卡片分類(Card Sorting)

資料分析方式探討

699150012 陳恒毅

2011/01/13

報告大綱

前言

分類認知理論

卡片分類法

卡片分類資料分析 -硬式群集

Fuzzy Clustering

因素分析

結論與方向

前言資訊架構 (Information Architecture)是建構與組織資訊環境以幫助人們有效地滿足其資訊的藝術與科學，而且分析及評估網站資訊架構是相當重要的。(Toub, 2000)

對資訊架構的分析，主要從兩個概念進行調查 : (Barker, 2005)

尋獲度 (Findability)優使性 (Usability)

卡片分類法可以瞭解使用者面對網站架構時的心理模式與潛在需求，進而改善資訊架構 (魏澤群 , 2007)

分類認知理論

人們會根據幾點理由來進行分類 (Anderson, 1991)

特徵重疊 (Feature Overlap)功能相似 (Similar Function)語意標籤 (Linguistic Labling)

Rosch (1978)驗證分類行為的認知使用會基於兩個基本原則：

認知經濟效益 (Cognitive Economy)感知世界結構 (Perceived World Structure)

卡片分類法

Upchurch, Rugg 與 Kitchenham(2001)指出卡片分類法是源自於 Kelly的個人理論建構 (Personal Construct Theory)

一般而言，卡片分類法的實施步驟為：

將內容項目列出請受試者將項目分類

收集實驗結果並分析

卡片分類法 -實施方式

由分類方式來區分 (Maurer & Warfel, 2004)

封閉式卡片分類法

開放式卡片分類法

由施測方法來分 (Martin & Kidwel, 2001)

High-fidelity：利用套裝軟體進行

Low-fidelity：傳統卡片分類法

卡片分類法 -資料分析

人工分析

統計分析

硬式群集 (Hard clustering)

Hierarchical cluster analysis

K-means

糢糊群集 (Fuzzy clustering)

因素分析 (Factor analysis)

硬式群集分析Hierarchical Clustering最常使用在卡片分類法的群集分析技術。(Berkhin, 2007)

Deaton(2002)指出透過樹狀圖的表示，可以揭露項目之間的關聯性與整體的分類結構。

硬式群集分析 K-means

K-means實施步驟(Manning, Raghavan& Schutze, 2009)

決定群組數量 K

依序將項目加入群組，重新計算群組中心，至加入所有項目

是另一個將項目分割至不同群集的方式 (Berkhin, 2007; Xu and Wunsch, 2005)

糢糊群集 (Fuzzy Clustering)糢糊群集允許一個項目被歸入一類以上。 (林俊男等 )

目前在糢糊群集技術的演算法中廣泛運用的是Bezdek (1981) 提出之 Fuzzy C-Means ( 簡稱FCM)。

因素分析 (Factor Analysis)

因素分析是一種被廣為使用的多變項統計法，在心理測驗界使用的機會最多。 (林清山 , 民 81)

在卡片分類法的分析方法中除了群集分析之外， Capra(2005)更提出了不同的分析方式，即因素分析

Capra(2005) 和丁依玲 (2007) 的研究

採用 Jaccard Coefficient 計算兩項目間的相似度

再將相似矩陣輸入統計軟體進行因素分析

結論與方向分類是一件很複雜的、很個人的事情，使用者導向的網站，必需要求取每個使用者最大的共識。

研究目的在設法改善現有的工具，提供資訊架構師在進行網站規劃時更好用的工具。

為了提高尋獲度，嘗試採用糢糊群集以及因素分析，將一個項目歸在兩個以上的分類。

未來方向：穩定階層架構和彈性之間的平衡；以不同的係數、方法進行測試求得更好的結果。

Thanks for Your

Listening !!699150012 陳恆毅