Ihminen ja tekniikka seminaari Käyttäjäkokemuksen kvantitatiivinen analyysi

Transkriptio

1 Ihminen ja tekniikka seminaari Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 5

2 Seuraava etappi Datan keruu alkanut välinäyttönä palautetaan aineisto SPSS-tiedostona palaute tiedostosta

3 Viimeksi jäi faktorianalyysi vaivaamaan jos pudotetaan ei-kelpo muuttuja pois ja tehdään uusi faktorianalyysi, kuinka käy?

4 Rotated Factor Matrix a Rotated Factor Matrix a x390: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on tiedonhaku? x390_b: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkkolehtien lukeminen? x390_e: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on musiikin kuuntelu? x390_f: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkkopelaaminen? x390_g: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on tiedostojen imuroiminen? x390_h: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on sähköposti? x390_i: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on Web-surffailu? x390_j: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on keskustelu- ja uutisryhmät? x390_k: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkko-ostaminen? x390_l: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on laskujen maksaminen? x390_m: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on muiden raha-asioiden hoito? x390_n: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on treffipalvelut? x390_o: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on omien www-sivujen teko? x390_p: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on chat- ja irc-palvelut? x390_c: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on portaaleilla? x390_d: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on etäopiskelu? Extraction Method: Principal Axis Factoring. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 10 iterations. Factor ,094,517,053,071,25,162,323,279,149,13,688 -,114,362 -,136,0,562,032,332 -,071,0,618,276,076,051,08,044,551 -,021,199,17,375,441,265,042 -,2,191,383,525 -,026 -,1,391,237,014,208,12 -,039,250,008,495,03,040,026,035,847,10,085,013,473,118,19,282,232,247,067,31,335 -,007,550 -,105,09,306,249,109,070,27 -,001,175,113,081,60 EI selkeyttänyt tulkintaa tällä kertaa! Factor x390: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on tiedonhaku? x390_d: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on etäopiskelu? x390_e: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on musiikin kuuntelu? x390_f: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkkopelaaminen? x390_g: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on tiedostojen imuroiminen? x390_h: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on sähköposti? x390_i: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on Web-surffailu? x390_j: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on keskustelu- ja uutisryhmät? x390_k: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkko-ostaminen? x390_l: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on laskujen maksaminen? x390_m: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on muiden raha-asioiden hoito? x390_n: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on treffipalvelut? x390_o: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on omien www-sivujen teko? x390_p: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on chat- ja irc-palvelut? Extraction Method: Maximum Likelihood. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 7 iterations.

5 Analyysimenetelmät ja muuttujien mitta-asteikko (vielä kertausta)

6 Luento 5 Kerätyn aineiston laadun arviointi - normaalijakaumatesti Kerätyn aineiston muokkaaminen (transformaatio) uudelleenluokittelu summamuuttujat, uudet muuttujat Menetelmien käyttö SPSS-ohjelmassa Vastauksia kysymyksiin/ongelmiin

7 Laadun arviointi ajetaan kaikista muuttujista jakaumat - minimi, maksimi, graafinen jakauma, keskiarvo, hajonta - Analyze Descriptive statistics Descriptives - miten EOS on tallennettu? (kalvo 21) kammataan läpi ja etsitään selviä mahdottomia arvoja tai todellisia mutta liian poikkeavia arvoja kun tällainen löytyy, se paikannetaan Data viewtilassa hakutoiminnolla

8 Aktivoi ensin se muuttuja jota tarkastat Haku-kuvake (kiikari) Kirjoita Find what kenttään löytämäsi mahdoton lukuarvo ja klikkaa Find next Näin löydät sen vastaajan jonka kohdalla ongelmallinen arvo on. Sinulla on muutama ratkaisuvaihtoehto: 1) selvität mikä on alkuperäinen oikea arvo (tarkista paperilomake) 2) poistat kyseisen arvon kokonaan koska et voi tietää mikä on oikea vastaus 3) korvaat arvon kyseisen muuttujan keskiarvolla (imputointi)

9 Jakauman normaalisuus Jos on epäselvyyttä jakauman normaalisuusehdon toteutumisesta, voi/pitää suorittaa testin: 1-sample Kolmogorov-Smirnov Two-Independent-Samples tests Analyze Nonparametric test 1-sample K-S / 2 independent samples

10 Esim. K-S-testistä Ikäjakaumat sukupuolen mukaan Tässä p-arvon pitää YLITTÄÄ.05 jotta 0-hypoteesi toteutuu (ei eroja) On siis huono, jos arvo jää alle.05. Johtopäätös on, että jakaumat eivät sovellu testeihin sellaisinaan. Niitä pitää muuntaa matemaattisen kaavan mukaan (muuttujamuunnoksista seuraavaksi).

11 Uudelleenluokittelu Miksi? - Tehdään vain perustellusti sillä samalla menetetään informaatiota. Halutaan tiivistää ja hävittää turhaa tietoa (liikaa yksityiskohtia) Jatkuva muuttuja luokitellaan graafista esitystä varten luokkia yhdistellään ristiintaulukointia varten (liian pienet frekvenssit) ei kuitenkaan liikaa! - joitakin luokkia ei voi yhdistää (esim. eronneet ja lesket )

12 Esimerkki: ikäjakauma Alkuperäinen jakauma aivan liian pikkutarkka, vaikea hahmottaa ja hankala raportoida sanallisesti tekstissä.

13 esimerkki jatkuu: uusitaan luokittelua muoto siistiytyy jo Jakauma normalisoituu ja on helposti ilmaistavissa sanallisesti ja nopeasti miellettävissä

14 Sama SPSS:ssä Transform - Recode - Into different variables Keskikenttään valitaan muutettava vanha muuttuja. Annetaan uudelle luokitellulle muuttujalle nimi ja kuvaus Klikataan Old and new values Vasemmalta valitaan vanhat arvot ja oikealle annetaan niitä vastaavat uudet arvot ja klikataan Add, jotta uudelleen luokittelu astuu voimaan. Taulukosta näet miten vanhoista tulee uusia. Klikataan Continue ja sen jälkeen päävalikossa vielä OK. Nyt kone muodosti uuden muuttujan matriisin viimeiseksi (oikea reuna)

15 uuden muuttujan arvojen nimeäminen Uuden muuttujan arvot kannattaa heti määritellä, jotta ne ovat ymmärrettävät esim. pylväsdiagrammeissa Tämä tehdään Variable View tilassa Huom! Voi käyttää myös: Transform Visual Bander

16 Matemaattinen muuttujamuunnos Summamuuttuja Halutaan kääntää muuttujien arvot samansuuntaisiksi (yleensä summamuuttujia varten) Ei-normaali jakauma halutaan normaaliksi Kysytty syntymävuosi, halutaan ikä Painoindeksi Ennen-jälkeen-arvo ryhmien välistä vertailua varten

17 Summamuuttuja Transform - Compute Target: annetaan summamuuttujalle nimi (ole systemaattinen) Numeric expression: Syötetään näppäimistöltä tai valikosta kaava ja halutut muuttujat. Tässä tehdään summamuuttuja Vastaajien kiinnostuksesta pelata rahapelejä eri päätelaitteiden kautta (3 eriä, kaikki asteikolla 1-4) Huom! Summamuuttujan sijaan saattaisi olla fiksua käyttää keskiarvoa näistä kolmesta muuttujasta. Tällöin asteikko pysyisi 1-4 välillä kun se summamuuttujassa on 3-12 Keskiarvo otetaan Function groupista: statistical ja alemmasta kentästä Mean. Sulkujen väliin halutut muuttujat pilkulla erotettuina

18 Milloin summamuuttuja? Muuttujien tulee ehdottomasti mitata samaa asiaa, muuten ei ole tulkinnallisesti tai teoreettisesti mielekäs - niiden välillä on korrelaatio - faktorianalyysin tuloksena voi rakentaa summamuuttujan

19 Muuttujien kääntäminen samansuuntaisiksi Halutaan kun on kysytty samaa asiaa käänteisin kysymyksin - esim. Kännykän käyttäminen on minusta helppoa ja Minun on vaikea oppia käyttämään kännykkää - Jos näihin vastaa asteikolla 4 = olen täysin samaa mieltä niitä ei ole mieltä laskea yhteen koska lukuarvo 8 ei kerro meille mitään. - Ratkaisu: käännetään jommat kummat toiseen suuntaan, esim. negatiiviset mielipiteet samansuuntaisiksi positiivisten kanssa Uusi arvo = 5 vanha arvo (jos asteikko oli 1-4) Tällöin 4 -> 1 3 -> 2 2 -> 3 1 -> 4 Tehdään SPSS:ssä samalla tavoin Transform Compute kuten edellä summamuuttujan kanssa

20 Ei-normaali jakauma normaaliksi tehdään matemaattinen muunnos, uusi muuttuja ln(x) 1 x X jokin näistä Jos mikään ei toimi, ei voida jatkaa parametrisella testillä -> pitää siirtyä nonparametriisiin testeihin (ei käydä tarkemmin tällä kurssilla) Transform Compute Ln = luonnollinen logaritmi, Sqrt=neliöjuuri

21 Uusi muuttuja = kaava(vanha muuttuja) Vuodesta ikä Transform-Compute Ikä = vuosi nyt syntymävuosi Painoindeksi Indeksi = paino (kg) / (pituus * pituus) (m)

22 Ennen-jälkeen-arvo vertailua varten Esim. internet-koulutuksen vaikutus sukupuolten kokemaan käytön miellyttävyyteen - Mitataan koettu miellyttävyys ennen koulutusta ja sen jälkeen (2 muuttujaa) - Tehdään uusi muuttuja: Kurssin tulos = koettu miellyttävyys kurssin jälkeen koettu miellyttävyys ennen kurssia (oletus: näin saadaan plusmerkkisiä arvoja) - Suoritetaan t-testi uudelle muuttujalle sukupuolen suhteen

23 Huomioita suunnitelmistanne! monivaihtoehtoiset muuttujat Jos vastaaja saa rastittaa monta vastausta samaan kysymykseen - esim. valitse kolme sinulle tärkeää ominaisuutta - tällöin vastauksia ei voi käsitellä numeroarvoina eikä tehdä laskutoimituksia! - jokaista vastausta tulee käsitellä omana muuttujanaan

24 EOS:n huomioiminen jos EOS:lle annettu tallennettaessa jokin asteikon ulkopuolinen erillinen numeraalinen arvo, pitää tarkistaa ettei sitä lasketa esim. keskiarvoihin! (luku 9 vaikuttaa erittäin haitallisesti jos asteikko on muuten 1-4) Variable view: asetetaan Missing valueskohtaan haluttu EOS arvo puuttuvaksi ( discrete missing values )

25 Kysymyksiä? Ongelmia? voidaan käydä uudestaan läpi haluamianne vaiheita/menetelmiä Huom! Kun alatte analysoida omaa aineistoanne, annan tarvittaessa ohjausta