Презентация - "Проектирование интерфейса пользователя"
- Презентации / Презентации по Информатике
- 1
- 13.10.20
Просмотреть и скачать презентацию на тему "Проектирование интерфейса пользователя"
Учебный курс «Проектирование интерфейса пользователя» Преподаватель: к. т. н. Пескова Ольга Вадимовна
Анализ собранных данных Цель: Создание профилей групп и/или персонажей с их контекстными сценариями. Задачи: подготовка и обработка результатов исследования; группировка пользователей. Методы решения задач: качественные (участие всей команды); количественные (математические вычисления); комбинированные.
Диаграмма сходства (affinity diagram ) Область применения: анализ наблюдений, полученных в ходе полевого исследования; определение и группировка пользовательских функций как элементов дизайна; анализ наблюдений, полученных в ходе юзабилити-оценки. Результат: наблюдения, сгруппированные по тематикам.
Сортировка по шкалам Выявить поведенческие переменные. Сопоставить респондентов с поведенческими переменными Выявить значимые шаблоны Синтезировать характеристики и соответствующие им цели Проверить полноту и выявить избыточность. Перейти к формированию персонажа.
Преобразование вариантов ответов в числовые эквиваленты Варианты ответа: номинальные; порядковые; непрерывные.
Количественный анализ данных Отобрать разделяющие наблюдения переменные – факторный анализ данных; Построить кластеры наблюдений – кластерный анализ. Выяснить: принадлежность объектов кластерам; расстояние до кластеров; переменные, различающие кластеры.
Инструменты Исследование «ЭБ Яуза» выполнено с использование статистического пакета SPSS Statistics 17.0. Бесплатные статистические пакеты: надстройка для Excel – AtteStat (http://attestatsoft.narod.ru/download.htm) – кластеризация данных; надстройка для Excel – Chemometric (http://www.chm.bris.ac.uk/org/chemometrics/addins/index.html) – метод главных компонент.
Кластерный анализ данных. Отбор разделяющих переменных Метод главных компонент: по каким переменным наши пользователи различаются? как взаимосвязаны переменные?
Интерпретация результата кластеризации выделить характеризующие кластер значения переменных; отбросить переменные, недифференцирующие кластеры; сформировать гипотезы, объясняющие выделенные особенности.