从可检测到可检查：理解音像数据的定性分析

文献标题

从 Detectables 到 Inspectables：理解视听数据的质性分析

文献信息

• 主题领域: 人机交互（HCI）中的质性研究，尤其是视听数据的分析方法
• 关键词: 视听分析, 质性研究, 信息行为, 视频搜索, 数据注解, 自动化支持

研究背景与问题

• 发现的问题或挑战:

  • 视听录音提供了丰富的行为和交互信息，但其非结构化的时间属性使直接分析变得困难。
  • 转录文本的搜索和导航效率更高，但这些文本丢失了许多视听数据的细节信息。
  • 现有研究缺乏对质性研究者工作流程及需求的理解，特别是在直接分析视听录音方面。

• 问题的重要性:

  • 质性研究方法在设计和用户研究中越来越多地被使用，尤其是在复杂行为分析中，例如用户与界面的交互。
  • 解决视听数据分析的效率问题，可以明显提升质性研究中的数据利用率和洞察力。

• 研究动机与相关工作:

  • 目标是探索如何优化质性研究者的分析工作流程，以便更高效地处理视听录像数据。
  • 此前研究重点在文本数据的质性分析，而视听数据的直接分析相关研究较少。
  • 研究借鉴了互动分析、质性编码工具（QDA工具）和视频导航技术及其局限性。

解决方案

• 提出的解决方案:

  • 引入“Inspectables”和“Detectables”概念，“Inspectables”指需要深入分析的有趣视听片段，“Detectables”指用来定位这些片段的视觉或听觉线索。
  • 探讨自动化方法辅助研究者寻找“Detectables”，从而简化定位“Inspectables”的过程。

• 创新之处:

  • 提出了新的术语和理论框架（“Inspectables”、“Detectables”、“Reportables”）以结构化质性视听数据分析。
  • 建议结合简单的图像识别和声音检测技术以支持视听片段的自动检测。

• 实施步骤与关键技术:

  • 通过访谈和调查收集研究者分析视听录音的工作流程信息。
  • 总结分析任务中“Inspectables”的定位方法，包括使用时间码、研究结构信息以及“Detectables”。
  • 将自动化技术应用于检测“Detectables”，例如图像处理和音频信号匹配。

研究成果

• 具体成果:

  • 理解了在质性研究中，直接分析视听数据的流行程度以及相应的工作流程和注释实践。
  • 提出了调用简单的自动化方法（如图像和声音检测）来辅助研究者定位视听片段中的目标信息。

• 与现有解决方案的对比优势:

  • 与传统的文本转录相比，直接视听数据分析能捕捉更多行为和交互细节。
  • 自动化方法旨在减少研究者寻找目标片段的人工劳动，同时保持对分析任务的掌控。

• 实验或评估结果:

  • 访谈结果: 大多数分析都具有较强的探索性，研究者需要反复查看录像以明确感兴趣的内容。
  • 调查结果: 63%的分析有理论构建目标，71%使用完整的转录。然而，有32%的分析无法完全依赖转录，还需要直接使用视听录音。

• 局限性与未来方向：

  • 局限性:
    • 自动化检测方法可能无法适应涉及复杂行为的研究，或导致大量假阳性结果。
    • 研究者对自动化的信任感和依赖程度可能影响分析结果的科学性。
  • 未来方向:
    • 开发透明且可解释的自动化工具，使其能够与研究者的工作流程紧密结合。
    • 探索自动化检测技术在不同类型行为和研究情境中的适用性和效果。

总结来看，该研究标志着在质性视听数据分析领域朝着自动化支持迈出的重要一步，同时也提出了一些需要未来解决的实践性挑战。