Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen
analyysi
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Seminaarin rakenne
Luento 1• Johdanto seminaariin.• Kvantitatiivinen ja kvalitatiivinen tutkimus• Yleistä tilastoista ja tilastotieteestä:
– mihin tilastollisia menetelmiä tarvitaan?– mitta-asteikot– käsitteistö
• Tutkimuksen suunnittelu: – tutkimusprosessin vaiheet– ongelman operationalisointi– tutkimushypoteesit– otos, datan keruu, reliabiliteetti– kysymysten asettelu käyttäjäkokemuksen tutkimuksessa
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Luento 2• SPSS-ohjelmaan tutustuminen ja aineiston
syöttäminen • Kuvailevat tilastolliset menetelmät• Käytetyimmät tilastolliset menetelmät
käyttäjäkokemuksen tutkimuksessa: – non-parametriset: Ristiintaulukointi – khi2-testi
• Menetelmien käyttö SPSS-ohjelmassa
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Luento 3• Käytetyimmät tilastolliset menetelmät käyttäjäkokemuksen
tutkimuksessa: – T-testit– Varianssianalyysi
• Menetelmien käyttö SPSS-ohjelmassa
Luento 4• Käytetyimmät tilastolliset menetelmät käyttäjäkokemuksen
tutkimuksessa: – Korrelaatio– Faktorianalyysi
• Tilastollisten tulosten tulkinta ja johtopäätökset• Menetelmien käyttö SPSS-ohjelmassa
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Luento 5• Kerätyn aineiston muokkaaminen
– kerätyn aineiston laadun arviointi• normaalijakaumatesti
– aineistonmuutokset– transformaatio– summamuuttujat, uudet muuttujat
• Menetelmien käyttö SPSS-ohjelmassa• Käytön opastusta
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Luento 6Tulosten esittäminen • kuvaajat, taulukot• raporttiMenetelmien käyttö SPSS-ohjelmassa
Luennot 7 & 8• Harjoitustöiden esittely
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Mihin tarvitaan tilastollisia menetelmiä?
• Ilmiön kuvaus numeerisen tiedon pohjalta (Tilastolliset vuosikirjat, Tilastokatsauksia, kuvaajat, taulukot) tiivis tulkinta ja ennusteiden tekeminen
• Päätöksenteon tuki– Riskien pienentäminen
• Sattuma vai ”ilmiö”Count
296 281 159 37 1 774256 329 199 84 1 869552 610 358 121 2 1643
NainenMies
´Q3: sukupuoli?´
Total
täysin erimieltä
jokseenkineri mieltä
jokseenkinsamaa mieltä
täysin samaamieltä ei tiedä
haluan käyttää uusimpia m-puh.malleja?´
Total
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Kvantitatiivinen ja kvalitatiivinen tutkimus
• Yleistettävyys• Toistettavuus• Erojen merkitsevyyden
arviointi• Usein: selittäminen, syy-
seuraus-suhde• Mikä? Missä? Paljonko?
Kuinka usein?• Numeerisesti suuri, edustava
otos• Heikkous: syiden
selvittäminen, tutkijan tulkinta, löydetään sitä mitätiedettiin hakea
• Ymmärtäminen• Kuvaaminen• Hiljaiset viestit• Miksi? Miten? Millainen?• Suppea, harkinnanvaraisesti
koottu näyte
Toisiaan täydentävät:
Ideaalissa tilanteessa syklimäisesti molempia
Kvantti Kvali
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Datankeruu
Kvantitatiivinen• Lomakekyselyt, surveyt• www-kyselyt• Strukturoidut
haastattelut• Systemaattinen
havainnointi• Kokeelliset tutkimukset
Kvalitatiivinen• Henkilökohtaiset
haastattelut• Ryhmähaastattelut• Osallistuva havainnointi• Eläytymismenetelmä• Valmiit aineistot ja
dokumentit
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Keruumenetelmien vertailua
ei oleei ole melko hyvähyvälisähavaintojen
tekomahdollisuus
hyvähyväei olehyväOheismateriaalin
käyttömahdollisuus
ei ei kylläkyllämahdollisuus tietää kuka on
vastannut
suurisuurimelko pienipieniväärinkäsitysmahdollisuus
kyseenalainenkyseenalainenhyvähyvävastausten tarkkuus
jätetään helposti vastaamattahuono (jätetään usein
vastaamatta)melko hyvähyväavointen kysymysten
mahdollisuus
hyvähyvähuonohuonoarkaluontoisten kysymysten
mahdollisuus
hyvä, mutta kato lisääntyy kysymysten määrän lisääntyessä
hyvä, mutta kato lisääntyy lomakkeen pituuden kasvaessa
melko huono (max15-20 min)hyvä
pitkän kyselylomakkeen käyttömahdollisuus
nopeahidas (karhukirjeet)nopeamelko nopeavastausten saannin nopeus
vältetäänvältetäänpienisuurihaastattelijan vaikutus
ei tarvitaei tarvitaselvästi pienempi kuin
henkilökoht.suurihaastattelijan tarve
riippuu kohteestausein alhainenyleensä korkeayleensä korkeavastausprosentti
www-kyselypostikyselypuhelinhaastatteluhenkilökohtainen
haastatteluominaisuus
Tarja Heikkilä: Tilastollinen tutkimus. Edita 2001
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Mitä tutkimuksella arvioidaan?
• Mittaaminen• Observointi, tutkijan havainnot• Vastaajan antama täsmälliset tosiasiatiedot• Arvionvaraiset tosiasiakysymykset (miten
usein, milloin viimeksi, alkoholin kulutus)• Vastaajan suorittama itsearviointi, mielipiteet
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Kysymykset
Kysymyksen muoto lomakkeessa
Avoin kysymys Suljettu kysymys Skaalattu kysymys
Ei vastausohjetta Lisätietoja pyytävä, syventävä
Yksinkertaistavakaksiarvoinen
kysymys
Vaihtoehdot luetteleva
suljettu kysymys
Tutkijan skaalaamailman tulkintaa
Skaalattu, jossaVaihtoehdot tulkittu
verbaalisesti
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Hyvä kysymys
• Kysyy vain yhtä asiaa– Tuleeko talouteenne Aamulehti tai Hesari?
• On tarpeellinen ja hyödyllinen• Käyttää selkeää ymmärrettävää kieltä• On kohteliaasti esitetty• Ei ole johdatteleva• Ei ole liian pitkä tai monimutkainen (varsinkin puhelimessa)• Sisältää tarvittaessa tyylikeinoja (lihavointi, alleviivaus) olennaisen
korostamiseksi• Ei sisällä kaksoisnegatiivia (”En usko, että internet ei ole
hyödyllinen”)• Ei ole anonymiteettiä uhkaava
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Sosiaalisesti suotavat vastaukset
• Ylikorostetaan sosiaalisesti arvostettuja piirteitä/toimintaa ja vähätellään sosiaalisesti ei-toivottuja
• Halu antaa itsestä positiivinen kuva (ehkä myös itselle)• Arkaluontoiset kysymykset• Virhelähteen ehkäisy:
– Luottamuksellisuus, rehellisyyden korostaminen, anonyymisyys, ”miten luulette muiden suhtautuvan tähän (tai tyypillisesti)”, hankalien kysymysten peittäminen helppojen keskelle ja kyselyn loppupuolelle
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Skaalatut kysymykset
• Likert– Asenteiden mittaamiseen– Järjestää vastaajat samanmielisyyden määrän mukaan
1= täysin samaa mieltä2= jokseenkin samaa mieltä3= ei samaa muttei eri mieltäkään4= jokseenkin eri mieltä5= täysin eri mieltä6= ei osaa sanoa
- Tulkitaan yleensä välimatka-asteikolliseksi (erot yhtä suuret): keskiarvo, mediaani -> t-testit, faktorianalyysi
- Jos halutaan ”pakottaa” mielipide, jää keskimmäinen arvo pois
- Samanlainen asteikko useassa kysymyksessä helpottaa vastaamista ja nopeuttaa tutkimusta
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
• Esim. Likertin ”liukuhihnakäytöstä”Kertokaa kuinka samaa mieltä olette väittämän kanssa asteikolla 1-4, 1= täysin eri mieltä, 2= hieman eri mieltä, 3= jokseenkin samaa mieltä, 4=täysin samaa mieltä.– Internetin käyttö on vaikeaa.– Internet pelottaa minua.– Yhteiskunnan pitäisi taata kaikille internet-koulutus.– Internet ei tarjoa minulle mitään kiinnostavaa.– Yleisiä kaikille avoimia internet-päätteitä on riittävästi
saatavilla esim. kirjastoissa.– Epäilen että internetistä on enemmän haittaa kuin hyötyä.
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Osgoodin semanttinen differentiaali
– Asenteiden ja käsitysten mittaaminen– Annetaan merkityksiä joihin vastaaja reagoi– Luodaan vastakohtaparit, jotka sijoitetaan asteikon
ääripäihinm asteikko esim. 1-5, 1-7 tai 1-9.• Arvioivat adjektiivit (hyvä-paha)• Voimakkuutta osoittavat adjektiivit (vahva-heikko)• Toimintaa osoittavat adjektiivit (aktiivinen-passiivinen)
– Esim. – Tehokas 1 2 3 4 5 6 7 Tehoton– Kaunis 1 2 3 4 5 6 7 Ruma– Helppo 1 2 3 4 5 6 7 Vaikea
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Kysymysten pohdinta jatkuu• Saman kysymyksen voi usein tehdä eri tavoin – mieti miten haluat
esittää tulokset.• Mieti myös datan syöttövaihetta:
miten tiedot saa helpoimmin ja nopeimmin (vähiten virheitä) syötettyä SPSS:ään.
• Joskus kannattaa etukäteen luokitella vastausvaihtoehdot (ammatti), joskus ei (ikä). Jälkikäteen luokittelua ei enää voi purkaa.
• Kohdistetut kysymykset: kaikkea ei tarvitse kysyä kaikilta. Esim. Internet-kysymykset kohdistetaan vain niille, joilla on kokemusta sen käytöstä ☺-> Synnyttää ”hyppyjä” lomakkeeseen, ole tarkkana!!
• Kysymyksissä tulee olla looginen järjestys: ennen TV-ohjelma-kysymyksiä tulisi kysyä onko vastaajalla tv ja jos niin millainen ja minkäverran katsoo.
• Saatekirje on ratkaisevan tärkeä vastaajan motivaation kannalta! Sen tulee olla kohtelias, vakuuttava ja sopivan tiivis. Haastattelussa vastaavat asiat kerrotaan suullisesti.
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Kvantissa kysymysrungon suunnittelu on kaikkein tärkein vaihe!
• Yleensä tarkennuksiin ja täydennyksiin ei ole mahdollisuutta, kun ”kone” käynnistyy se on vietäväloppuun
• Kysymykset on esitettävä kaikille vastaajille samassa muodossa
• Tee pilotteja ”ei-ammattilaisilla” toimivuuden testaamiseksi
• Huonosti toimiva runko syö aikaa ja resursseja, voi johtaa keskeytyksiinkin
• Tarkista kaikki hyppypolut!• Huono kysymysrunko voi tuottaa vain ”mittausvirhettä
ja sattumaa”
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Hengähdys?
vielä käsitteistöä, otantaa ja tutkimusprosessin kuvausta
jäljellä!Kirjallisuus:
Lauri Nummenmaa: Käyttäytymistieteiden tilastolliset menetelmät
Tarja Heikkilä: Tilastollinen tutkimus
Holopainen,Tenhunen,Vuorinen: Tutkimusaineiston analysointi ja SPSS
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Mitta-asteikot
• Tärkeitä myöhempien testien käytön kannalta!• Luokittelu- eli laatuero- eli nominaaliasteikko (nominal)
– Kvalitatiiviset erot (samanlainen/erilainen)– EI SAA käyttää numeerisena muuttujana vaikka SPSS
mahdollistaa sen– Niukasti testimenetelmiä
• Järjestys- eli ordinaaliasteikko (ordinal)– Toisensa pois sulkevat kategoriat (pituusjärjestys)
• Välimatka- eli intervalliasteikko (scale)– Yhteenlaskuominaisuus, keskiarvo ->testit
• Suhdeasteikko (scale)– Kaikki laskutoimitukset sallittuja
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Käsitteet
• Muuttuja: mikä tahansa mitattava ominaisuus tai suure, jossa esiintyy vaihtelua (ikä, sukupuoli, paino, suoriutuminen)
• Riippuva muuttuja (selitettävä, tulosmuuttuja, vastemuuttuja, response variable)
• Riippumaton muuttuja (selittävä, ennustemuuttuja)• Reliabiliteetti: mittarin luotettavuus, kyky tuottaa ei-
sattumanvaraisia tuloksia (toistettaessa saadaan sama tulos). Ulkoinen reliabiliteetti: tulokset toistettavissa myös muissa tutkimuksissa ja tilanteissa
• Validiteetti: mittauksen oikeellisuus. Mitataanko todella sitä mitäon haluttu? Vastaavatko mittaukset teoriaosassa esitettyjäkäsitteitä? Tulkitsevatko myös muut tutkijat tulokset samoin?
• Frekvenssi: havaintojen lukumäärä
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
käsitteistöä
• Tutkimusongelma: usein kysymyksen muotoon puettu asia, johon tutkimuksella pyritään saamaan ratkaisu -> ohjaa menetelmien valintaa
• Aineisto, havaintoaineisto, tutkimusaineisto: Empiiristätutkimusta varten hankitut käsittelemättömät tiedot. Myös havaintomatriisi (vaakarivi edustaa yhtä tilastoyksikköä, pystyrivit ovat muuttujia) Älä tallenna yhden vastaajan tietoja usealle riville tai samalle riville usean vastaajan tietoja!
• Objektiivisuus: puolueettomuus, tutkijan oman vaikutuksen minimoiminen, muiden datan kerääjien huolellinen kouluttaminen ja ohjeistaminen
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Otantatutkimukset
• Kokonaistutkimuksessa tutkitaan populaation jokainen jäsen
• Otantatutkimukseen päädytään, jos – perusjoukko on hyvin suuri– Populaation tutkiminen tulisi liian kalliiksi– Tiedot halutaan nopeasti– Tutkiminen on monimutkaista– Ei-otantavirheet saadaan pienenemään
• Otos on edustava pienoiskuva perusjoukosta– Samoja ominaisuuksia samassa suhteessa
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Otanta Otantamenetelmät
Toden-näköisyyteen
perustuvat
Harkintaanperustuvat
Yksinkertainen satunnaisotanta
Systemaattinenotanta Ositettu otanta Ryväsotanta
Harkinnan-varainenotanta
Kiintiöotanta
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Otoskoko• Otoskoon valinnassa usein edessä kompromissi aikataulun, tarkkuuden
ja kustannusten välillä.
– Koon on oltava sitä suurempi mitä heterogeenisempi populaatio (suurempi hajonta)
– Karkeiden erojen selvittämiseen riittää pieni aineisto, yksityiskohtaisuuteen vaaditaan suurempi koko. Jos aineisto jaetaan ryhmiin, tulee kaikkien otosten olla riittäviä.
– Mitä varmempia halutaan olla, sitä suurempi otoksen on oltava. 99%:n taso vaatii suuremman otoksen kuin 95%:n varmuustaso.
– Mitä pienempi virhemarginaali on tavoitteena, sitä suurempi otos.– Usein vasta analyysivaiheessa todetaan että esim. ristiintaulukoitaessa jokin
solu jää liian pieneksi, jolloin tulosten yleistettävyys kärsii.– Käytännössä alle 50 hengen aineistosta ei enää saa kovin luotettavia
tuloksia, varsinkaan jos ilmiötä vielä tarkastellaan alaryhmien kautta.– Riittävä otoskoko on haaste käyttötutkimuksessa!! (kvalitatiivisen tutkimuksen
pitkä perinne)
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Otoksen koko ja tulosten merkitsevyys
• Mitä suurempi otos on, sitä enemmän se todennäköisesti muistuttaa populaatiota.
• Suurten otosten perusteella voidaan tehdä tarkempia populaatiota koskevia päätelmiä.
• Mitä pienempi otos on, sitä todennäköisemmin siinähavaittuihin ilmiöihin vaikuttaa otantavirhe.
• Pienissä aineistoissa havaitun efektin (esim. keskiarvojen ero) on oltava huomattavan suuri, jotta se ei hukkuisi otantavirheeseen.
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Esimerkkejä otoksen koosta
• <15 esitutkimus jossa testataan alustavasti jonkin menetelmän tai asetelman toimivuutta
• 15-100: kokeellinen tutkimus, jossa mitataan jotain sellaista ominaisuutta, joka on melko voimakkaasti biologisesti määräytynyt (tarkkaavaisuus)
• 100-300: erilaisten hoitomuotojen tehokkuus suomalaisten masennuksenhoidossa
• 300-1000: kyselytutkimus, jossa selvitetään eri ammateissa toimivien suomalaisten aikuisten kokemuksia työssä jaksamisesta
• >1000: suuri kansainvälinen vertailututkimus erilaisten terveysongelmieyleisyydestä
Lauri Nummenmaa: Käyttäytymistieteiden tilastolliset menetelmät
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Kokonaisvirhe
Otantavirhe Muu kuin otantavirhe
Vastaamiseen liittyvä virhe
Vastaamattomuudestajohtuva virhe
Tavoittamattomuudesta johtuva virhe
Vastaajasta johtuva virhe
Haastattelijasta johtuva virhe
Tutkijasta johtuva virhe
Tutkimuksen virhelähteet
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Tutkimusprosessin vaiheet
• Tutkimusongelma -> tutkimussuunnitelma– Mitä tutkitaan ja miksi– Mitä aineistoa käytetään ja miten tiedot hankitaan– Miten tiedot käsitellään ja miten tutkimustulokset raportoidaan– Aikataulutus ja budjetointi– Tutkimusasetelma koostuu kolmesta elementistä: tutkimusongelmasta,
aineistosta ja menetelmä/istä.– Tutkimusongelman rajaaminen ja paloittelu pienempiin osiin, alaongelmiin,
jotka puetaan yhden tai useamman kysymyksen muotoon ja joihin esitetään vastaukset raportin eri luvuissa.
Tyypillisiä paloiteltuja tutkimusongelmia: Käyttäjät ja XX:n mobiilipalvelut: Kuinka tyytyväisiä XX:n asiakkaat ovat uuteen mobiilipalveluun? Kuinka paljon he ovat valmiita maksamaan siitä? Vaikuttaako uutisnälkä halukkuuteen käyttää mobiilipalveluita?
– Osaongelmat voidaan rakentaa väittämien muotoon, jolloin niitä sanotaan tutkimushypoteeseiksi.
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Tutkimusprosessi jatkuu..
• Lomakkeen laadinta (tai koeasetelman suunnittelu)
• Pilotti (ei aina)– Aihealueen haltuunotto, kysymysten sisällön ja
muodon täsmentäminen– 5-10 henkeä, ”erilaisia” ihmisiä
• Aineiston kerääminen• Tietojen käsittely ja analysointi• Raportointi
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Operationalisointi
• Kvantitatiivinen tutkimus edellyttää käsitteiden määrittelemistäsellaisiksi analyyttisiksi käsitteiksi, joita voidaan mitata.
• Monet käsitteet ovat hyvin abstrakteja. Mitä on onnellisuus? Miten sitä voi mitata? Mitä on helppokäyttöisyys, mihin konkreettisiin osatekijöihin se jakaantuu?
– 1. Käsitteen yleinen hahmottaminen ja määrittäminen– 2. Käsitteen osa-alueiden määritteleminen– 3. Siirtyminen teoreettisesta kielestä konkreettiseen arkikieleen ja
indikaattoreihin– 4. Operationalisoinnin tarkka kuvaaminen (Alkula)
• Tutkija on osoitettava mitä käsite hänen tutkimuksessaan tarkoittaa! Tarkista tutkimusongelmasi (ja hypoteesit) ja pidä huoli että niiden ja lomakekysymystesi välillä on selvä yhteys.
• Esim.”Onnellinen määritellään tässä tutkimuksessa siten, ettävastaaja saa vähintään 15p onnellisuusinventorista”.
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Tutkimushypoteesit
• Hypoteesi on tulosta koskevat ennakko-oletus• Hypoteesin testaaminen on menetelmä, jonka avulla arvioidaan kuinka
luotettavia koko populaatiota koskevia päätelmiä voidaan tehdä otoksen avulla
• Nollahypoteesi (H0): aineiston ilmiö EI esiinny populaatiossa (”mitään ei tapahdu”)
• Vaihtoehtoinen hypoteesi (H1) olettaa, että aineiston ilmiö esiintyy myös populaatiossa
• Tilastollisella testillä ratkaistaan kumpi hypoteesi jää voimaan (vain toinen)
• P-arvot (havaitut merkitsevyystasot)– P-arvojen avulla arvio hypoteesien paikkansapitävyydestä numeerisessa
muodossa (tietyllä todennäköisyydellä).– Vaihtelevat välillä 0-1. Ilmoittavat kuinka suurella todennäköisyydellä
vaihtoehtoinen hypoteesi on väärä. Mitä lähempänä arvo on ykköstä,sitäsuuremmalla todennäköisyydellä nollahypoteesi on oikea. Jos p-arvo on lähellä nollaa, vaihtoehtoinen hypoteesi on asetettu oikein.
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Hypoteesien testaaminen (kuvitteellinen esimerkki)
• Tutkija olettaa miesten pitävän viihdetekniikasta enemmän kuin naisten.Tutkimushypoteesit:
– (H0):Miehet ja naiset eivät eroa toisistaan viihdetekniikasta pitämisen suhteen.
– (H1):Miehet ja naiset eroavat toisistaan viihdetekniikan pitämisen suhteen.
• Otokseen valitaan 20 miestä ja 20 naista. Kaikki arvioivat viihdetekniikan kiinnostavuutta ja miellyttävyyttä asteikollisin kysymyksin. Saatujen tulosten keskiarvoja verrataan toisiinsa.
• SPSS:n mukaan p-arvoksi tulee .23. Eli 23 % todennäköisyydellä H1 on väärä, 77 %:n todennäköisyydellä oikea.
• Tämä ei kuitenkaan riitä H1:n hyväksymiseksi! Ns. kriittiset p-arvot:
• p=.05 (tilastollisesti melkein merkitsevä)• p=.01 (tilastollisesti merkitsevä)• p=.001 (tilastollisesti erittäin merkitsevä)• yleensä .01:tä pienemmät arvot ilmoitetaan p<.01
» Huom! SPSS esittää erittäin pienet arvot potensseina: 1.23E-04 (=1.23* 10-4 eli 0.000123)
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06
Haastattelun/surveyn eteneminen
• Anna vastaajalle mahdollisimman realistinen kuva aikataulusta• Kerro mihin tarkoitukseen tulokset tulevat, ihmiset arvostavat jos kokevat
vastauksistaan olevan hyötyä esim. tuotekehittelyssä tai palveluiden parantamisessa.
• Kyselylomakkeen tulee olla HOUKUTTELEVA, ellet tarjoa motivaattoriksipalkkiota tai arvontaa.
• Aloita haastattelu keveämmillä, vastaajalle helpoilla kysymyksillä. Samoin haastattelu on syytä lopettaa johonkin helppoon tai miellyttävään teemaan.
• Jos mahdollista sijoita samaa asteikkoa käyttävät kysymykset peräkkäin/lähekkäin. Samaa teemaa koskevat kysymykset on hyväsijoittaa yhteen (jopa otsikolla).
• Kirjoitettujen vastausohjeiden tulee olla erittäin selkeät ja yksiselitteiset ja lomakkeen siisti ja vakuuttava.
• Tärkeistä aiheista on syytä käyttää kontrollikysymyksiä (ei kuitenkaan liian monta)
16.12.2005 Hannu Soronen Käyttäjäkokemuksen kvantitatiivinen analyysi 2005-06