brandnew

在用户研究中，常常会遇到这样的问题：“要掌握总体(population)情况，到底需要多少样本量(sample)？”，或者说“我要求调查精度达到95%，需要多少样本量？”。

在采用的问卷调查时，我们多用到比例型变量来描述总体。对于这一类变量，确定样本量的公式为：

                                                             Z² ( p ( 1-p))

n   =   -----------------   

                    d²

其中：

n ：所需样本量

z：置信水平的z统计量（95%，Z=1.96；99%，Z=2.68）

p：目标总体的比例期望值 (一般情况下，推荐选择50%)

d：置信区间的半宽(如我们要求上下误差不超过3%，则3%就是半宽)

例如：要了解某产品的的用户年龄分布，假定我们要求调查误差不超过3%，则在99%的置信水平下，所需的样本量为:

n=2.68²*（0.5（1-0.5））²/0.03²=1995

虽然我们根据公式可以从理论上确定样本量的上限，但是在实际的调查研究中，要综合考虑多方面的因素，如调查目标，调查区域的大小等，采用多种方式来确定实际样本量。在实际操作中，可采用计算工具来方便快速地计算样本量。如surveysystem所提供的样本量以及置信区间的计算工具，网址为：http://www.surveysystem.com/sscalc.htm。

之前在油茶会发的博文，今天挪过来了~

Allen Copper 大人在他的经典作品“about face”中专门写一章节：“Implementation Models and Mental Models”。Mental model是心智模型的意思，也可以称为概念模型，说的通俗一点，其实就是人是如何认识，定义一个事物的。最近，越发觉得，在用户研究中，很核心的一个环节就是要理解用户的心智模型，因为，只有理解了用户是怎么样定义，表征一个（类）产品的，才能更好地去挖掘和预测用户的态度，期望，行为。

但是，应当如何理解用户的的心智模型呢？

“The deepest form of understanding another person is empathy…[which] involves a shift from…observing how you seem on the outside, to…imagining what it feels like to be you on the inside.”

上面一段话的意思是说，要理解一个人，最深入的方式是“移情”，不仅要细致地观察，还要将自己代入其中，感受和体会。同时，其作者还强调了，这种“移情”并非简单地研究他人是如何使用产品的。而是要更深入地了解人们要使用产品完成什么，也就是理解人的目标，动机，情感以及其所遵从的哲学和程序。

上面的这段话听起来很有道理，不过可操作性并不强。抛开这些不谈，其实，从认知心理学的角度来看，可以将心智模型看作一种“关系图表”。这种图表表现了一些互相联系的事物。要理解这一点，可以想象在我们的大脑中，知识就好像一个个小点，彼此之间相互联系，形成巨大的网络，而在这一网络中，那些彼此联系紧密的，就聚合成一个概念，只要有一个点被激活，其他的也迅速被激活。这样，人就可以理解一个事物。简单的例子，比如对于我来说，“豆浆”和“包子”就是两个联系紧密的点，它们共同连接一个中心的概念——“早饭”。

而以Gmail为例，有用户将Gmail 看作神经中枢，其中涉及到多个相互关联的产品。而用户的目的，是使用Gmail来方便有效地来管理自己工作和生活上的多种事物。

看到上图，可以理解为什么用户喜欢使用Gmail，因为Gmail一直在朝着用户的心智模型努力，变成越来越强大的管理工具，而非一个简单的邮件收发工具。

在最近的项目中，我尝试使用卡片分类法来获得用户脑中的“关系图表”，效果不错。通过让用户将各种不同的功能以及产品进行归类，发现用户对于某一类产品的心智模型，结论对于指导产品的开发设计有很好的参考作用。不仅如此，卡片分类法也是最常见，最好操作的一种方法。只是，在设计卡片之前，还需要通过其他方法，如实地观察，访谈法等，来获得假设，这样可以减少卡片数目，从而使得分类法获得更好的结果。

今日阅读：

A Cognitive approach to Game Usability and Design: Metal Model Development in Novice Real-Time Stratergy Games

研究假设：

随着经验的增加，用户的心智模型会由贫乏的基于游戏系统表面特征的模型转向基于AI agent功能的心智模型。

方法：

本文通过多维尺度分析（multi-dimensionla scaling）作为研究用户心智模型的工具。所使用的数据为用户对不同AI agent的相似性评分。

多维度尺度分析介绍

在具体研究中，使用多维尺度分析来研究用户的心智模型是一个好的方法。但是，存在两个问题：

1. 被试的数目不能太大

2. 作为对比用的属性，功能或者其他元素不能过多

PS:抽样方法

shock 语录

欢欢谈项目：我们明明看到前面有一条对的路，可是没有时间走，总想要抄近路，结果发现最后的结果是走了错的路。

cluster leader抱怨荷兰同事：他们效率怎么这么低，同一时间只能做一件事。

哼哼谈方法：没有什么标准的，完全看program。有时候，report就是delay的借口罢了。

这其实就是我们现在的问题所在。没有标准的流程，研究方法变成幌子或者借口，不是想要讨更多的时间就是讨更多的钱。

我看到国外的研究很强调要写清楚研究设计和方法，这样的目的一是让他人能够评价你的研究结果，二是让其他研究者能够重复你的研究流程。但是，我们这边的现状往往是老板说，荷兰那边有comments， 你去访谈吧。 我就得哼哧哼哧去访谈，才访了三个，刚摸索出一些问题，打算在今后的访谈中调整形式和内容好好深入一下，老板又说，好，这周末就把interface搞定。我晕，用户需求还没有完全界定清楚，function还在商讨阶段，interaction都没见影儿，请问，interface怎么搞？！

but，what's easy besides complain?

-----------------八卦分界---------------------------------------------------------------------

今天听八卦的时候忽闻老板也在complain。说他的荷兰boss太tough（最近已成搞笑词汇），上海老板太强硬，他只好狠狠逼迫下面的虾兵蟹将。我当时只想感慨，大家都不容易啊！

中午和哼哼说起项目的流程，她抱怨说，人家荷兰那边顶级团队做了两年的事，我们这边要几个intern两个月搞定，明显不现实么。我说，我们就好像在玩敲地鼠的游戏，不能全靠准确率，还要靠速度，砰砰砰！只要敲到几个，就赚了。至于intern，就是大榔头，优点是便宜耐用。

作为学心理学的，我开始的来头是搞动机研究的，搞到现在，变成什么都在搞了。不过让我欣喜的是，今天哼哼说我写的insights summary 已经开始像 design guideline了。照这个趋势发展下去，我找不到工作简直天理难容！虽然这在一定概率上是可能会变成现实的。