探讨副数据在数字化支持的定性合作研究中的作用
荣誉提名作者
用户研究方法(访谈、调查、观察)原型设计与用户测试研究伦理与开放科学大学教授与研究人员HCI 研究员社会学家与人类学家
文献标题
探索元数据在数字化支持的定性共研中的作用 (Exploring the Role of Paradata in Digitally Supported Qualitative Co-Research)
文献信息
- 主题领域: 人机交互(HCI)和定性研究方法学
- 关键词: 元数据 (Paradata), 定性研究, 共研 (Co-research), 数据透明性, 参与式设计, 社会科学, 数字化支持, 公民科学
研究背景与问题
-
问题与挑战:
- 定性共研实践中参与者在数据收集、分析和传播中的透明性不足。这可能对参与者(如资助机构)造成问题,因为他们需要研究过程决策的严谨性和责任性证据。
- 数字化支持的定性研究产生了大量互动日志(即元数据),但这些日志很少被用来审查和改进研究决策。
-
重要性:
- 随着定性研究影响多方利益相关者(如社区组织、政府),透明性、数据共享和责任性的需求不断增加。
- 元数据透明性的重要性正在上升,这是保证数据共享、验证和再利用的一个关键因素。
-
研究动机与相关工作:
- 近年来人机交互(HCI)学术界越来越关注如何增强定性研究的透明性与可复现性。本研究呼应这一领域的需求,探讨元数据对定性研究透明性提升的潜在应用。
- 过往研究对元数据的应用局限于在线学习和调查方法学领域,而在定性研究中鲜有探讨。本研究填补了这一领域的空白。
解决方案
-
提出的解决方案:
- 作者通过四个月的实地研究,与一个以社区为主导的慈善机构共同合作,并使用数字平台 Gabber 记录和分析定性研究活动中产生的元数据。
- 提出一个关于元数据的概念模型,讨论元数据如何帮助提升过程透明性、促进数据共享,以及创建研究参与者的反馈循环。
-
创新之处:
- 将元数据从传统的调查与技术产品分析领域扩展至定性研究。
- 设计了具体的元数据指标(如“听取覆盖率”、“参与率”等),展示如何通过元数据增强定性研究流程的透明性与信任度。
-
实施步骤与技术:
- 使用 Gabber 平台记录定性研究所涉及的所有阶段(数据准备、数据采集、数据分析、数据整理)。
- 观察研究过程中所生成的元数据类型及特点,如听取时间比例、评论数量、分析过程的主题图等。
- 设计并引导后部署访谈,从研究参与者角度反思元数据的潜在作用与挑战。
研究成果
-
具体成果:
- 提供了关于元数据在定性研究中的概念化描述。
- 设计了多个元数据指标,如“听取覆盖率”、“数据丢弃率”等,并提出其可能的设计和使用方式。
- 构建了提升定性研究透明性的设计挑战框架。
-
现有解决方案的优势:
- 通过 Gabber 平台,参与者能够看到自己的贡献如何被社区使用,从而增强透明性与合作信任。
- 在定性研究的全流程中都可利用元数据,从数据采集到分析和传播,创造了一种更民主的研究架构。
-
实验或评估结果:
- 参与者对元数据表达了积极反馈,包括它可能帮助重现研究过程、增强透明性以及展示参与者对结果的影响。
- 虚拟场景和可追溯的元数据机制有助于增加研究结果的信任度。
-
局限性与未来方向:
- 局限性:
- 本研究主要基于一个社群案例,参与者大多数此前缺乏定性研究经验,这可能限制了结果的广泛适用性。
- 元数据的隐私与伦理问题尚需深入研究,尤其是自动化生成的个人数据。
- 未来方向:
- 探索如何以用户友好的方式呈现元数据,并允许参与者方便地审查与 contest 数据使用。
- 扩展定性研究元数据的标准化与共享机制,以支持其他领域的研究透明性。
- 从学术和实践角度进一步探讨元数据的隐私、伦理和授权设计问题。
- 局限性:
通过这项研究,作者为定性研究的数字化支持工具设计提供了新方向,同时也加深了对元数据在透明性和数据共享中的潜在作用的理解。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 质性研究中,如何利用副数据(paradata)来提升研究过程的透明性?分类: 指标理解与分析解释支持同类问题arrow_forward
- 副数据在支持参与式质性研究的数据共享和验证中能起到哪些作用?分类: 指标理解与分析解释支持同类问题arrow_forward
- 能设计出哪些具体的副数据指标来帮助提高质性研究的可信度?分类: 指标理解与分析解释支持同类问题arrow_forward
lightbulb
现实痛点
1- 质性研究缺乏过程透明性,参与者和利益相关方难以信任研究结果。分类: 指标理解与分析解释支持同类问题arrow_forward
- 83%
平行线、切线和循环:对RtD中“通过”部分的反思
DIS '20· 用户研究方法(访谈、调查、观察) +2
- 67%
如何撰写CHI论文--第二版
CHI '18· 用户研究方法(访谈、调查、观察) +1
- 67%
如何撰写CHI论文--第二版
CHI '18· 用户研究方法(访谈、调查、观察) +1
- 67%
元注释:作为隐式交互的注释以连接近距离阅读和远距离阅读
CHI '18· 用户研究方法(访谈、调查、观察) +1
- 67%
人机交互的实证研究方法
CHI '18· 用户研究方法(访谈、调查、观察) +1
- 67%
众包与实验室风格的社会可接受性研究?考察头戴式显示器的空间用户交互的社会可接受性
CHI '18· 用户研究方法(访谈、调查、观察) +1
- 67%
不要忘记保持真实的自己:如何建立一个有意义且可持续的研究身份
CHI '18· 用户研究方法(访谈、调查、观察) +1
- 67%
人机交互简介
CHI '18· 用户研究方法(访谈、调查、观察) +1
- 67%
为促进开放科学的采用而设计知识构建:规划设计空间
CHI '22· 用户研究方法(访谈、调查、观察) +1
- 67%
不同的研究人员,不同的结果?分析研究人员经验和数据类型在对安全建议的访谈和调查研究的定性分析中的影响
CHI '23· 用户研究方法(访谈、调查、观察) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3491102.3502103
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
荣誉提名
group
作者
8 位作者
sell
研究子方向
用户研究方法(访谈、调查、观察)、原型设计与用户测试、研究伦理与开放科学
work
职业/产业
大学教授与研究人员、HCI 研究员、社会学家与人类学家
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文