Lợi nhuận:
- Khả năng chuyển đổi bản ghi cuộc phỏng vấn thô, câu trả lời khảo sát mở và phiếu hỗ trợ thành các chủ đề và hiểu biết sâu sắc bằng trí tuệ nhân tạo
- Khả năng tăng tốc các bước phân tích định tính như lập bản đồ và mã hóa ái lực với sự hỗ trợ của trí tuệ nhân tạo và xác minh kết quả bằng mắt người
- Khả năng loại bỏ các chủ đề được tạo ra hoặc phóng đại bởi trí tuệ nhân tạo bằng cách liên kết chúng với các trích dẫn thực
Giai đoạn tẻ nhạt nhất và dễ bị bỏ qua nhất trong quá trình nghiên cứu người dùng là tổng hợp: biến hàng chục cuộc phỏng vấn, hàng trăm câu trả lời khảo sát và phiếu hỗ trợ (yêu cầu trợ giúp của người dùng) thành những hiểu biết sâu sắc có ý nghĩa. Công việc này mất nhiều ngày bằng tay; Đó là lý do tại sao các đội thường cắt góc và quyết định "bằng cảm giác". AI chỉ giải quyết nút thắt cổ chai này: nó chia văn bản thô thành các chủ đề trong vài phút thay vì hàng giờ. Nhưng tổng hợp không phải là nhiệm vụ “tạo ra bản tóm tắt”; Đó là một lý luận dựa trên bằng chứng, có thể kiểm tra được. Học phần này chỉ cho bạn cách duy trì tính xác thực của thông tin chi tiết trong khi biến AI thành đối tác tổng hợp của bạn.
Cái nhìn sâu sắc, không phải là tóm tắt là gì
Trước tiên hãy làm rõ thuật ngữ này. Cái nhìn sâu sắc là một mô hình có ý nghĩa xuất hiện từ dữ liệu và hướng dẫn thiết kế: "Người dùng bỏ cuộc không phải ở bước thanh toán mà là khi họ lần đầu tiên nhìn thấy phí vận chuyển". Đây không phải là bản tóm tắt ("Người dùng phàn nàn về việc thanh toán"); cũng không phải là quan sát (“Người tham gia 4 dừng lại khi nhìn thấy phí vận chuyển”). Cái nhìn sâu sắc nắm bắt được nguyên nhân chung làm cơ sở cho nhiều quan sát và mở ra cơ hội cho quyết định thiết kế.
AI có xu hướng tạo ra các bản tóm tắt một cách tự nhiên. Công việc của bạn là chuyển nó từ tóm tắt sang hiểu biết sâu sắc: “tại sao?” và “điều này thay đổi gì trong thiết kế?” bằng cách nhúng câu hỏi của bạn vào lời nhắc.
Các bước phân tích định tính và vị trí của trí tuệ nhân tạo
Phân tích định tính (phi số, văn bản/dựa trên quan sát) được tiến hành theo cách cổ điển với các bước sau:
- Mã hóa: Mỗi phần có ý nghĩa trong văn bản đều được gắn một nhãn ("lo ngại về chi phí vận chuyển", "thiếu tự tin").
- Sơ đồ mối quan hệ (ánh xạ mối quan hệ): Các thẻ tương tự được nhóm lại; các nhóm trở thành chủ đề.
- Ưu tiên chủ đề: Chủ đề nào được nhiều người dùng xem và cường độ được xác định.
- Cái nhìn sâu sắc và lời khuyên: Chủ đề "phải làm gì?" nối với câu.
AI tăng tốc đáng kể bước 1 và 2: cung cấp mã hóa ban đầu và phân nhóm ban đầu trong vài phút. Tuy nhiên, ý nghĩa của các nhóm, tầm quan trọng của chủ đề và tính chính xác của các đề xuất cần có sự xác minh của con người. AI cung cấp cho bạn “bản đồ phác thảo đầu tiên”; Bạn sửa lại bản đồ cho phù hợp với thực tế.
Mẹo: Trước khi bạn yêu cầu AI "trích xuất chủ đề", hãy cung cấp cho nó sơ đồ mã hóa (danh sách các thẻ) của bạn. Bằng cách này, nó hoạt động bằng ngôn ngữ chung của mọi người và kết quả đầu ra có thể so sánh được.
Chuỗi bằng chứng: mỗi chủ đề liên kết với một trích dẫn
Nguyên tắc tổng hợp vàng: mọi chủ đề đều được liên kết với ít nhất một trích dẫn nguyên văn. Câu trích dẫn là bằng chứng cho thấy chủ đề này là có thật. Luôn đưa ra yêu cầu trích dẫn khi hỏi AI về một chủ đề; Nói với anh ta đừng đưa ra một chủ đề mà anh ta không thể tìm thấy câu trích dẫn. Bằng cách này, bạn sẽ ngừng ảo giác ở nguồn: một chủ đề bịa đặt được đánh dấu là "vô căn cứ" vì nó không có chủ đề tương ứng trong nguồn.
lớp
ví dụ
nguồn
quan sát
"Người tham gia 4 đã bỏ xe khi nhìn thấy phí vận chuyển"
ghi âm riêng lẻ
Mã
"chi phí bất ngờ"
Ghi nhãn
chủ đề
“Chi phí tiềm ẩn phá vỡ niềm tin”
lặp lại với 5 người tham gia
cái nhìn sâu sắc
"Chi phí vận chuyển nên được hiển thị sớm"
Tôi để lại chủ đề
Đề xuất
"Thêm ước tính vận chuyển vào trang sản phẩm"
Quyết định thiết kế
Chuỗi này bắt đầu khi một bên liên quan hỏi "làm sao chúng tôi biết điều này?" Khi bạn hỏi, nó cho phép bạn quay lại từ quan sát đến trích dẫn.
ba trường hợp nhỏ
Trường hợp 1 - 240 câu trả lời khảo sát, 90 phút. Một nhóm được mã hóa AI 240 câu trả lời khảo sát mở (văn bản miễn phí). Mô hình gợi ý 11 chủ đề; Nhóm đã xem xét những chủ đề này trong 90 phút, thu hẹp xuống còn 7, kết hợp 2 chủ đề và xóa 2 chủ đề không được hỗ trợ. Công việc thủ công kéo dài 2 ngày giảm xuống còn nửa ngày và chuỗi chứng cứ được bảo toàn.
Trường hợp 2 - Chủ đề phóng đại bị phát hiện. AI đã tạo ra một chủ đề mạnh mẽ là “người dùng ghét ứng dụng”. Khi nhóm xem xét các trích dẫn, họ nhận thấy chỉ có 2 người tham gia tỏ ra gay gắt, trong khi 18 người tỏ ra trung lập. Chủ đề được viết lại thành "sự thất vọng tột độ trong một dòng chảy nhất định". Bài học: AI có thể phóng đại cường độ cảm xúc; đếm tần số.
Trường hợp 3 - Thiếu ý kiến thiểu số. Mặc dù mô hình nêu bật các chủ đề đa số, nhưng nó lại hạ thấp vấn đề quan trọng về khả năng tiếp cận được 3 người tham gia nêu ra là “không quan trọng”. Nhà thiết kế đã nhận thấy điều này và bảo tồn nó như một phát hiện riêng biệt; Sau đó, rõ ràng là sự cố này đã ảnh hưởng đến tất cả người dùng trình đọc màn hình. Bài học: tín hiệu thiểu số không phải lúc nào cũng "kém quan trọng".
Lời nhắc có thể sao chép
Vai trò của bạn: nhà phân tích nghiên cứu định tính. Sơ đồ mã hóa (thẻ): <<list>>Nhiệm vụ: Mã hóa bản ghi ẩn danh bên dưới bằng các thẻ này.Thêm [Người tham gia
Chuyển đổi dữ liệu được mã hóa sau đây thành sơ đồ lân cận: nhóm các mã tương tự nhau, đặt tên cho mỗi nhóm một chủ đề. Đối với mỗi chủ đề: đếm xem có bao nhiêu người tham gia mà nó xuất hiện, bao gồm 2 câu trích dẫn mạnh nhất và viết một câu giải thích "tại sao". Đánh dấu các chủ đề có bằng chứng yếu một cách riêng biệt. Dữ liệu: <<codes>>
Tôi muốn thử nghiệm chủ đề sau: "<<theme>>".Liệt kê riêng các trích dẫn HỖ TRỢ và TỪ CHỐI chủ đề này trong văn bản nguồn. Cuối cùng, đánh giá xem chủ đề được hỗ trợ mạnh đến mức nào (mạnh/trung bình/yếu).Nguồn: <<transcription>>
Biến danh sách chủ đề này thành thông tin chi tiết và đề xuất. Đối với mỗi chủ đề:1) thông tin chi tiết trong một câu (có chứa “vì…”),2) đề xuất thiết kế cụ thể,3) đề xuất này ảnh hưởng đến màn hình/luồng nào.Đừng bịa đặt; Nếu cơ sở yếu, hãy viết "cần nghiên cứu thêm." Chủ đề: <<danh sách>>
Dấu nhắc yếu / Dấu nhắc mạnh
Yếu: "Phân tích những cuộc trò chuyện này và cho tôi biết kết quả."
Kết quả: Một bản tóm tắt không có nguồn, không có thông tin tần suất và dễ bị cường điệu hóa.
Mạnh: "Mã hóa bản ghi này bằng các nhãn tôi đã đưa cho bạn; kết nối từng chủ đề với trích dẫn từ [Người tham gia
Kết quả: Một sự tổng hợp có tần suất cao, dựa trên bằng chứng, có thể kiểm tra được.
Sự khác biệt: tần suất nhắc nhở mạnh mẽ + trích dẫn + nhắc nhở neo yếu; những điều này ngăn ngừa sự cường điệu và ảo giác.
Những lỗi thường gặp
- Không tính tần số. Đưa ra quyết định mà không biết đằng sau câu "Người dùng muốn X" có 2 hay 20 người.
- Lấy cường độ của cảm xúc như nó vốn có. AI có xu hướng làm nổi bật những biểu cảm mạnh mẽ; Nó có thể che giấu đa số trung lập.
- Loại bỏ tín hiệu thiểu số Một vấn đề mà ít người gặp phải có thể nghiêm trọng (ví dụ: khả năng tiếp cận).
- Không yêu cầu trích dẫn. Chủ đề không trích dẫn là chủ đề không thể kiểm chứng được.
- Kết thúc trong một vòng. Tổng hợp có tính lặp đi lặp lại; Kiểm tra đầu ra đầu tiên và làm sắc nét lời nhắc.
Tóm lại
Tổng hợp là lý do biến dữ liệu thô thành thông tin chi tiết thúc đẩy thiết kế. AI tăng tốc đáng kể các bước cơ học như mã hóa và nhóm lân cận, nhưng ý nghĩa và tầm quan trọng của thông tin chi tiết vẫn thuộc về con người. Nguyên tắc vàng là kết nối từng chủ đề với một câu trích dẫn theo nghĩa đen; đếm tần số, điều chỉnh khi cường điệu cảm xúc, không bỏ sót tín hiệu thiểu số. Khi bạn thiết lập một chuỗi bằng chứng trải dài từ quan sát đến trích dẫn, từ chủ đề đến gợi ý, bạn sẽ đạt được kết quả nghiên cứu vừa nhanh vừa có thể bảo vệ được.
Nhiệm vụ ứng dụng
- Ẩn danh các câu trả lời phỏng vấn/khảo sát 8-10 (hoặc hư cấu) của bạn.
- Viết sơ đồ mã hóa của riêng bạn (6-8 nhãn) và mã hóa nó bằng trí tuệ nhân tạo ngay từ dấu nhắc đầu tiên.
- Xóa chủ đề bằng lời nhắc thứ hai; Lưu ý có bao nhiêu người tham gia xuất hiện cho mỗi chủ đề.
- Kiểm tra chủ đề mạnh nhất với gợi ý thứ ba: so sánh các trích dẫn ủng hộ và bác bỏ.
- Viết chủ đề dưới dạng cái nhìn sâu sắc + gợi ý + màn hình bị ảnh hưởng và lập biểu đồ chuỗi bằng chứng.
danh sách kiểm tra
- [ ] Tôi đã đưa trước sơ đồ mã hóa của mình cho AI.
- [ ] Tôi đã liên kết mỗi chủ đề với ít nhất một câu trích dẫn nguyên văn.
- [ ] Tôi đếm có bao nhiêu người tham gia xuất hiện cho mỗi chủ đề.
- [ ] Tôi thường sửa chữa những biểu hiện cảm xúc cường điệu.
- [ ] Tôi đã đưa ra quyết định sáng suốt về việc có nên loại bỏ các tín hiệu thiểu số hay không.
- [ ] Tôi đã liên kết những hiểu biết sâu sắc với đề xuất thiết kế cụ thể và màn hình bị ảnh hưởng.