Dobički:
- Sposobnost preoblikovanja neobdelanih prepisov intervjujev, odgovorov na odprte ankete in vstopnic za podporo v teme in vpoglede z umetno inteligenco
- Sposobnost pospeševanja korakov kvalitativne analize, kot sta preslikava afinitete in kodiranje s podporo umetne inteligence, in preverjanje rezultatov s človeškim očesom
- Sposobnost izločanja tem, ki si jih je izmislila ali pretiravala umetna inteligenca, tako da jih povežete z resničnimi citati
Najbolj dolgočasna in najlažje preskočena faza uporabniškega raziskovanja je sinteza: pretvarjanje desetin intervjujev, stotin odgovorov na ankete in vstopnic za podporo (uporabnikova prošnja za pomoč) v pomembne vpoglede. To delo traja dneve ročno; Zato se ekipe pogosto odrežejo in se odločijo »po občutku«. Umetna inteligenca odpre ravno to ozko grlo: neobdelano besedilo razdeli na teme v minutah namesto v urah. Toda sinteza ni naloga "izdelave povzetka"; To je sklepanje, ki temelji na dokazih in ga je mogoče preveriti. Ta enota vam pokaže, kako ohraniti avtentičnost vpogleda, medtem ko AI postane vaš partner pri sintezi.
Kaj je vpogled, ne povzetek
Najprej razjasnimo izraz. Insight je smiseln vzorec, ki izhaja iz podatkov in usmerja načrtovanje: "Uporabniki ne odnehajo na blagajni, ampak ko prvič vidijo stroške pošiljanja." To ni povzetek ("Uporabniki se pritožujejo zaradi plačila"); niti ni opazka (»Udeleženec 4 se je ustavil, ko je videl stroške pošiljanja«). Insight zajame skupni vzrok, na katerem temeljijo številna opazovanja, in odpre vrata oblikovalski odločitvi.
AI je naravno nagnjen k izdelavi povzetkov. Vaša naloga je, da to potegnete od povzetka do vpogleda: "zakaj?" in "kaj to spremeni v dizajnu?" tako, da svoja vprašanja vstavite v poziv.
Koraki kvalitativne analize in mesto umetne inteligence
Kvalitativna (nenumerična analiza, ki temelji na besedilu/opazovanjih) klasično poteka po naslednjih korakih:
- Kodiranje: vsak pomemben del besedila ima oznako ("zaskrbljenost glede stroškov pošiljanja", "pomanjkanje zaupanja").
- Diagram afinitete (preslikava afinitete): podobne oznake so združene; skupine postanejo teme.
- Prioritetna tema: Določeno je, katero temo vidi koliko uporabnikov in s kakšno intenzivnostjo.
- Vpogled in nasvet: Teme "kaj storiti?" povezuje v stavke.
Umetna inteligenca močno pospeši 1. in 2. korak: omogoča začetno kodiranje in začetno združevanje v nekaj minutah. Vendar pa pomen skupin, pomembnost tem in točnost predlogov zahtevajo človeško preverjanje. AI vam daje "prvi osnutek zemljevida"; Karto popraviš glede na realnost.
Namig: Preden umetni inteligenci naročite, naj "izvleče teme", ji dajte svojo shemo kodiranja (seznam oznak). Na ta način deluje v skupnem jeziku vseh in rezultati so primerljivi.
Veriga dokazov: vsaka tema je povezana s citatom
Zlato pravilo sinteze: vsaka tema je povezana z vsaj enim dobesednim citatom. Citat je dokaz, da je tema resnična. Vedno vključite zahtevo za citiranje, ko AI zahtevate temo; Povejte mu, naj ne ustvarja teme, za katero ne najde citata. Na ta način ustavite halucinacijo pri viru: izmišljena tema je označena kot "neutemeljena", ker nima protipostavke v viru.
plast
primer
vir
opazovanje
"Udeleženec 4 je zapustil voziček, ko je videl stroške pošiljanja"
snemanje ena na ena
Koda
"nepričakovan strošek"
Označevanje
tema
"Skriti stroški rušijo zaupanje"
ponovite pri 5 udeležencih
vpogled
"Stroške pošiljanja je treba prikazati zgodaj"
Zapuščam temo
Predlog
"Dodaj oceno pošiljanja na stran izdelka"
Oblikovalska odločitev
Ta veriga se začne, ko zainteresirana stran vpraša "kako to vemo?" Ko vprašate, vam omogoča, da se vrnete od opazovanja k citiranju.
trije mini kovčki
Primer 1 — 240 odgovorov na anketo, 90 minut. Ena ekipa 240 odprtih (prosto besedilo) odgovorov na anketo, kodiranih z umetno inteligenco. Model je predlagal 11 tem; Ekipa jih je pregledala v 90 minutah, jih zožila na 7, združila 2 temi in 2 odstranila kot nepodprti. Dvodnevno ročno delo je bilo skrajšano na pol dneva in ohranjena je bila veriga dokazov.
2. primer – Ujela pretirana tema. AI je ustvaril močno temo »uporabniki sovražijo aplikacijo«. Ko je ekipa pogledala citate, je ugotovila, da sta bila le 2 udeleženca ostra, 18 pa nevtralnih. Tema je bila prepisana kot "močno razočaranje v določenem toku". Lekcija: AI lahko pretirava s čustveno intenzivnostjo; preštejte frekvenco.
Primer 3 – Manjkajoče mnenje manjšine. Medtem ko je model izpostavil večinske teme, je kritično težavo dostopnosti, ki so jo izpostavili 3 udeleženci, omalovaževal kot »nepomembno«. Oblikovalec je to opazil in ohranil kot ločeno najdbo; Kasneje je postalo jasno, da je ta težava prizadela vse uporabnike bralnikov zaslona. Nauk: signal manjšine ni vedno "manj pomemben".
Pozivi, ki jih je mogoče kopirati
Vaša vloga: analitik kvalitativne raziskave. Shema kodiranja (oznake): <<seznam>>Naloga: Kodirajte spodnji anonimiziran zapis s temi oznakami. Dodajte [Udeleženec
Pretvorite naslednje kodirane podatke v diagram bližine: združite podobne kode, vsako skupino poimenujte s temo. Za vsako temo: preštejte, pri koliko posameznih udeležencih se pojavi, vključite 2 najmočnejša citata in napišite razlago »zakaj« v enem stavku. Ločeno označite teme s šibkimi dokazi. Podatki: <<kode>>
Želim preizkusiti naslednjo temo: "<<tema>>". Ločeno navedite citate, ki PODPIRAJO in ZAVRNEJO to temo v izvornem besedilu. Na koncu ocenite, kako močno je tema podprta (močna/srednja/šibka). Vir: <<transkripcija>>
Spremenite ta seznam tem v vpoglede in predloge. Za vsako temo: 1) vpogled v enem stavku (ki vsebuje »ker ...«), 2) konkreten predlog oblikovanja, 3) na kateri zaslon/tok ta predlog vpliva. Ne izmišljujte se; Če je osnova šibka, napišite "potrebnih je več raziskav." Teme: <<seznam>>
Šibek poziv/močan poziv
Slab: "Analizirajte te pogovore in mi povejte rezultate."
Rezultat: povzetek brez virov, brez podatkov o frekvenci in odprt za pretiravanje.
Strong: "Kodirajte ta prepis z oznakami, ki sem vam jih dal; povežite vsako temo s citatom [udeleženca
Rezultat: Visokofrekvenčna, na dokazih temelječa sinteza, ki jo je mogoče presojati.
Razlika: močan poziv pogostost pozivov + citat + šibek sidrni poziv; ti preprečujejo pretiravanje in halucinacije.
Pogoste napake
- Brez štetja frekvence. Sprejeti odločitev, ne da bi vedeli, ali za stavkom "Uporabniki želijo X" stojita 2 ali 20 ljudi.
- Če vzamemo intenzivnost čustev, kakršna je. AI ponavadi poudarja močne izraze; Lahko skrije nevtralno večino.
- Odprava signala manjšine. Težava, s katero se srečuje malo ljudi, je lahko kritična (npr. dostopnost).
- Ne zahteva citiranja. Tema brez narekovajev je nepreverljiva tema.
- Zaključek v enem krogu. Sinteza je iterativna; Preizkusite prvi izhod in izostrite poziv.
Če povzamem
Sinteza je sklepanje, ki surove podatke spremeni v vpogled, ki poganja oblikovanje. Umetna inteligenca močno pospeši mehanske korake, kot sta kodiranje in združevanje po bližini, vendar pomen in pomen vpogleda ostaja človeški. Zlato pravilo je, da vsako temo povežete z dobesednim citatom; štejte frekvenco, popravite čustveno pretiravanje, ne spreglejte signala manjšine. Ko vzpostavite verigo dokazov, ki se razteza od opažanja do citata, od teme do predloga, dosežete rezultat raziskave, ki je hiter in branljiv.
Aplikacijska naloga
- Anonimizirajte svoje 8-10 (ali izmišljene) odgovore na intervju/anketo.
- Napišite svojo kodirno shemo (6-8 oznak) in naj jo kodira umetna inteligenca s prvim pozivom.
- Odstranite teme z drugim pozivom; Upoštevajte, koliko udeležencev se pojavi za vsako temo.
- Preizkusite najmočnejšo temo s tretjim pozivom: primerjajte podporne in ovržljive citate.
- Napišite temo v obliki vpogleda + predloga + prizadetega zaslona in začrtajte verigo dokazov.
kontrolni seznam
- [ ] Svojo shemo kodiranja sem predal AI vnaprej.
- [ ] Vsako temo sem povezal z vsaj enim dobesednim citatom.
- [ ] Preštel sem, koliko posameznih udeležencev je nastopilo za vsako temo.
- [ ] Pogosto sem popravljal pretirane čustvene izraze.
- [ ] Zavestno sem se odločil, ali bom odstranil signale manjšine.
- [ ] Vpoglede sem povezal s konkretnim predlogom oblikovanja in prizadetim zaslonom.