FONTE:Analyzing the results of a Websort Study – by Larry Woodwww.websort.net
Análise de Clustercard sorting
Agrupamentos
• Várias ciências trabalham com agrupamentos de objetos:
• Botânicos – agrupam plantas• Químicos – agrupam elementos, fenômenos• Marketing – agrupam produtos, marcas, hábitos de consumo
• A Análise de Cluster é uma técnica para agrupar objetos, sem definir a priori seu número ou características.
• Depois de formados os grupos, o pesquisador deve descrevê-los, interpretá-los e validá-los.
Card sorting
• A análise do resultado de um estudo de card sorting levará a uma organização do conteúdo.
• Levará a uma reorganização do site (p. ex: níveis dos menus e links).
Ferramentas estatísticas
• É relativamente fácil coletar dados de card sorting com uma ferramenta online.
• Mas não há mágicas para gerar a análise e as conclusões a partir dos dados.
• A interpretação do card sorting envolve o julgamento subjetivo do pesquisador.
Procedimentos para análise
1. Revisar os dados dos participantes individuais para determinar se algum deve ser excluído da análise.
2. Analisar o diagrama de árvore (este mostra os grupos de itens).
3. Analisar os nomes dados aos grupos para determinar seria a melhor rotulação.
Revisar os dados individuais
• Os dados precisam ter credibilidade.
• Nenhuma análise sofisticada pode compensar dados irrelevantes e sem representatividade.
•Muitos participantes concordam em realizar a pesquisa mas a fazem com muita pressa ou desinteresse, principalmente se houver um incentivo.
Revisar os dados individuais
• 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.• Dados com problemas óbvios devem ser excluídos.
Análise de Cluster
• Comparar e contrastar entre si os dados é um método simples, chamado de "eye-balling".
• Entretanto, é um método lento e idiossincrático, que não pode ser reproduzido.
• A Análise de Cluster gera a média dos grupos criados por cada participante.
• To cluster = agrupar
Análise de Cluster
• Mede a associação e a similaridade entre os objetos, a partir de um algoritmo estatístico.
• 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.
Análise de Cluster
• Similaridade é a frequência com que dois itens são colocados juntos pelos participantes.
• 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.
• 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.
• O algoritmo gera a árvore hierárquica.
Análise de Cluster
Matriz deSimilaridade
Análise de Cluster
Análise de Cluster
• Existem múltiplos algoritmos válidos para gerar a árvore.
• Os itens mais similares entre si aparecem como folhas (canto esquerdo).
• O tronco da árvore está situado no canto direito.
Análise de Cluster
• 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.
• E mais dissimilares com relação aos itens de outros galhos.
• Limitação: a Análise de Cluster nada revela sobre os rótulos dos grupos.
Analisando os rótulos
• É útil analisar os nomes dos grupos dados pelos participantes.
• Fazer o download dos arquivos .txt do Websort (na tab do Manager>Results).
• A partir da análise dos rótulos, pode-se identificar quais são os melhores nomes para batizar cada grupo.
• 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.
Conclusões
• 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.
• O diagrama de árvore nos dá resultados iniciais objetivos sobre o agrupamento.
Conclusões
• Mas não dá informação sobre quais são os rótulos mais adequados.
• Por isso é importante realizar uma avaliação posterior com os usuários potenciais (testes e avaliações cooperativas).