Vetenskapligt arbete - Fördjupning Rikard Harr (rharr@informatik.umu.se) Januari 2013

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

(5) Nyckelfaktorer vid datainsamling Det är svårt att göra rätt 5 Faktorer att tänka på: Vad är målet? Mål är avgörande för hur datainsamlingen genomförs Välj rätt respondenter Icke-sannolikhets, sannolikhets Relationen med respondenter Informerat samtycke mm Triangulering Data från olika källor, vid olika tillfällen, på olika platser Att olika insamlare samarbetar Att olika teoretiska ramverk används Att olika tekniker används Pilotstudier En test av studiedesignen © Rikard Harr

Att dokumentera data En förutsättning för analys Varierad grad av struktur Från ”The person, the place, the thing” till historier Anteckningar, ljudinspelning, video, foton, loggar Klokt med triangulering Faktorer att tänka på: Etiska aspekter Utrymme i relation till klienten Resurser Personer inblandade i arbetet © Rikard Harr

Intervjuer 4 Huvudtyper Val baserat på syfte och skede 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

Intervjuns steg Förberedelse Genomförande Avslut Tips 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 Tips Använd passande språk Undvik skapa distans i klädsel Visa intresse för svaren © Rikard Harr

Frågeformulär (questionaires) Vanliga vid t.ex. 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 Kan vara svåra att lita på © Rikard Harr

Observation Kan fånga upp aspekter som inte framkommer vid intervju eller enkät T.ex. Vad folk verkligen gör Detaljerad interaktion med artefakter Naturlig miljö, kontrollerad miljö Utmaningar: Behålla fokus Undvika att störa det observerade Nivå av deltagande: Icke-deltagande observatör Deltagande observatör Etnografi, allt är konstigt och nytt © Rikard Harr

Direkt och indirekt observation Observerar det studerade i fält eller labb 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 Förlust av kontroll Krävande för respondenter Experience sampling method: En påminnelse skickas till användarna © Rikard Harr

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

Kontextuellt utforskande Contextual Inquiry, 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

Analys av kvalitativ/kvantitativ data Mål med genomförd datainsamling avgörande för analys Standardprocedur En första reaktion eller observation Detaljerad analys med analysverktyg 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

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 Utskrifter och anteckningar analyseras kvalitativt Mönster kan framträda och bör noteras © Rikard Harr

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 Innan analys måste data aggregeras i analyserbar form Verktyg för visualisering kan användas, Excel © Rikard Harr

Enkel kvalitativ analys Skapa snabb uppfattning och sök mönster, undvik jäv Tre typer av kvalitativ analys Identifiera återkommande mönster och teman Växer fram när data hanteras Målet med insamlingen styr fokus Olika tekniker används, t.ex. affinity diagrams Kategorisera data Finkorning kategorisering av text, ord, gester Kategoriseringsschema används Viktigt att kategorier ej överlappar Sökning efter kritiska händelser Riktiga händelser rapporteras Fokus på de aktiviteter som är viktiga för incidenten Vidare analys av dessa aktiviteter © Rikard Harr

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

Affinity diagram, fortsättning © Rikard Harr

Affinity diagram, fortsättning © Rikard Harr

Affinity diagram, fortsättning © Rikard Harr

Avslutning Frågor, kommentarer © Rikard Harr