immagine di copertina

Ho scoperto il card sorting nei primi anni 2000. Mi stavo interessando a quello che sarebbe diventato il tema della mia tesi di dottorato: gli aspetti teorici (cognitivi) metodologici e pratici (l'architettura dell'informazione) della categorizzazione.
Nello studiare la letteratura dei due ambiti (scienze cognitive e architettura dell'informazione) mi accorsi, con una certa sorpresa, che venivano usati strumenti di elicitazione della conoscenza diversi. Il card sorting era raramente utilizzato in ambito cognitivo, dove si usavano principalmente decisioni semantiche, valutazioni di tipicità o distanza semantica (su scala likert) o free listing di elementi o di attributi.
In ambito IA il free listing fu introdotto (a quanto ne so) da Rashmi Sinha con l'articolo Beyond cardsorting: Free-listing methods to explore user categorizations.

In quegli anni sviluppai Netsorting, una web application per somministrare free listing, valutazione di importanza e card sorting online. Grazie a Netsorting feci una serie di esperimenti da cui emerse, fra l'altro che:

Fu il secondo punto che mi indusse ad introdurre l'idea della valutazione di importanza, finalizzata a selezionare le 40, 45 voci da inserire nel card sorting in base alle priorità espresse dagli utenti.

Uno dei vantaggi dell'uso di Netsorting è che potevo raccogliere centinaia di partecipanti, e i dati erano già in formato digitale. Era dunque possibile - smanettando un po' - creare delle matrici di prossimità su cui fare analisi statistiche più complesse: cluster anaysis gerarchiche, analisi delle componenti principali, k-means. Per alcune di queste analisi si veda Card sorting, category validity, and contextual navigation

Documenti vs oggetti

A quei tempi (ah come mi sento vecchio) la progettazione di un dominio digitale corrispondeva, grossomodo, alla pubblicazione online di documenti. E poiché tutto era un documento, l'unico modo per organizzare il dominio era creare una tassonomia. Possibilmente coinvolgendo gli utenti, con il card sorting.

Nel tempo è apparso sempre più evidente (ve ne siete accorti, vero?) che un dominio non è fatto tanto di documenti, quando di rappresentazioni di oggetti, contesti, eventi, attività, agenti, persone: Netflix è fatto di oggetti "film", "serie", "episodi", e di agenti "attori"; il tuo internet banking è fatto (o dovrebbe) di "conti correnti", "carte" e "bonifici" (sto semplificando).

A quel punto diventa chiaro che, prima di fare la tassonomia, è necessario fare un inventario delle tipologie di oggetti luoghi eventi attività persone (lettere testamento). E, per ognuna, identificare gli attributi più importanti in un determinato contesto. Ovvero quella che gli psicologi chiamano concettualizzazione e gli ingegneri della conoscenza (e gli infoarc) chiamano ontologia. Il card sorting, e le tassonomie, verranno fatte su ognuna delle tipologie (ovvero i generi) della ontologia.

Dunque identificare il genere di un oggetto ne permette una prima classificazione.

Attributi e trovabilità

Quando si pensava esclusivamente in termini di documenti ci si soffermava sui metadati, che però risultavano poco utili per la trovabilità di un elemento.

Ma se ragioniamo in termini di ontologie, ogni genere ha i suoi attributi, che possono essere usati nella navigazione a faccette, in cui all'utente viene data la possibilità di filtrare gli oggetti in base agli attributi: voglio una macchina fotografica reflex digitale con una risoluzione di almeno 12 megapixel e con stabilizzatore dell'immagine. In questo modo viene facilitata non solo la findability ma anche la choosability.

Relazioni tematiche

Dalle scienze cognitive sappiamo che non esistono solo le relazioni tassonomiche, ma anche quelle tematiche, in cui oggetti tassonomicamente diversi sono associati da un contesto, da una attività, da un rapporto di complementarietà: il bicchiere e il vino, zoom e la webcam, il trolley e il biglietto aereo. O, come ci insegna Amazon, "spesso comprati assieme".

Gli strumenti

Per far emergere i concetti e le relazioni tematiche, il card sorting non serve. Sono necessari strumenti quali le analisi tematiche, magari nella versione della mia grammatica della user experience o la progettazione funzionale di Federico Badaloni, o l'Object Oriented UX di Sophia Prater. Per far emergere gli attributi, sono utili strumenti come il confronto triadico o il confronto a coppie.

Free listing, valutazione di importanza, card sorting, analisi tematica (la grammatica della UX), confronto triadico sono solo alcuni dei metodi di ricerca qualitativa che possono - e dovrebbero - essere utilizzati nella UX research.

Perché usare metodi di elicitazione fra loro diversi?

La ragione principale si basa sull'ipotesi di accesso differenziale [ Cooke (1999)]: differenti metodi di elicitazione possono far emergere tipologie di conoscenza diverse.

Il corso "Metodi di ricerca qualitativa" intende coprire gli strumenti più importanti per far emergere i bisogni e la conoscenza delle persone, e rappresentarli attraverso i personaggi, gli scenari, i journey e la concettualizzazione.

Testi citati

N.J. Cooke (1999). Knowledge elicitation;

Puoi annullare la tua sottoscrizione in qualsiasi momento attraverso il link in fondo alle mail.

Questa mailing list utilizza Mailchimp. Pertanto, iscrivendoti alla mailing list le tue informazioni saranno gestite da Mailchimp.Le regole di privacy di Mailchimp

Cookies

Questo sito utilizza cookies tecnici e di terze parti quali google analytics per funzionalità tecniche e statistiche.

Se non acconsenti all'utilizzo dei cookie di terze parti, alcune di queste funzionalità potrebbero essere non disponibili.