bts防弹少年团演唱会

bts防弹少年团演唱会

你是非理性的:如何在定性分析中避免认知盲点

《你是非理性的:如何在定性分析中避免认知盲点》

偏见作为定性研究和分析中的一个问题,与定性研究一样古老。

偏见存在于如此多的层面上,以至于无法在这个空间中记录它们。

在定性研究中定义偏差

根据定义,当研究人员无意识地将个人意见添加到科学过程中或者无意中将该意见或期望传达给研究受访者时,就会出现偏见或(使用更多学术术语, %E4%BA%BA%E5%B7%A5%E5%88%B6%E5%93%81“>

当这些观点巧妙地渗透到设计,分析和解释研究的过程中时,也会发生偏见。

定性研究中的偏差实例

为了说明这一点,我们假设我们刚刚针对特定网站开展了一个关注网络用户组。 在一个房间里,主持人坐在双面镜子前面的一个房间里,采访了10-12名受访者。 在镜子后面的另一个房间里,客户坐下来观察。

小组结束后,主持人回到客户室进行汇报,并惊讶地看到正在发挥作用的感知失真水平。

《你是非理性的:如何在定性分析中避免认知盲点》

一名男性客户认为,被告8“将整个小组的总结归于他。 她和该团体的其他成员一起热爱这个网站,我们不应该做任何改变。“

当然,回应者8是一位有吸引力的女性。 现在这样做会产生一些偏见吗? 也许。 该客户表现出称为%E9%80%89%E6%8B%A9%E6%80%A7%E4%BF%9D%E7%95%99%E7%9A%84%E8%AE%A4%E7%9F%A5%E5%81%8F%E5%B7%AE%E3%80%82″>

选择性曝光理论

一名女性客户对被投诉人的反应完全不同。“我们为什么要听她的话? 她有点空头。“

该客户还反映了可能导致共同偏见的性别偏见,这种偏见称为%E9%80%89%E6%8B%A9%E6%80%A7%E6%9A%B4%E9%9C%B2“>

《你是非理性的:如何在定性分析中避免认知盲点》
图像来源

在小组的过程中,她基本上调出了答辩人8,并提出了语义学家Korzybski%E6%9B%BE%E7%BB%8F%E6%8F%8F%E8%BF%B0%E8%BF%87%E7%9A%84%E5%85%B3%E4%BA%8E%E8%A2%AB%E8%AE%BF%E8%80%85%E7%9A%84%E2%80%9C%E4%B8%A5%E6%A0%BC%E7%9A%84%EF%BC%8C%E6%9C%AA%E5%A4%84%E7%90%86%E7%9A%84%E6%A6%82%E6%8B%AC%E2%80%9D%E3%80%82″>

互动偏见

然后是小组受访者自己。 它们彼此接近通常会导致所谓的交互偏差 。 在听取其他几个人的意见后,小组成员可能会对问题做出不同的回应。 在线小组也存在同样的偏见。

我们可以继续关注观察室中的客户,但示例很清楚。 它们导致了一个令人清醒的事实:几乎不可能避免在定性研究过程中注入某种偏见。

偏向甚至可以出现在像Reality” mine>或Nielsen%E8%BF%99%E6%A0%B7%E7%9A%84%E5%85%AC%E5%8F%B8%E7%9A%84%E7%BB%93%E6%9E%9C%E4%B8%AD%EF%BC%8C%E8%BF%99%E4%BA%9B%E5%85%AC%E5%8F%B8%E4%BD%BF%E7%94%A8%E8%AE%B0%E5%BD%95%E5%AE%9E%E9%99%85%E5%AA%92%E4%BD%93%E8%A1%8C%E4%B8%BA%E8%80%8C%E4%B8%8D%E6%98%AF%E6%80%81%E5%BA%A6%E7%9A%84%E7%94%B5%E5%AD%90%E8%AE%BE%E5%A4%87%E3%80%82″>

这是经典的神器,但它经常被忽视。

实验者偏见的迷人故事

然后是实验者偏见的问题。 允许我用一个简短但非常突出的例子来离题。

《你是非理性的:如何在定性分析中避免认知盲点》
图像来源

在19世纪初德国,有一匹名叫Clever Hans的着名马。 他可以通过踩踏他的蹄来加,减,乘等,直到他得到正确的数字。

汉堡的一位科学家最终解决了汉族聪明才智的来源。

他注意到汉斯总是在他的训练师(Herf Pfungst)面前,当他踩出答案时。教授说服Pfungst在问汉斯问题时把纸袋放在他自己的脑袋上。

结果? 汉斯无法正确回答一个问题。

教授推断,汉斯是一种非常敏感的动物。 他可以阅读某种非语言线索(称为%E5%BE%AE%E5%B0%8F%E7%9A%84%E9%9D%A2%E9%83%A8%E8%A1%A8%E6%83%85“>

这一事件后来导致了哈佛大学心理学家%E7%BD%97%E4%BC%AF%E7%89%B9%E7%BD%97%E6%A3%AE%E5%A1%94%E5%B0%94%E5%9C%A8“>

皮格马利翁在教室里

一组教师被告知他们的一年级课程的IQ分数不正确。 六年后,那些老师被告知他们智商高的普通学生实际上在下一次考试中得分显着提高。

这种关于元沟通的经典研究表明,由于教师对这些学生有更高的期望,这种期望是非语言地传达的,直到%E8%87%AA%E6%88%91%E5%AE%9E%E7%8E%B0%E9%A2%84%E8%A8%80%E7%9A%84%E9%94%99%E8%AF%AF%E5%8F%91%E7%94%9F%E3%80%82″>

《你是非理性的:如何在定性分析中避免认知盲点》
图像来源

这种实验者偏见几乎可以存在于任何类型的小组研究环境中,甚至是在线研究环境。

研究环境中的平均受访者确实试图向实验者提供他们认为需要的东西。 因此,在长时间的访谈中,观察到受访者实际学习测试进展的现象。 如果可能的话,请始终注意这一点并随机化问题顺序。

当测试时间太长时,我们会注意到%E9%9B%86%E4%B8%AD%E8%B6%8B%E5%8A%BF%E7%9A%84%E5%81%8F%E5%B7%AE%E3%80%82″>

如何避免盲点

1.认识到偏见可以在几乎任何层面上进入研究和分析过程。

运动研究学科。 但这种纪律是如何实现的呢?

首先,确定目标结构。 确切地说,您希望研究完成什么? 你在确定现实目标时越明确,就越不可能让你的偏见[或更糟,你的客户的偏见]悄悄进入。

另一个关键步骤是尽可能%E9%A2%84%E5%85%88%E6%B5%8B%E8%AF%95%E6%82%A8%E7%9A%84%E7%A0%94%E7%A9%B6%E4%BB%AA%E5%99%A8“>

在行动中进行预测试:一个例子

我们与一家大型科技公司合作,在其他科技公司的基础设施主管的调查中使用了这种技术。 我们的客户试图描绘他们的“愿景”,表明他们的典型客户对他们的销售包的看法。

在我们采访了20位典型客户之后,很明显客户的“愿景”与客户的愿景不符。 因此,在使用客户决定的一个外观之后,我们能够在最终决定之前测试几种不同的外观,在在线调查中使用更大的样本后,实际的“客户面”应该是什么。

这个简单的过程最终使客户免于可能是灾难性的营销活动。 再一次,偏见已经渗透到我们客户的创作过程中。

这是企业研究中一个常见的偏见问题。

公司往往对其目标受众有错误或误导的意识,最重要的是,这些受众所拥有或不具备的产品知识。 随后,缺乏适当的研究,这些看法可能导致灾难性的营销和广告后果

2.争取客观性。 请注意您自己的个人和公司偏见。

这在问卷设计和结果解释中至关重要。

我们的市政客户的高管们确信,他们认为城市住房的可负担性并不是财富1000强企业首席执行官考虑搬迁到该城市的主要问题。

事实上,没有实质性数据支持这一信念并没有阻止我们的客户。 他们坚持将住房的可承受性作为其搬迁信息包的主要部分。 这是我们称之为公民偏见的典型例子。

《你是非理性的:如何在定性分析中避免认知盲点》

直到我们实际采访了几百家大公司的首席执行官,我们的客户才开始看到这种偏见。 这个问题与其他几个关于员工宜居性的“属性”问题有关。

住房的可负担性不仅成为受访者中的一个问题,而且是主要问题。

因此,重新安置营销工具包进行了重组,更多地强调了城市的地理位置。 我们的客户陷入了我们之前讨论的偏见:选择性感知。

正如社会学家莱昂·费斯廷格(Leon Festinger)曾写道的那样:“人们经历认知失调的现象并不少见于改变对实际现实的看法,以此来减少这种不和谐。”

这是理解偏见起源的基本原则。 在公司层面进行研究和测试的类比是显而易见的。

当遇到%E4%B8%8D%E5%92%8C%E8%B0%90%E6%97%B6“>

这就是为什么客观性,有时是痛苦的,在定性研究中如此重要。

3.认识到A / B测试的结果并不总是像它们看起来那样客观。

偏差会蔓延到设计和布局问题中,可能会改变表面上出现的无可辩驳的交通结果。 查看这些结果时,请务必保持开放的态度。

请记住,正在测试的网站或登录页面包含有兴趣的一方或多方故意操纵的内容和图形图像。 这个内容可以受到%E8%AE%AE%E7%A8%8B%E5%81%8F%E8%A7%81%E7%9A%84%E5%BE%AE%E5%A6%99%E5%BD%B1%E5%93%8D%E3%80%82″>

《你是非理性的:如何在定性分析中避免认知盲点》
图像来源

设计师可能会下意识地认为某个网页设计和布局更有利于增加转换次数。 这种偏见可能会进入B设计,产生支持他的论点的结果。 但他们真的吗?

为防止这种情况发生,应使用重复测量或%E8%81%94%E5%90%88%E5%88%86%E6%9E%90%E8%AE%BE%E8%AE%A1“>

完成此操作后,您可以确定地查看A / B测试中出现的流量模式以及影响这些结果的显着设计和内容属性。

即使有人说,有很多公司的网站在A / B测试后观察结果时会产生选择性的感知偏差。

很多(如果有的话)高管之间的任何程度的一致认为,因为每个人在某种程度上都有自己的主观议程。 这就是第2点讨论的客观性变得如此重要的地方。 进行研究的人有责任明确地提出结果,以便最终最终用户之间几乎没有选择性偏差的自由度。

4.所有统计分析都有一定程度的错误是有原因的。

这是因为我们正在处理随机选择的人口子样本而不是整个人口。 另一种选择是人口普查,实际上是不可能进行的。 在查看数据时始终牢记这一点。

《你是非理性的:如何在定性分析中避免认知盲点》

其他关键的统计问题也与数据本身的质量有关。

为了有效地分析定性数据,必须对各个结果进行编码,然后将其分组为共同响应的集群。 例如,假设您正在查看三个或四个单独的答案,这些答案在面值上似乎具有一定程度的共性:

  • “我喜欢这个标志。”
  • “徽标很酷。”
  • “徽标成了网站。”
  • “徽标脱颖而出。”

将这些常见答案分配为累积描述(例如“正面徽标注释”)并不是不可接受的。

这本身就是一项艰巨的任务,也可能很容易注入偏差,但它允许将数据分组为可测量特征的集群。 然后为每个簇分配一个区间质量代码编号,以便可以使用参数统计分析假设足够大的样本大小的数据。

这允许进行诸如%E6%96%B9%E5%B7%AE%E5%88%86%E6%9E%90“>

另一个关键点是,如上所述,上述每个统计数据对于充足的样本量都非常苛刻。

在太小的样本上使用这些可能导致称为%E5%BC%B9%E8%B7%B3%E6%B5%8B%E8%AF%95%E7%9A%84%E7%8E%B0%E8%B1%A1%EF%BC%8C%E5%85%B6%E4%B8%AD%E5%8F%AF%E8%83%BD%E5%AD%98%E5%9C%A8%E9%AB%98%E5%BA%A6%E7%9A%84%E6%96%B9%E5%B7%AE%E3%80%82%E8%BF%99%E5%B0%B1%E6%98%AF%E4%B8%BA%E4%BB%80%E4%B9%88%E4%BA%BA%E4%BB%AC%E7%BB%8F%E5%B8%B8%E7%9C%8B%E5%88%B0%E9%9D%9E%E5%8F%82%E6%95%B0%E7%BB%9F%E8%AE%A1%E9%87%8F%EF%BC%8C%E4%BE%8B%E5%A6%82%E7%94%A8%E4%BA%8E%E5%88%86%E6%9E%90%E5%8F%82%E6%95%B0%E6%95%B0%E6%8D%AE%E7%9A%84%E5%8D%A1%E6%96%B9%E3%80%82″ b>

(编者注:如果你想了解你的A / B测试统计数据 – 只是你绝对需要知道的东西 – %E8%AF%B7%E6%9F%A5%E7%9C%8B%E8%BF%99%E7%AF%87%E6%96%87%E7%AB%A0“>

结论

避免盲点最关键的部分是认识到即使是我们中最客观的人也有一个。 最重要的是,你想要避免违背偏见的舒适区域的诱惑。 这是进行有效定性研究的第一步。

相关文章

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注