製品に関するユーザーの信念を理解し分析するための基本的なアプローチと高度なアプローチ
あなたが交差点に立って道を渡ろうとしているとき、歩行信号の呼び出しボタンを何回押しますか？何度も押しますか、それとも1回で十分ですか？
あなたが問題の真相を知る立場にない限り、例えば、信号呼びかけの設計と実装を手伝ったのでない限り、あなたの答えは、それがどのように機能するかについてのあなたの信念に依存します。
マルチプレッサーは、プレスが蓄積され、より強い需要量を示すという前提で作動します。従って、シグナルが変化する可能性が高くなり、あるいは変化が早まる可能性も高くなります。シングル・プレッサーは、システムが信号を変更する要求を持っているか持っていないかのどちらかであり、同じ交通サイクルの間にもう1回押しても何のメリットもないと考えています。
歩行信号は、私たちが毎日使っている多くのシステムと同様に、それがどのように機能するのか、満足のいくレベルまで詳細には説明されていません。情報がない場合、こうした新たな信念はメンタル・モデルと呼ばれます。
メンタルモデルとは何か、そしてユーザーリサーチでメンタルモデルを測定する方法について詳しく見ていきましょう。
メンタルモデルとは何か？
スーパーファミコンやジェネシスのようなゲーム機でビデオゲームをプレイしていた90年代の子供として、よく遭遇した問題は、電源を入れたときに画面がグリッチすることでした。多くの人はカートリッジを取り出し、接点に息を吹きかけてホコリを取り除いたものです。残念なことに、これは湿気を加え、かえって害になることが後でわかりました。結局のところ、接点を再調整するために必要なのは、カートリッジを抜き差しするだけでした。
この逸話は、メンタル・モデルの2つの重要な性質を浮き彫りにしています。
第一に、メンタル・モデルとは、何かがどのように機能するかについての「信念」であり、必ずしも事実に基づいていたり、完全であったりするとは限りません。特に、ユーザーがバックエンドプロセスを完全に理解する必要がない複雑なB2Bの環境では、正確さは必ずしも必要ではありません。重要なのは、たとえそれが現実と類似しているか、情報的に同等であるに過ぎないとしても、メンタルモデルがユーザーの目標達成を支援するのに十分正確であることです。
第二に、メンタルモデルはシステムのフィードバックをどのように解釈するかを変え、意思決定やその後の行動に影響を与えます。そのため、システムを理解し、ユーザーのメンタルモデルに合わせることは、ユーザーエクスペリエンスに大きな影響を与えます。
2人のユーザーが同じモデルを持っているわけではありませんが、ユーザーベース内で観察される類似性やテーマがしばしばあります。ウォークシグナルの例に戻ると、ユーザーを大まかにシングル・プッシャーとマルチ・プッシャーに分類することができます。とはいえ、ユーザーベースの共通モデルや代表的モデルを特定することは、デザインの変更に役立ちます。
また、メンタルモデルは適応性があり、経験に基づいて変化します。Roger Schvaneveldtが率いた影響力のあるヒューマンファクター研究では、戦闘機パイロットを調査した結果、初心者と熟練者の間で明確なメンタルモデルの構造が明らかになりました。初心者はより多様なモデルを持ち、熟練者はより類似したモデルを保持していました。
このような柔軟性は、トレーニングや直感的なシステム設計によって、ユーザーのメンタルモデルが時間の経過とともに洗練され、より正確なものになるという長所をもたらします。例えば、Nestサーモスタットの市場での成功は、従来の競合とは異なり、そのインターフェースがユーザーのメンタルモデルと密接に整合していることに一因がある。これは、システム設計においてメンタルモデルを考慮することの潜在的な影響を強調しています。
測定と分析のためのアプローチ
ユーザーのメンタルモデルを評価する方法は多岐にわたり、それぞれに利点があります。
＠think-aloudプロトコルは、システムと対話するユーザーの思考プロセスを垣間見ることができます。参加者の発話は、彼らの期待値とシステムの結果のミスマッチを明らかにし、彼らの根底にあるメンタルモデルに光を当てることができます。Jakob Nielsen氏によって支持されたこのアプローチでは、ユーザビリティ・テスト中に、モデレーターが定期的にユーザーの考えや期待について発言するように促します。複数の参加者のセッションを通じ、ユーザーのメンタルモデルに繰り返し現れるテーマが明らかになることがよくあります。
Nikki Anderson-Stanier氏によって推進されているもう1つの方法は、回顧的インタビューです。ここでは、ユーザーは過去の経験を思い出し、彼らの思考プロセス、痛みのポイント、期待、および目標を記述するように求められます。この方法は、刺激が入手できないシナリオや、ユーザビリティ・テストで再現することが困難なマルチチャネル体験に特に役立ちます。
参加者に一連の「what-if」質問を投げかけることもできます。Stephen PayneのATMに関する研究では、このアプローチを使用して、さまざまな入力に基づいて結果を予測するよう参加者に求めました。これらの質問を通して、彼は、参加者がデビットカードに保存されている情報についての信念に大きな違いがあることを発見しました。
関連性評価のための一対比較は、すべての可能なインプット とアウトプットを文書化し、参加者にそれぞれのペアの親密度をス ケールで評価させることを含みます。例えば、Photoshopのメンタルモデルを測定する場合、「レイヤー」、「ぼかし」、「にじみ」などの概念を含めるかもしれません。概念のリストが増えるにつれ、参加者を疲労させる危険性があります。5つの項目であれば、10個の比較で済みますが、15個の項目になると105個になります！最終的なアウトプットは、各ペアの相対的な強さを示すマトリックスです。
カード・ソートは、類似性に基づいて項目をグループ化することで、異なる視点を提供し、明確なカテゴリーが予想されるシナリオに適しています。多くの要素を持つ複雑なシステムの場合、これは参加者により管理しやすいタスクを与えることで、データ収集を単純化します。
パスファインダー・ネットワークは分析と視覚化に役立ちます。このアプローチは、数学的に関連性の弱いアイデアを除外し、本質的なものを強調します。結果として得られる図は、異なるユーザーグループのメンタルモデルを比較することを容易にします。このアプローチでは、経時的な変化を理解したい場合、類似性と信頼性の統計も提供します。しかし、分析ツールは自由に利用可能ですが、サポートは終了しており、研究者にとって潜在的な課題となっていることに注意してください。
どの測定アプローチがベストか？
ユーザーのメンタルモデルをどの程度正確かつ完全に理解する必要があるかは、研究の目的によって異なります。すぐに設計を変更することを目的とした迅速なユーザビリティ調査では、シンクアラウドやレトロスペクティブ・インタビューのような軽いタッチの手法で十分な場合があります。
一方、より高度なアプローチは、入力と出力が多い複雑なアプリケーションや、モデルが不正確であるリスクが高い場合に適しています。シンクアラウドやレトロスペクティブインタビューとは異なり、よりフォーマルな手法では、ある程度高度な計画と設定が必要です。例えば、別のリサーチクエスチョンのためにシンクアラウドを実施しているときに、メンタルモデルに関する偶発的な洞察を発見するかもしれません。
経時的な変化を測定する場合、パスファインダー・ネットワーク分析のような高度な方法を使えば、異なるポイント間の統計的比較ができます。しかし、このツールを使うにはある程度の技術的スキルが必要です。
また、望まれるアウトプットについても考慮しましょう。think-aloudは、レポートデッキのスライドを埋めるのに十分なユーザーのメンタルモデルの側面を明らかにするかもしれませんが、インプットとアウトプットを文書化する、より徹底的な方法は、より消化しやすいフローチャートや他の図として視覚化することができます。
think-aloudからより高度な方法へのこの進行を考える1つの方法は、それらがメンタルモデルのますます完全な評価を反映しているということです。think-aloudは特定の側面を捉えるかもしれませんが、高度な方法はより包括的なビューのために、より多くのインプットとアウトプットを考慮に入れます。
要点
メンタルモデルとは、相互作用や解釈に影響を与える、事実よりもむしろ信念に基づいた、システムがどのように機能するかについてのユーザーの理論です。
評価方法は、音読や回顧的インタビューのような基本的なものから、関連性評価、カードの並べ替え、パスファインダー・ネットワークのような高度なものまで様々です。基本的な手法では迅速な洞察が得られますが、高度な手法ではより長期的で戦略的な取り組みのための詳細な評価が得られます。どの手法を選択するかは、調査目標、精度の必要性、フローチャートや視覚化などのアウトプットを念頭に置いているかどうかによって決まります。
メンタルモデルを理解することは、ユーザーフレンドリーなエクスペリエンスを設計し、デザインをユーザーの期待に沿わせ、システムのユーザビリティを向上させるために非常に重要です。
別の考え：クラブツリーのブラッジョンでユーザーリサーチを守る
データサイエンスやマーケットリサーチのような他のインサイトを生み出す機能と比較して、ユーザーリサーチのユニークな価値を説明するとき、私たちはしばしば私たちの混合手法アプローチを強調します。三角測量のような高尚なリサーチコンセプトを説明したり、測位衛星に関する拡張メタファーを使ったりすることに気づくかもしれません。
意味のあるパターンを明らかにするという私たちの価値の交差点には、人間の本性の基本的な側面、つまり混沌の中に秩序を求める傾向があります。例えば、「パレイドリア」という現象、つまり雲やコンセントのような無生物の中に顔が見えるという強い感覚を考えてみてください。ランダムなノイズの中でも、私たちは根底にある意味を感じ取りやすいのです。
公平に見て、顔認識は私たちの神経回路に組み込まれています。しかし、無意味なデータや議論の背後にある論理を見出すことは、ほとんど同じです。この原則はCrabtree's Bludgeonに明示されており、人間の知性は一見一貫性のない観察結果に対しても首尾一貫した説明を思いつくことができると主張しています。これは、私たちが自分自身を欺く能力を持っていることを思い出させるものであり、適切な調査によってそれを軽減することができます。
ですから、今度私たちがUXリサーチャーとして行っている仕事を擁護するときは、雲の中の顔とクラブツリーのブラッジョンを呼び出すことを考えてみてください。
何もないところからパターンを見つけようとする私たちの傾向を認めることで、真の洞察を明らかにするための厳密で多方面にわたるリサーチの必要性が強調されるのです。
*この記事はThe ¼″ Holeに掲載されたものです。
