Vetenskapligt arbete - Fördjupning Rikard Harr Januari 2012

© Rikard Harr2 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 Harr3 (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 Harr4 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 Harr5 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 Harr6 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 Harr7 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 Harr8 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 Harr9 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 Harr10 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 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 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 Harr13 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 Harr14 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 Harr15 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 Harr16 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 Harr17 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 Harr18 Affinity diagram, fortsättning

© Rikard Harr19 Affinity diagram, fortsättning

© Rikard Harr20 Affinity diagram, fortsättning

© Rikard Harr21 Avslutning Frågor, kommentarer och adjö