了解产品可用性的最显而易见的方法就是询问用户，让用户告诉你他们使用产品时的体验。但是如何询问才能得到有效的数据，这却不是那么明确。你的问题可以有多种形式，包括：各种各样的评定量表、参加者可以从中选择的选项列表以及开放式的问题（如“请列出你对本设备最满意的三个方面”）。你可能问到的一些可用性属性包括：总体满意度、易用性、导航的有效性、对某些特征的知晓度、术语的易懂性、视觉上的吸引力以及其他许多方面。但是所有这些的共同特征是你询问参加者以获得信息，这就是我们为什么认为自我报告式的度（self-reported metrics）最适合在这种情况下使用的一个术语。
描述这类数据时还会用到的两个术语是主观数据（subjective data）和偏好数据（preference data）。
自我报告数据的重要性
自我报告式的数据可以给你提供有关用户感知系统及与系统交互方面的重要信息。在情感层面上，这些数据甚至可以告诉你用户是如何摸索该系统的。
收集自我报告数据
两种经典的评定量表是Likert量表（Likert scale）和语义差异量表（semantic differential scale）。
1. Likert量表
在Likert量表中，一个典型的情况是有一个陈述句，受访者要给出自己同意该语句的程度或水平。陈述句可以是正性的（如“本界面所用术语清晰易懂”）或者是负性的（如“我发现导航选项令人困惑”）。通常会使用如下所示的5点同意量表：
1.强烈反对
2.反对
3.既不同意也不反对
4.同意
5.非常同意
Likert量表有两个主要特征：（1）它表达了对一个陈述句的同意程度；（2）它使用奇数个选项，因此会有一个中间反应。
2. 语义差异量表
语义差异技术是在一系列评定条目的两端中呈现一对相反或相对的形容词，如下所示：
弱〇〇〇〇〇〇〇强
美〇〇〇〇〇〇〇丑
热〇〇〇〇〇〇〇冷
亮〇〇〇〇〇〇〇暗
语义差异量表的难点在于找到词意相反的词对，同时要注意不同配对词义的内涵。例如“友好/冷淡”和“友好/敌意”有不同的内涵。
3. 什么时候收集自我报告数据
收集自我报告数据有两个最佳时间，一个是在每个任务的末尾（任务后评分），另一个是在整个测试过程的末尾（研究后评分），研究后评分更为常用。但二者都有各自的优点：
- 在每个任务后即刻进行评分，有助于对任务和特别存在问题的界面部分进行梳理和确定。
- 在参加者已经有机会与产品进行更全面的接触后，在整个测试单元结束时进行的更深入的评分和开放式问题则可以提供一个更有效的整体评价。
4. 如何搜集自我报告数据
可以使用3中方式收集自我报告数据：
- 口头回答问题或提供评分
- 纸笔形式
- 使用在线工具让参加者回答问题
5. 收集自我报告数据中的偏差
一些研究表明，与匿名网络调查相比，自我报告数据中直接被询问（不管是面对面还是通过电话）的参加者都会提供更正面的反馈（Dillman等，2001年）。这种现象被称作社会称许性偏差（social descirability bias）（Nancarrow & Brace，2000年），具体是指受访者倾向于给出他们认为在别人眼中看起来会更好些的答案，或者说为了不使评价者失望。
因此建议，当参加者在填写调查时，主试或者转过脸去或者离开房间，使调查者更为匿名会带来更诚实的反应。
6. 评分量表的一般指导原则
考虑用几个不同的方式请参加者评价，将可能获得更可信的数据。
问卷中需要包括正性和负性的陈述，这样可以同时包括这两类陈述的价值
最后的争论是，量表等级应该是偶数还是奇数。奇数等级有一个中心点，而偶数等级没有，这样迫使用户倾向于量表的一端。一般认为，在大部分情况下对一个事物的中间反应是相当有效的。所以，在大部分情况下，使用奇数等级的评分量表，通常是5点或者7点。
7. 分析自我报告的数据
分析评分量表数据的一个通用方法是：对每一个量表等级赋予一个数值，然后计算平均值。例如，就一个5点Likert量表来说，可以把量表“强烈反对”端赋值为1，把“非常同意”赋值为5。这样，这些均值就可以在不同任务、研究和用户群之间进行比较。
尽量评分量表在理论上不是等距数据，但许多从业人员还是把它看作是等距数据。
分析评分量表数据另一个通用的方法是查看上-2区（top-2 box）和下-2区（bottom-2 box）的数据。上-2区是指参加者选择了4或5（5点量表），或选择了6或7（7点量表）。上-2区是那些同意陈述的人（有些同意或非常同意）。.下-2区是那些不同意陈述的人（有些反对或强烈反对）。请记住，当把数据转化为一个上-2区或下-2区后。数据就不能再被认为是等距的了。
转载请注明：陈童的博客 » 什么是自我报告数据？如何收集自我报告数据？
