Analiza konwencjonalna

W analizie konwencjonalnej celem badającego jest pozwolenie na to, żeby definicje poszczególnych kategorii wynikły bezpośrednio z zebranych danych. Główną zaletą tej metody jest to, że motywuje ona zbieranie danych w oparciu o faktyczne odczucia użytkowników, a nie na podstawie uprzednio zdefiniowanych podstaw teoretycznych. Wygenerowane wnioski przedstawiają faktyczne opinie użytkowników i dają podstawę do zrozumienia różnorakich aspektów danego problemu, szczególnie jeśli jest on nowy, skomplikowany i trudny do opisania w inny sposób.

 

Analiza konwencjonalna (ang. conventional content analysis) jest używana w badaniach jakościowych, których celem jest poznanie fenomenu, który nie został wcześniej opisany -- na przykład, zrozumienie potrzeb użytkowników mające na celu stworzenie nowego produktu lub serwisu.

 

Analiza danych odbywa się w nastepujacych krokach:

  • Krok 1. Najpierw należy przesłuchać lub przeczytać zebrany materiał,aby uzyskać odpowiednio głębokie zrozumienie danych.
  • Krok 2. Przy kolejnym czytaniu danych należy podkreślić słowa lub frazy opisujące kluczowe opinie lub koncepcje, dotyczące intersujacych badacza aspektów problemu.
  • Krok 3. Każdą koncepcję należy następnie zakodować (n.p., stwierdzenia opisujące trudności w znalezieniu potrzebnych funkcji mogą być zakodowane jako „Problemy z użytecznością").
  • Krok 4. Poszczególne kody należy grupować w kategorie. Z założenia nie powinno się tworzyć więcej niż 10-15 kategorii, jako że ich zadaniem jest wyabstrahowanie zebranych danych.
  • Krok 5. Następnie należy stworzyć definicje dla każdej z zidentyfikowanych kategorii.
  • Krok 6. Wzależności od powiązań między kategoriami, można je grupować w różne zestawy. Każdy zestaw danych może reprezentować inny punkt widzenia na problem będący przedmiotem badania. Powiązania między kategoriami najłatwiej jest zilustrować w formie grafu (zobacz: rysunek 1). Badacz może zdecydować się na przedstawienie wyników na bazie przeciwieństw, zależności lub współwystępowania.

Przykład (w oparciu o rysunek 1 po prawej):

Kliknij aby powiększyćWyobraźmy sobie, że naszym zadaniem jest zrozumienie, w jaki sposób ludzie poruszają się środkami transportu miejskiego w waszym mieście, po to, żeby zaprojektować nowe połączenia między różnymi miejscami a także zaproponować różne opcje biletów.

 

Aby tego dokonać, planujemy badanie typu sytuowany wywiad środowiskowy (ang. contextual inquiry):

  • Dane zebrane w trakcie wywiadów zostają przetworzone na pojedyncze stwierdzenia mieszczące się na karteczkach post-it (zobacz: rysunek 2 poniżej). Każde stwierdzenie wyraża oddzielną opinię danego użytkownika. Tego typu analiza nazywana jest analizą przy użyciu diagramów affinity.
  • Stwierdzenia te są następnie analizowane metodą bottom-up, czyli stwierdzenia semantycznie zbliżone do siebie grupowane są razem, a następnie kazda grupa stwierdzeń otrzymuje własną nazwę (np: "transport dla osób niepełnosprawnych" czy "transport dla turystów").
  • Dla każdej ze zdefiniowanych kategorii można następnie zdefiniować podkategorie (decyzja o tym, czy podkategorie są potrzebne zależy najczęściej od celu badania a także od tego, czy zebrane dane wymagają dalszej kategoryzacji). W tym konkretnym przypadku, zdefiniowane kategorie posiadały podkategorie (np: dla kategorii "transport dla turystów" zostały zdefiiowane podkategorie: "wycieczki jednodniowe" i "przyjazdy wakacyjne").
  • Kliknij aby powiększyćNa podstawie powyższej analizy został skonstruowany model hierarchicznych zależności, którego część jest widoczna na rysunku 2 po prawej. Na podstawie tego modelu można było określić nowe typy biletów dla turystów, a także ustalić na jakich trasach powinny się poruszać autobusy z obniżonymi podłogami.

Jak jest widoczne w powyższym przykładzie, analiza konwencjonalna umożliwia uporządkowanie dużej ilości nieustrukturalizowanych opinii użytkowników i pozwala na zidentyfikowanie powtarzających sie wzorców zachowań oraz motywów ukrytych za poszczególnymi zachowaniami.

Takimi wzorcami mogą być podobieństwa i różnice pomiędzy poszczególnymi kategoriami a także przykłady czasowego i przestrzennego umiejscowienia zachodzących procesów (w tym przypadku sposobów korzystania ze środków komunikacji publicznej) w kontekście danego problemu, czyli lepszego zaplanowania usług oferowanych przez transport miejski.

 

Istotnym jest jednak, żeby zawsze krytycznie oceniać wnioski wyciągniete z badania przeprowadzonego przy użyciu analizy konwencjonalnej, jako, że łatwo jest skoncentorwać się na wzorcach, które albo zostały wcześnie dostrzeżone i dlatego utrwaliły się w świadomości badacza jako istotne, albo na tych, które w ten czy inny sposób wyróżniają się z całości zebranego materiału.

 

Najczęściej spotykane pułapki wynikające z użycia analizy konwencjonalnej to:

  • subiektywne przedstawienie wyników związane z brakiem umiejętności zidentyfikowania kluczowych kategorii; aby tego uniknąć, proces kodowania i analizy powinien być przeprowadzony przez niezależnych koderów a wyniki później porównane i przedyskutowane;
  • potraktowanie wniosków raczej dla potwierdzenia pewnej teorii niż dla opisu pewnego typu doświadczeń ludzkich; aby tego uniknąć, należy pamiętać, że analiza konwencjonalna pozwala jedynie na modelowanie pewnych zachowań i nie może służyć jako podstawa do weryfikacji koncepcji teoretycznych.

 

= = = =
Agnieszka Matysiak Szóstek, 2009.
Doktorantka na Politechnice w Eindhoven (Holandia), absolwentka studiów User-System Interaction Kontakt: a.matysiak [at] tue.nl
= = = =