Transcript Vetenskapligt arbete

Vetenskapligt arbete
- Fördjupning
Rikard Harr ([email protected])
Januari 2012
Dagens agenda
•
•
•
•
•
•
•
•
•
•
Nyckelfaktorer vid datainsamling
Att dokumentera data
Intervjuer
Frågeformulär
Observationer
Att välja teknik
Ex på teknik: Kontextuellt utforskande
Analys
Ex på analys: Affinity diagram tekniken
Avslut
© Rikard Harr
2
(5) Nyckelfaktorer vid datainsamling
• Det är svårt att göra rätt
• 5 Faktorer att tänka på:
1. Vad är målet?
2. Välj rätt respondenter
•
Icke-sannolikhets, sannolikhets
3. Relationen med respondenter
4. Triangulering
•
•
•
•
Data från olika källor, vid olika tillfällen, på olika platser
Att olika insamlare samarbetar
Att olika teoretiska ramverk används
Att olika tekniker används
5. Pilotstudier
© Rikard Harr
3
Att dokumentera data
• En förutsättning för analys
• Anteckningar, ljudinspelning, video, foton
• Faktorer att tänka på:
•
•
•
•
Etiska aspekter
Utrymme i relation till klienten
Resurser
Personer inblandade i arbetet
© Rikard Harr
4
Intervjuer
• 4 Huvudtyper
– Unstructured, structured, semi-structured, group
• Val baserat på syfte och skede
• Unstructured – utforskande, tematiska, djup
– Ex. Hur använder du IT i ditt arbete?
• Structured – klargörande, specifik, analyserbarhet
– Ex. Vilken webbsida besöker du oftast? Google, Wikipedia…?
• Semi-structured – en kombination
–
–
–
–
–
Vilka boksajter besöker du oftast?
Det är många. Oftast blir det nog Ginza skulle jag tro
Varför tror du att det är så?
Sökfunktionen är så bra
Något annat som gör att du besöker den mest?
• Group – focus groups
© Rikard Harr
5
Intervjuns steg
• Förberedelse
–
–
–
–
Utveckla frågemall
Förbered information för respondenten
Kontrollera utrustning för dokumentation
Välj lämplig tid och plats
• Genomförande
–
–
–
–
–
Förmedla syfte och genomförande
Lyssna mer än prata
Uppvärmningsfrågor
Huvudfrågor
Nedvarvningsfrågor
• Avslut
– Tack för intervjun
– Ev. återkoppling
© Rikard Harr
6
Frågeformulär (questionaires)
• Vanliga vid opinionsundersökningar
• Kan ha slutna och öppna frågor
• Struktur
– Basfrågor
– Specifika frågor
• Fråge- och svarsformat
– Boxar
– Graderingsskalor
• Hantering av frågeformulär
– Kan vara svårt att få tillbaka dem
© Rikard Harr
7
Observation
• Naturlig miljö, kontrollerad miljö
• Fältobservationer
– Kan vara svårt för respondenter att beskriva vad de gör
– Kan vara svårt att bibehålla fokus som observatör
•
•
•
•
Nivå av deltagande
Icke-deltagande observatör
Deltagande observatör
Etnografi, allt är konstigt och nytt
© Rikard Harr
8
Direkt och indirekt observation
• Direkt observation
• Bättre möjligheter till datadokumentation
• Think-aloud tekniken:
–
–
–
–
–
•
•
•
•
•
•
•
•
Fångar användarens tankar
Ges uppgift och ombeds tänka högt
Ex. Boka en tid för bilprovning i vår prototyp
Risk för tystnad
Alternativ: att testa i par
Indirekt observation
Dagböcker:
Användarna skriver dagbok om vad de gör
Anteckningar för minnet i uppföljande studier
Risk för glömska
Krävande för respondenter
Experience sampling method:
En påminnelse skickas till användarna
© Rikard Harr
9
Att välja teknik för datainsamling
• Vanligt med kombinationer
• Val av kombination baserat på:
• Fokus
– Observerbart beteende, åsikter, regler etc.
• Deltagare
– Barn, vuxna, stressade, utåtriktade, tillgänglighet
• Teknikerna
– Vilka tekniker behärskar vi i designgruppen?
• Resurser
– Utrustning, pengar, tid
• Vanliga kombinationer
– Intervjuer – observationer
– Enkäter – intervjuer
– Dagbok - intervjuer
© Rikard Harr
10
Kontextuellt utforskande
• Skapad av Beyer och Holtzblatt
• Ett sätt att bedriva studier där användaren är experten
och forskaren eleven
• Kontextuell intervju
— På arbetsplatsen, under arbetet
— Vanligtvis 2 till 3 timmar lång
• Grupptolkningsprocess
– Sker med alla deltagare i designgruppen
• Mha Affinity diagram tekniken
• Fyra huvudprinciper
— Kontext: att se arbetsplatsen och vad som händer där
— Partnerskap: användare och utvecklare samarbetar
— Tolkning: observationer tolkas av användare och utvecklare
tillsammans
— Fokus: lättare att hålla fokus i projektgruppen
© Rikard Harr 2010
11
Analys av kvalitativ/kvantitativ data
• Mål med och genomförd datainsamling avgörande för
analys
• Standardprocedur
1. En första reaktion eller observation
2. Detaljerad analys med analysverktyg
3. Resultat/slutsatser presenteras
© Rikard Harr
Kvalitativ & kvantitativ data
• Kvantitativ data: Siffror
– Ex. Antal fel vid genomförandet av en uppgift
• Kvalitativ data: Ej siffror, beskrivningar, citat etc.
– Ex. Upplevelser av att använda en funktion
• Intervjuer, observationer, enkäter kan vara både och
© Rikard Harr
13
Analys av data
• Ett antal steg ska tas innan analysen börjar
• Intervju
– Rådata på band eller anteckningar bearbetas
– Strukturerade frågor analyseras kvantitativt
– Ostrukturerade frågor analyseras kvalitativt
• Enkät
– Felaktig data städas bort
– Data kan struktureras baserat på subgrupper i urval
• Observation
–
–
–
–
–
Stor mängd data av varierad form
Utveckla anteckningar
Transkribering av inspelningar
Synkronisering av inspelningar
Utskrifter och anteckningar analyseras kvalitativt
–
Mönster kan framträda och bör noteras
© Rikard Harr
14
Enkel kvantitativ analys
• Fokus på snitt och procent
• Snitt, tre begrepp
• Mean: det vi benämner medelvärde
– Ex. (Ålder) 25, 32, 34, 34, 35, 42 = 33,6
• Median: Mittenvärdet i ett intervall
– Ex. 34
• Mode: Det vanligast förekommande värdet
– Ex. 34
• Innan analys måste data aggregeras i analyserbar form
• Verktyg för visualisering kan användas, Excel
© Rikard Harr
15
Enkel kvalitativ analys
• Skapa snabb uppfattning och sök mönster, undvik jäv
• Vid observation kan ett guiding framework vara bra
– The person, the place, the thing
• Tre typer av kvalitativ analys
1. Identifiera återkommande mönster och teman
– Växer fram när data hanteras
– Målet med insamlingen styr fokus
– Olika tekniker används, t.ex. affinity diagrams
2. Kategorisera data
– Finkorning kategorisering av text, ord, gester
– Kategoriseringsschema används
– Viktigt att kategorier ej överlappar
3. Sökning efter kritiska händelser
1. Riktiga händelser rapporteras
2. Fokus på de aktiviteter som är viktiga för incidenten
– Vidare analys av dessa aktiviteter
© Rikard Harr
16
Affinity diagram tekniken
• En teknik som samlar stora mängder data i grupper
baserat på deras relation
• Kan användas vid idégenerering, men även analys av data
• Bra för att hantera stora mängder data
• Bra för att få fram resultat från data
• Processen:
–
–
–
–
–
Generera idéer ur data
Visa idéerna
Sortera idéer i grupper
Sätt övergripande namn på grupper
Rita färdiga diagram (mönster, teman)
© Rikard Harr
17
Affinity diagram, fortsättning
© Rikard Harr
18
Affinity diagram, fortsättning
© Rikard Harr
19
Affinity diagram, fortsättning
© Rikard Harr
20
Avslutning
• Frågor, kommentarer och adjö
© Rikard Harr
21