Analise de Cluster - CardSorting

4.147 visualizações

Publicada em

Aula do prof. Luiz Agner sobre análise quantitativa de dados do Card Sorting. Disciplina de Arquitetura de Informação. Pós em MKT e Design Digital. ESPM, 2009.

0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
4.147
No SlideShare
0
A partir de incorporações
0
Número de incorporações
33
Ações
Compartilhamentos
0
Downloads
51
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Analise de Cluster - CardSorting

  1. 1. FONTE: Analyzing the results of a Websort Study – by Larry Wood www.websort.net Análise de Cluster card sorting
  2. 2. Agrupamentos <ul><li>Várias ciências trabalham com agrupamentos de objetos: </li></ul><ul><ul><ul><li>Botânicos – agrupam plantas </li></ul></ul></ul><ul><ul><ul><li>Químicos – agrupam elementos, fenômenos </li></ul></ul></ul><ul><ul><ul><li>Marketing – agrupam produtos, marcas, hábitos de consumo </li></ul></ul></ul><ul><li>A Análise de Cluster é uma técnica para agrupar objetos, sem definir a priori seu número ou características. </li></ul><ul><li>Depois de formados os grupos, o pesquisador deve descrevê-los, interpretá-los e validá-los. </li></ul>
  3. 3. Card sorting <ul><li>A análise do resultado de um estudo de card sorting levará a uma organização do conteúdo. </li></ul><ul><li>Levará a uma reorganização do site (p. ex: níveis dos menus e links). </li></ul>
  4. 4. Ferramentas estatísticas <ul><li>É relativamente fácil coletar dados de card sorting com uma ferramenta online . </li></ul><ul><li>Mas não há mágicas para gerar a análise e as conclusões a partir dos dados. </li></ul><ul><li>A interpretação do card sorting envolve o julgamento subjetivo do pesquisador. </li></ul>
  5. 5. Procedimentos para análise <ul><li>Revisar os dados dos participantes individuais para determinar se algum deve ser excluído da análise. </li></ul><ul><li>Analisar o diagrama de árvore (este mostra os grupos de itens). </li></ul><ul><li>Analisar os nomes dados aos grupos para determinar seria a melhor rotulação. </li></ul>
  6. 6. Revisar os dados individuais <ul><li>Os dados precisam ter credibilidade. </li></ul><ul><li>Nenhuma análise sofisticada pode compensar dados irrelevantes e sem representatividade. </li></ul><ul><li>Muitos participantes concordam em realizar a pesquisa mas a fazem com muita pressa ou desinteresse, principalmente se houver um incentivo. </li></ul>
  7. 7. Revisar os dados individuais <ul><li>Os maiores indicadores de que o participante não levou o card sorting a sério é o fato de haver somente uma ou duas categorias ou deixar de rotular as categorias. </li></ul><ul><li>Dados com problemas óbvios devem ser excluídos. </li></ul>
  8. 8. Análise de Cluster <ul><li>Comparar e contrastar entre si os dados é um método simples, chamado de &quot; eye-balling &quot;. </li></ul><ul><li>Entretanto, é um método lento e idiossincrático, que não pode ser reproduzido. </li></ul><ul><li>A Análise de Cluster gera a média dos grupos criados por cada participante. </li></ul><ul><li>To cluster = agrupar </li></ul>
  9. 9. Análise de Cluster <ul><li>Mede a associação e a similaridade entre os objetos, a partir de um algoritmo estatístico. </li></ul><ul><li>O objetivo deste algoritmo é juntar objetos (dados observados) em sucessivos clusters cada vez maiores, usando medidas de similaridade ou distância, e o resultado pode ser apresentado em uma árvore hierárquica. </li></ul>
  10. 10. Análise de Cluster <ul><li>Similaridade é a frequência com que dois itens são colocados juntos pelos participantes. </li></ul><ul><li>Depois que a matriz de similaridade está completa, o próximo passo da Análise Cluster é colocar os itens em seus grupos, baseados nas frequências das ocorrências. </li></ul><ul><li>É um procedimento iterativo - o algoritmo trabalha até colocar todos os itens em um só grande grupo, sempre relaxando cada vez mais a definição de similaridade. </li></ul><ul><li>O algoritmo gera a árvore hierárquica. </li></ul>
  11. 11. Análise de Cluster Matriz de Similaridade
  12. 12. Análise de Cluster
  13. 13. Análise de Cluster <ul><li>Existem múltiplos algoritmos válidos para gerar a árvore. </li></ul><ul><li>Os itens mais similares entre si aparecem como folhas (canto esquerdo). </li></ul><ul><li>O tronco da árvore está situado no canto direito. </li></ul>
  14. 14. Análise de Cluster <ul><li>Começando no tronco (direita) e indo para a esquerda, cada galho se divide em dois, representando grupos de itens que são cada vez mais similares entre si. </li></ul><ul><li>E mais dissimilares com relação aos itens de outros galhos. </li></ul><ul><li>Limitação: a Análise de Cluster nada revela sobre os rótulos dos grupos. </li></ul>
  15. 15. Analisando os rótulos <ul><li>É útil analisar os nomes dos grupos dados pelos participantes. </li></ul><ul><li>Fazer o download dos arquivos .txt do Websort ( na tab do Manager>Results ). </li></ul><ul><li>A partir da análise dos rótulos, pode-se identificar quais são os melhores nomes para batizar cada grupo. </li></ul><ul><li>NOTA - A questão estratégica é determinar quantas categorias são necessárias para o site. Isto é específico de cada site e baseado nos seus objetivos particulares de navegação. </li></ul>
  16. 16. Rotulando os grupos
  17. 17. Conclusões <ul><li>Para obter as decisões de organização de conteúdo de um grande site, haverá sempre julgamento subjetivo do pesquisador, mesmo com o método estatístico da Análise Cluster. </li></ul><ul><li>O diagrama de árvore nos dá resultados iniciais objetivos sobre o agrupamento. </li></ul>
  18. 18. Conclusões <ul><li>Mas não dá informação sobre quais são os rótulos mais adequados. </li></ul><ul><li>Por isso é importante realizar uma avaliação posterior com os usuários potenciais (testes e avaliações cooperativas). </li></ul>

×