 perguntas · ~6 min
Q02
Múltipla escolhaObrigatória
Nos últimos 3 meses, com que frequência você visitou uma unidade da biblioteca ou usou seus serviços online?
- Nenhuma vez
- Uma vez
- Algumas vezes
- Cerca de uma vez por semana
- Quase todos os dias
Q03
Múltipla escolhaObrigatória
Qual foi o principal motivo da sua visita ou sessão online mais recente?
- Emprestar livros, filmes ou outras mídias
- Estudar ou trabalhar em silêncio
- Usar computadores ou wi-fi
- Participar de um programa ou evento
- Obter ajuda com pesquisa ou referências
- Levar crianças para atividades
- Apenas devolver materiais
Q04
MatrizObrigatória
Quão satisfeito você está com cada um dos itens a seguir?
7 linhas × 5 colunas
- Variedade de livros e materiais
- Prestatividade da equipe da biblioteca
- Horário de funcionamento
- Espaços silenciosos para estudo ou trabalho
- Recursos digitais (e-books, bases de dados, streaming)
- +2 mais
Colunas: Muito insatisfeito · Insatisfeito · Neutro · Satisfeito · Muito satisfeito
Q05
Escala de opiniãoObrigatória
Qual é a probabilidade de você recomendar esta biblioteca a um amigo ou colega?
Escala: 0 – 10
Mín:Nada provávelMáx:Extremamente provável
Q06
Compensação melhor–pior (MaxDiff)Obrigatória
Quais dessas melhorias seriam mais importantes para você e quais seriam menos importantes?
- Horário ampliado à noite ou nos fins de semana
- Acervo de livros/mídias maior ou mais atualizado
- Mais espaço silencioso para estudo
- Wi-fi mais rápido e confiável
- Mais programas e eventos
- Recursos digitais ampliados (e-books, streaming, bases de dados)
- Mais opções de autoatendimento para empréstimo
Escolha a melhor e a pior de cada conjuntoMelhor:Melhoria mais valiosaPior:Melhoria menos valiosa
Q07
Entrevista com IA
Explore o raciocínio por trás da nota de recomendação do respondente: peça um momento ou interação recente e específica que tenha moldado o que ele sente, seja uma experiência positiva marcante ou uma frustração. Se ele escolheu uma melhoria prioritária na pergunta de trade-off, investigue o que realmente mudaria em seu comportamento se essa melhoria fosse feita. Se a nota for neutra ou baixa, pergunte diretamente o que precisaria acontecer para que ele recomendasse a biblioteca com entusiasmo.
Q08
Texto longo
Há algo específico que você mudaria nesta biblioteca, se pudesse?
Q09
Múltipla escolha
Você possui atualmente uma carteirinha desta biblioteca?
- Sim
- Não
- Não tenho certeza
- Prefiro não responder
Q10
Múltipla escolha
Qual faixa etária melhor descreve você?
- Menos de 18
- 18-24
- 25-34
- 35-49
- 50-64
- 65 ou mais
- Prefiro não responder
Q11
Mensagem
É isso — muito obrigado! Seu feedback contribui diretamente para as decisões sobre horários, acervos e serviços desta biblioteca.
O que está incluído
Acompanhamento com IA
Sondagens adaptativas nas respostas abertas que revelam detalhes que um formulário estático deixaria passar.
Verificações de atenção
Proteções integradas contra respostas apressadas e participantes de baixa qualidade.
Textos escritos por IA
Redação, ordem e ramificações escritas pela IA, ajustadas ao seu objetivo de pesquisa.
Relatório automático
Temas, citações e um resumo em linguagem simples se escrevem sozinhos assim que as respostas chegam.
Como se compara
Analisamos os modelos mais parecidos de outras ferramentas de pesquisa. Veja o que elas fazem bem e onde este modelo vai além.
Por que este modelo
- Combines structured rating questions (visit frequency, satisfaction matrix, recommendation score, max-diff prioritization of improvements) with an AI follow-up interview that probes the real reasoning behind a patron's recommendation score, not just the number itself
- Opens and closes with plain-language chat messages that set expectations and explain how the feedback will be used, making the experience feel conversational rather than a static form
- Includes a max-diff exercise so libraries can see which improvements (hours, collection, digital resources, space) matter most vs. least, useful for budget and renovation planning
- Captures library card status and age range alongside satisfaction data, letting libraries segment results by patron type without adding extra survey length
Jotform
Library Satisfaction Survey Form TemplateA ready-to-use, static form template covering standard library satisfaction questions. It's built on Jotform's drag-and-drop form builder, so it's easy to customize fields and branding, but it functions as a fixed questionnaire rather than an adaptive interview. Good for quick deployment, less suited to uncovering the 'why' behind a rating.
O que faz bem
- Fielding-ready template that can be customized via Jotform's widely-used drag-and-drop builder
- Likely integrates with Jotform's broader form ecosystem (payment, notifications, storage add-ons)
Onde deixa a desejar
- No adaptive follow-up questioning — every respondent sees the same fixed question set regardless of their answers
- No mention of voice interviews or automated per-response quality scoring
- No transparent, publishable prompt methodology since it isn't an AI-driven interview tool
SurveySparrow
Library Satisfaction Survey Template | For Academic or Public LibrariesExplicitly targets both academic and public libraries, matching QuestionPunk's audience well. SurveySparrow's conversational form format gives a friendlier feel than a plain grid, but it remains a pre-set question flow rather than a true AI-driven interview that adapts based on responses.
O que faz bem
- Purpose-built for library audiences, covering both academic and public library contexts
- Conversational UI format that feels more engaging than a traditional multi-page form
Onde deixa a desejar
- No adaptive AI follow-up — the conversational format is scripted, not dynamically generated per respondent
- No voice-based interview option or automated quality scoring of open-ended responses
- No published academic pricing tier or transparent prompt-level methodology to review
Perguntas frequentes
Quais perguntas estão no modelo “Pesquisa de Satisfação e Melhorias para Usuários da Biblioteca”?
O modelo inclui 11 perguntas prontas para usar, começando por: “Obrigado por dedicar um momento para compartilhar sua experiência com a biblioteca! Suas respostas são totalmente confid…” · “Nos últimos 3 meses, com que frequência você visitou uma unidade da biblioteca ou usou seus serviços online?” · “Qual foi o principal motivo da sua visita ou sessão online mais recente?”. O conjunto completo aparece acima e todas as perguntas podem ser editadas.
Quanto tempo leva para responder a esta pesquisa?
Os participantes normalmente terminam as 11 perguntas em cerca de 6 minutos.
Posso personalizar este modelo?
Sim: cada pergunta, cada opção de resposta e a ordem podem ser editadas antes de publicar. Você pode adicionar ou remover perguntas, ou pedir ao editor com IA para refazer a pesquisa em torno do seu objetivo.
Este modelo é gratuito?
Sim. Abra no editor e comece a personalizar agora: não é preciso criar conta para testar, e o plano gratuito cobre a publicação da sua pesquisa.
Pronto para publicar?
Abra este modelo no editor. Tudo é seu para mudar antes de o primeiro participante ver.
Modelos relacionados
Mais estudos sobre temas semelhantes.
Industry-Specific
Pesquisa sobre a Jornada de Decisão e Satisfação na Compra de Automóveis
Mapeia toda a jornada de compra de um veículo — canal de pesquisa, fatores de decisão, experiência de financiamento e satisfação pós-compra — para concessionárias, fabricantes e marketplaces automotivos. Uma entrevista de acompanhamento com IA reconstrói a real negociação e a história do canal por trás dos números, e não apenas a resposta marcada.
Ver modeloIndustry-Specific
Pesquisa de Experiência e Uso da Biblioteca Pública
Mede com que frequência as pessoas usam sua biblioteca pública local, de quais serviços dependem e quão satisfeitas estão com a equipe, o acervo, os horários e o acesso digital. Uma entrevista de acompanhamento com IA aprofunda o momento específico por trás da nota de satisfação ou recomendação, revelando o que realmente faria as pessoas voltarem com mais frequência — útil para diretores de bibliotecas e equipes de planejamento municipal/regional.
Ver modeloIndustry-Specific
Experiência do Usuário da Biblioteca: Descoberta, Reservas e Serviços Digitais
Mede a satisfação dos usuários e os pontos de atrito na descoberta de materiais, gestão de reservas e uso de recursos digitais para priorizar melhorias nos serviços de bibliotecas públicas.
Ver modeloIndustry-Specific
Pesquisa sobre a Experiência de Doação de Livros à Biblioteca
Captura por que as pessoas doam livros para a biblioteca, o quão tranquilo foi o processo de entrega e o que as faria doar novamente — com um acompanhamento por IA que investiga a história real por trás da avaliação, em vez de apenas o número. Criada para funcionários de bibliotecas e grupos de Amigos da Biblioteca que gerenciam programas de doação.
Ver modeloIndustry-Specific
Pesquisa de Satisfação do Leitor e Valor do Conteúdo
Mede o quão satisfeitos os leitores estão com a precisão, profundidade, pontualidade e relevância da sua publicação, e quais tipos de conteúdo eles mais valorizam. Uma entrevista de acompanhamento com IA investiga o raciocínio por trás da avaliação de satisfação de cada leitor, para que as equipes editorial e de produto saibam o que corrigir ou reforçar.
Ver modeloIndustry-Specific
Feedback sobre a Experiência do Clube do Livro e a Seleção de Livros
Mede como os membros se sentem em relação à logística dos encontros, à escolha dos livros e à qualidade das discussões em um clube do livro recorrente — com um acompanhamento por IA que investiga o 'porquê' por trás da avaliação da discussão mais recente, para que os organizadores saibam o que corrigir e o que manter. Feito para líderes de clubes do livro, programas de biblioteca e comunidades de leitura que fazem uma verificação a cada poucos meses.
Ver modelo