Categorizzazione dei contenuti: card sorting

Vantaggi

Il metodo offre numerosi vantaggi [maurer2004]: è una tecnica facile da realizzare e facile da far comprendere ai partecipanti; gli utenti la considerano un metodo di classificazione naturale; può essere utilizzata con individui di ogni estrazione culturale; i compiti di picture sorting Secondo [ruggmcgeorge1997] il compito di categorizzazione può avvenire anche usando delle immagini (picture sorting) o gli oggetti veri e propri da classificare (object sorting) possono essere usati in età evolutiva e con individui illetterati.

È centrato sugli utenti: Nella progettazione di un sito web se i partecipanti sono rappresentativi degli utenti del sito i risultati dell'analisi tenderanno a riflettere la struttura in cui gli utenti si aspettano che le informazioni siano presentate. È un buon punto di partenza per organizzare la struttura del sistema informativo.

Svantaggi

[maurer2004] osservano che il metodo si focalizza sui contenuti, non sui processi: i partecipanti non compiono realmente il compito, ma si limitano a raggruppare le etichette; a volte non conoscono le etichette, o non intuiscono il contenuto della risorsa descritta dall'etichetta.L'analisi statistica del card sorting somministrato manualmente impiega molto tempo [faikshyland].

Assunti e limiti

Le tecniche di sorting assumono che gli individui organizzano la propria rappresentazione dell'ambiente attraverso dei processi di categorizzazione, e che le categorizzazioni implicite degli individui possono essere individuate. Poiché la seconda assunzione non è scontata [ruggmcgeorge1997] sostengono l'utilità di affiancare a queste tecniche degli strumenti di verifica della bontà dei risultati (ad esempio dei test osservativi) .

Preparazione

• Creare la lista degli item. Per un sito web, la lista dei contenuti principali;

• valutare che le etichette adottate siano comprensibili, attraverso un'analisi preliminare del labelling;

• creare un cartoncino per ogni etichetta; numerare il dorso dei cartoncini;

• creare dei contenitori, ad esempio delle scatole dove il partecipante possa raggruppare i cartoncini; il numero dei contenitori dev'essere pari al numero massimo di categorie che vogliamo che siano create;

• in caso di card sorting chiuso etichettare i contenitori.

Nel caso di picture sorting i cartoncini contengono il disegno o la fotografia degli oggetti; nel caso di object sorting sono gli oggetti stessi ad essere raggruppati dall'utente.

Somministrazione

• Informare il partecipante dello scopo del test e delle modalità di somministrazione;

• evitare di fornire informazioni che possano influenzare le sue scelte;

• informarlo che alcune spiegazioni verranno fornite alla fine del test;

• mescolare i cartoncini e presentarli al partecipante;

• chiedere al partecipante di raggruppare gli elementi in insieme coerenti;

• in alcuni minuti l'utente dovrà posizionare i cartoncini nelle scatole;

• segnare (su foglio cartaceo, foglio elettronico, database …) i raggruppamenti fatti dal partecipante;

• segnare gli eventuali missing: cartoncini che l'utente non ha saputo catalogare;

• nel card sorting aperto chiedere all'utente di fornire un'etichetta per ogni gruppo creato.

Debriefing

Fornire al partecipante le informazioni che non era opportuno dare prima dell'esperimento. Eventualmente offrire la possibilità di informarlo sui risultati del test una volta che si sia conclusa la raccolta dei dati e l'analisi.

Analisi delle singole classificazioni

[coxon1999] indica alcuni indici che è possibile calcolare per ogni partecipante (k):

il numero di categorie create: mk;un indice che misura lo stile di classificazione, definito dalla formula

= ⁢ h k ∑ i m k c i 2

dove ci è la numerosità dell'i-esimo gruppo.Questo indice può essere normalizzato utilizzando la seguente formula:

= ⁢ h k ∑ i m k c i 2 N 2

dove N è il numero di elementi del dominio.

Analisi pairwise (coppie di partecipanti)

Di maggior interesse sono le analisi che mettono a confronto coppie di partecipanti. La edit distance [deibelanderson2005,fossumhaller] consiste nel numero di spostamenti necessari per passare da una partizione all'altra. Un'altra possibilità è quella di calcolare la correlazione fra le due matrici dicotomiche dei partecipanti usando il coefficiente di Jaccard [capra2005]; questa misura è simile alla Pairbonds dissimilarity measure citata da [coxon1999].Attraverso queste misure è possibile creare delle matrici M * M di distanza o di correlazione, dove M è il numero di partecipanti. A partire da questa matrice è possibile raggruppare i partecipanti in base all'affinità delle loro partizioni.

Analisi delle co-occorrenze

Per ogni partecipante è possibile creare una matrice N * N, dove N rappresenta il numero di elementi del dominio classificato. Il valore di ogni cella cij sarà pari a 1 se gli elementi i e j appaiono nello stesso gruppo, 0 se appaiono in gruppi diversi. Questa matrice è definita delle co-occorrenze. Dalla somma delle matrici di co-occorrenza degli M partecipanti si ottiene la matrice di prossimità. Da questa matrice è possibile ottenere una matrice di dissimilarità attraverso la funzione =δij-⁢maxcij dove max è pari al valore più grande della matrice originale.La matrice di prossimità è una matrice quadrata, simmetrica, dove ogni casella i,j rappresenta il numero di volte che l'elemento i e l'elemento j sono stati classificati nello stesso gruppo. Se tutti i partecipanti hanno classificato tutti gli elementi, i valori sulla diagonale saranno pari al numero M di partecipanti. Se, viceversa, vi sono delle omissioni, la casella i,i rappresenta il numero di volte in cui l'elemento è stato classificato.

Analisi multidimensionali

Da un punto di vista matematico è possibile trattare la matrice come un insieme di N osservazioni su N variabili, assumendo che gli elementi classificati costituiscano contemporaneamente le variabili misurate (le N colonne) e le osservazioni fatte (le N righe). In questa prospettiva alla matrice di prossimità possono essere applicate tecniche di analisi multidimensionali quali l'analisi delle componenti principali e l'analisi fattoriale, finalizzate ad esempio a ridurre lo spazio dimensionale, a far emergere delle variabili latenti [bollen2002,borsboom2003] o a visualizzare graficamente la distanza fra gli elementi citepRaychaudhuri2000.

Cluster analysis

La clusterizzazione è una divisione di un insieme in gruppi di oggetti fra loro simili. Ogni gruppo, definito cluster, consiste di oggetti che sono simili fra di loro e dissimili dagli oggetti degli altri gruppi [berkhin]. La cluster analysis è un sistema di classificazione esplorativo senza supervisione [xu2005] che costruisce una partizione, ovvero un insieme di gruppi fra loro disgiunti [ding2004].Vi sono innumerevoli algoritmi di classificazione; i più comuni si distinguono in metodi gerarchici e metodi di partizionamento [berkhin]. La cluster analysis gerarchica è un metodo gerarchico agglomerativo, mentre la k-means è un algoritmo di partizionamento.

K-means

L'algoritmo k-means è il metodo di clusterizzazione più usato in ambito scientifico [berkhin]. K-means è un algoritmo di partizionamento che assegna l'insieme di oggetti in K clusters [xu2005]; ogni cluster è rappresentato da un centroide, e l'algoritmo, attraverso un processo iterativo, muove i centroidi – inizialmente collocati casualmente nello spazio dimensionale – verso le aree dello spazio multidimensionale a maggiore densità, e contemporaneamente assegna ogni osservazione al centroide più vicino – attraverso un'opportuna metrica. Da un punto di vista concettuale il centroide rappresenta il prototipo del cluster all'interno dello spazio dimensionale [ding2004]. La tecnica ha alcuni svantaggi [xu2005]: non è semplice determinare a priori il numero K di centroidi; non è garantito il raggiungimento della soluzione ottimale, in quanto l'algoritmo può rimanere bloccato in un minimo locale; l'algoritmo è sensibile agli outliers; è applicabile soltanto a variabili numeriche.[ding2004] suggeriscono di applicare k-means alle componenti principali della PCA; più precisamente gli autori propongono di calcolare la tecnica di clusterizzazione sulle prime k-1 componenti; da un punto di vista computazionale questa soluzione ha il vantaggio di minimizzare il problema dei minimi locali.Noi abbiamo deciso di applicare questa sequenza alle matrici di prossimità del card sorting. Questo approccio ha numerosi vantaggi:

• permette di applicare ai dati del card sorting non solo l'algoritmo di clusterizzazione gerarchica, ma anche un algoritmo di partizionamento;

• permette di visualizzare i risultati in uno spazio bidimensionale;

• permette di far emergere delle dimensioni semanticamente interpretabili; poiché il clustering si basa su tali dimensioni, è possibile interpretare la classificazione in base a tali variabili latenti [raychaudhuri2000].

Nelle analisi dei dati che presenteremo nei capitoli seguenti abbiamo sistematicamente applicato questo metodo, che ha dato dei risultati molto interessanti sia da un punto di vista statistico che esplicativo.