Regrouper les participants dans une analyse de tri des cartes?
Au lieu d'avoir un grand groupe de participants de tri de cartes, est-ce que quelqu'un a déjà essayé de segmenter ses participants avec une enquête supplémentaire pour définir dans quel personnage ils peuvent tomber? Si oui, comment avez-vous analysé les données de tri des cartes et segmenté les résultats pour chacun des groupes de personnalités?
(J'ai configuré mon étude dans conceptcodify.com pour exécuter le tri des cartes et j'aimerais les y diriger depuis Qualtrics, dans lequel je prévois de leur poser des questions pouvant être utilisées comme variable de regroupement.)
La question est valable, mais elle a quelque peu un parfum "en arrière".
Normalement, vous effectuez une recherche (par exemple, le tri des cartes) avec un objectif de recherche à l'esprit. Le but rendra compte des différents personnages. En d'autres termes, vous recrutez des participants en fonction des critères d'adéquation définis par l'objectif de recherche qui tient compte des personnages.
Prenons par exemple un site (ou sur une application) qui a deux personnages principaux - N (pour les novices du domaine) et E (pour les experts du domaine). Vous savez également que la part d'utilisation du site entre eux est de 20% pour N et de 80% pour E. Pour des raisons de validité de la recherche, je dirais que vous devriez avoir dans votre carte le tri du même nombre de participants de type N et E (disons 12 pour chaque groupe). À l'étape de l'analyse, vous séparez les deux groupes, ce qui signifie que vous les analysez séparément. De grandes différences dans les résultats entre les deux groupes pourraient suggérer une IA basée sur le public; mais si une telle voie n'est pas à prendre, le groupe E (80%) devrait avoir plus de poids sur les résultats combinés.
Si vous segmentez uniquement vos participants après le tri des cartes, vous pouvez rencontrer des problèmes - que se passe-t-il si 20 participants appartiennent au groupe N et seulement 4 au groupe E? C'est juste pour mettre en garde contre une telle pratique.
Mais je pense que le principe général à suivre est que le groupe de personnalités primaires obtient plus de poids que les groupes secondaires (ou toute autre classification de personnalités).
La plupart des applications de tri de cartes en ligne vous permettent de fournir des questions que vous pouvez utiliser pour segmenter les utilisateurs en différentes données démographiques, ou vous permettent de présélectionner les répondants en fonction des données démographiques. Il est donc toujours normal pour moi de regrouper les utilisateurs pour l'analyse plutôt que de se fier uniquement aux résultats globaux. Cependant, il n'est pas toujours possible de le faire pour certaines études, surtout si vous avez de très petits nombres.
Je peux voir la raison de la segmentation en fonction de l'âge, surtout si l'effet de la maîtrise de l'informatique peut jouer un rôle dans le temps pris ou être aberrant dans certains aspects de l'utilisabilité. Le genre est connu pour avoir également certains biais dans les préférences de conception et l'esthétique.
Cependant, en termes d'une analyse plus approfondie des utilisateurs afin que vous puissiez obtenir un personnage, il pourrait y avoir quelques problèmes à considérer:
- Combien devez-vous lire dans les résultats, car il est difficile de savoir dans quelle mesure les participants sont représentatifs de la population d'utilisateurs?
- Quelle est l'incidence de l'enquête supplémentaire sur la fiabilité et la qualité des réponses, étant donné que les gens ne veulent pas passer beaucoup de temps à faire des enquêtes et des questionnaires?
- Combien sacrifiez-vous en termes de précision des résultats une fois que vous avez divisé les utilisateurs en groupes encore plus petits?
Je crois que ces outils de tri de cartes en ligne devraient être accompagnés de questions standard qui peuvent aider à définir ou à diviser les utilisateurs en groupes significatifs, mais nous pourrions d'abord devoir parvenir à un accord sur ce qu'ils sont.