Card sorting
Cos'è
Il card sorting costituisce un metodo efficace per individuare i modelli mentali impliciti degli utenti, rendendo esplicite le loro aspettative di categorizzazione dei contenuti [ Nielsen et. al. (1994); Rugg et. al. (1997); Maurer et. al. (2004); Nielsen (2004); Fincher et. al. (2005)].
Conoscere i modelli mentali e le categorizzazioni implicite ci permette di organizzare le informazioni in modo che siano più facili da trovare e da utilizzare, migliorando la qualità del prodotto.
Attraverso il card sorting è possibile identificare il criterio di classificazione usato dagli utenti ed identificare il contenuto e l'etichetta delle categorie da essi utilizzati.
- Fase: ricerca
- Piano: struttura
- Domande: come
A cosa serve
Attraverso il card sorting possiamo far emergere:
- i criteri che i partecipanti adottano per categorizzare e cercare le informazioni
- la struttura informativa che implicitamente si aspettano di trovare
- le eventuali differenze fra diversi gruppi di utenti
- le etichette delle categorie, espresse nel lessico degli utenti.
È possibile far emergere eventuali differenze nella categorizzazione fra diversi gruppi di partecipanti.
Se i partecipanti sono rappresentativi degli utenti del sito i risultati dell'analisi tenderanno a riflettere la struttura in cui gli utenti si aspettano che le informazioni siano presentate. È dunque un buon punto di partenza per organizzare la struttura del sito web.
Secondo Rugg et. al. (1997) il card sorting può essere usato sia come tecnica esplorativa che come tecnica di classificazione vera e propria.
Può essere applicato ad una gamma di entità estremamente ampia, che spazia da elenchi di oggetti concreti a concetti astratti, e può essere utilizzata ricorsivamente a vari livelli di una struttura informativa.
Circostanze ideali
È una tecnica facile da realizzare e facile da far comprendere ai partecipanti: gli utenti la considerano un metodo di classificazione naturale.
Le circostanze ideali per ottenere dei buoni risultati sono:
- l'elenco non è superiore a 60-70 elementi
- i contenuti sono fra loro omogenei
- i partecipanti conoscono e comprendono i contenuti.
Come fare
Nel card sorting si utilizza l'elenco degli elementi da classificare.
Si crea un cartoncino (card) per ogni elemento, e si chiede al partecipante di raggruppare gli elementi in categorie significative.
Il card sorting può essere somministrato in due modalità:
- card sorting aperto
- card sorting chiuso.
Nel card sorting chiuso all'utente viene chiesto di categorizzare gli item in categorie stabilite dallo sperimentatore.
Il card sorting aperto è meno strutturato in quanto è l'utente che decide il nome delle categorie, e dunque permette di far emergere i criteri di categorizzazione impliciti degli utenti.
I risultati del card sorting aperto sono particolarmente interessanti poiché possono darci informazioni su delle tipologie di categorizzazione non immaginate a priori dallo sperimentatore, anche se la maggiore libertà concessa all'utente rende meno coerenti i risultati raccolti.
Analisi
I risultati del card sorting possono essere analizzati attraverso differenti tecniche.
Analisi delle componenti principali
L'analisi delle componenti principali (PCA) è una tecnica statistica esplorativa multivariata finalizzata a semplificare insiemi di dati complessi [ C. Anderson et. al. (1988); Raychaudhuri et. al. (2000); Ding et. al. (2004)].
Date m osservazioni su n variabili, lo scopo della PCA è di ridurre la dimensionalità della matrice di dati trovando r nuove variabili, dove r < n.
Queste r variabili, definite componenti principali, hanno la proprietà di spiegare la varianza delle n variabili originali e di essere fra loro ortogonali e non correlate.
PCA: le componenti
Ogni componente principale è una combinazione lineare delle variabili originarie, ed analizzando i coefficienti è possibile attribuire un significato alle componenti [ Raychaudhuri et. al. (2000)].
Nelle nostre analisi (sulle matrici di prossimità) i risultati ottenuti con lo scaling multidimensionale classico (metrico) e la PCA sono del tutto equivalenti.
Cluster analysis
La clusterizzazione è una divisione di un insieme in gruppi di oggetti fra loro simili.
Ogni gruppo, definito cluster, consiste di oggetti che sono simili fra di loro e dissimili dagli oggetti degli altri gruppi [ Berkhin (2007)].
La cluster analysis è un sistema di classificazione esplorativo senza supervisione [ Xu et. al. (2005)] che costruisce una partizione, ovvero un insieme di gruppi fra loro disgiunti [ Ding et. al. (2004)].
Vi sono innumerevoli algoritmi di classificazione; i più comuni si distinguono in metodi gerarchici e metodi di partizionamento [ Berkhin (2007)].
La cluster analysis gerarchica è un metodo gerarchico agglomerativo, mentre la k-means è un algoritmo di partizionamento.
Cluster analysis gerarchica
La cluster analysis gerarchica costruisce un albero di clusters, detto dendrogramma o albero di classificazione gerarchica [ P. M. Coxon (1999); Sinha et. al. (2004)].
Questo è l'algoritmo di clusterizzazione più frequentemente applicato alle matrici di prossimità e dunque al card sorting [ Tullis et. al. (2004); Faiks et. al. (2000); Berkhin (2007)].
todo "grafico htree"
K-means
K-means è un algoritmo di partizionamento che assegna l'insieme di oggetti in K clusters [ Xu et. al. (2005); Berkhin (2007)]; vantaggi:
- permette di applicare ai dati del card sorting non solo l'algoritmo di clusterizzazione gerarchica, ma anche un algoritmo di partizionamento;
- permette di visualizzare i risultati in uno spazio bidimensionale (grazie alla PCA);
- permette di far emergere delle dimensioni semanticamente interpretabili; poiché il clustering si basa su tali dimensioni, è possibile interpretare la classificazione in base a tali variabili latenti [ Raychaudhuri et. al. (2000)].
K-means: esempio (cluster)
I cluster del card sorting esse3
"Corsi di laurea specialistica" - "Corsi di specializzazione post laurea" - "Corsi di Studio" - "Corsi post lauream" - "Facoltà" - "Informazioni sui corsi di laurea" - "Manifesto degli studi" - "Master" - "Offerta Didattica" - "Strutture d'ateneo: facoltà, dipartimenti, biblioteche"
"Conseguimento Titolo" - "Domanda di laurea" - "Laurea" - "Stage e tirocini"
"Iscrizione ai Corsi" - "Orari delle aule" - "Orari delle lezioni" - "Programmi dei corsi di insegnamento" - "Ricevimento docenti" - "Variazioni orari (lezioni, ricevimento)"
"Appelli esami" - "Calcolo cfu (crediti formativi)" - "Calendario Appelli di Laurea" - "Calendario Esami" - "Iscrizione agli esami" - "Libretto elettronico" - "Media aritmetica voti" - "Registrazione esami" - "Risultati degli esami"
"Anagrafica studente" - "Piano di studi" - "Posta Elettronica" - "Scelta Lingue Straniere" - "Scelta Percorso (curriculum/indirizzo)"
"Appunti delle lezioni" - "Attività Didattiche/insegnamenti" - "Biblioteca" - "Didattica" - "Dispense e materiale didattico" - "Docenti" - "E-learning" - "Registro delle lezioni (docente)" - "Valutazione della didattica da parte dello studente"
"Autocertificazione" - "Borse di Studio" - "Certificati" - "Diritto allo studio" - "Esoneri tasse" - "Guida alle tasse" - "Immatricolazione" - "Informazioni segreteria" - "Iscrizioni (agli anni successivi)" "Modulistica" - "Pagamento tasse" - "Rimborsi tasse" - "Scadenziario" - "Segreteria studenti"
"Avvisi" - "Bacheca per gli studenti" - "News"
La consensus analysis
La consensus analysis è finalizzata a valutare l'omogeneità delle classificazioni fra i partecipanti (ovvero, il consenso), e a far emergere eventuali differenze sistematiche nei modelli mentali dei diversi gruppi di partecipanti.
