第二章 文獻分析
第三節 卡片分類法
在社會科學的領域裡，利用分類分析（Sorting Analysis）方法來幫助收集資 料已有相當長的時間，能使研究者更加了解個人對於某些概念的思考方式
（Deaton, 2002）。當網路時代興起，網站設計逐漸受到重視時，「分類」的概 念也開始用於資訊架構之設計，透過讓使用者進行分類的動作，可以幫助設計者 深入了解使用者的心智模式，啟發使用者心中對於網站之網頁標籤分類、排序、
命名及網頁內容之想法 （Morville & Rosenfeld, 2006）；除此之外，也能對網頁 選單的組織和結構做設計前的測試 （Dickstein & Mills, 2000）。卡片分類法即 是使用卡片作為物件讓使用者進行分類的一種實驗方法。
Spencer（2009）指出，卡片分類法是一個以使用者為中心來增進系統尋獲 度的設計方法，可以視為一種了解目標使用者的工具而非導覽設計法。卡片分類 法也可以幫助了解使用者對於分類或標籤上的意見，確定使用者的傾向。
卡片分類法的優點，在於它是利用一種十分單純且容易了解的卡片來執行，
不僅製作成本便宜，也是一種讓使用者參與的分類過程（Maurer & Warfel, 2004）。 Fincher 與 Tenenberg（2005）也提出卡片分類法的其他優點，認為它是一種簡單 的管理尺度，簡化了在此種大規模研究中研究者與受試者間的訪談過程。而且在 進行分類這項任務時，對研究主題不會造成特別的認知負擔，例如時間壓力或記 憶力的限制，因此適合所有的專業知識範圍。即使受試者之間沒有共同的語言，
卡片分類法仍然可以比較各個受試者的想法而不受語言上的刺激。Upchurch、
Rugg 與 Kitchenham（2001）指出，相較於傳統的訪談或問卷調查方法，卡片分 類法可以進一步的促使半隱性知識（Semi-Tacit Knowledge）的取得。
一、卡片分類法的類型
卡片分類法可以分為以下兩種類型：
1. 開放式卡片分類法（Open Card Sort）
開放式卡片分類法是將一群寫好內容項目的卡片，讓人們依照這些卡片 內容的異同來分群，再針對這些群組給予命名。
圖 1 開放式卡片分類法示意圖
資料來源：Spencer, D. & Garrett J. J. (2009). Card sorting: Designing usable categories. Brooklyn,
N.Y. : Rosenfeld Media.
2. 封閉式卡片分類法（Closed Card Sort）
相對於開放式卡片分類法，封閉式卡片分類法是先有了數個類別項目後，
再讓人們將一群卡片依照卡片內容項目分別歸類到那些既有分類之下。
圖 2 封閉式卡片分類法示意圖
資料來源：Spencer, D. & Garrett J. J. (2009). Card sorting: Designing usable categories. Brooklyn,
N.Y. : Rosenfeld Media.
不同類型之卡片分類法能達到不同之研究目的。使用封閉式卡片分類法，可
以觀察使用者如何對網頁內容進行分類、對於既有的資訊架構提出問題、識別模 糊的標籤及內容，或對各階層進行測試。而使用開放式卡片分類法，可以建立網 站中一般性的網頁標題、確認網頁內容標籤是否適當、聚焦於有問題的區域及各 項目之間的親和度（Boulton, 2007）。
二、卡片分類法之實施
實施卡片分類法的平台大致可分為物理平台與虛擬平台。物理平台即是在書 桌上進行，其優點在於可促進彼此間的溝通，也讓受試者對於攤在書桌上的卡片 一目了然。虛擬平台則是利用電腦軟體，如 USort、EZsort 等，雖然受限於螢幕 大小，但可以不受地域和時間的限制（Martin & Kidwell, 2001）。
以下對於卡片項目及受試者兩方面做更深入的探討：
1. 卡片項目
卡片項目的內容可以從多個不同的來源取得，可能是網站中的一個單獨 頁面、功能、一小群的頁面，或者是網站的整個階層。不論內容來源為何，
在選擇時一定要保持內容規模的一致性，否則將會造成受試者在分類時的困 擾（Spencer & Warfel, 2004）。
卡片分類法應該使用多少張卡片，許多學者都有提出他們的建議：
Spencer 與 Warfel（2004）認為少於 30 張卡片不足以建立完整的分類，多 於 100 張卡片則會讓受試者對於分類感到疲倦，因此 30~100 張卡片數量是 較理想的。Kaufman （2006）認為卡片分類法一般使用 20~50 張卡片，但 若時間許可或內容複雜度較高時，甚至可使用到 200 張的數量。研究者可依 據研究問題、研究目的與實施方式來調整使用的卡片數量。
表 1 卡片分類法建議之卡片使用數量
研究者 建議使用之卡片數量
Upchurch, Rugg, & Kitchenham （2001） 8~20
Spencer & Warfel （2004）
30~100Kaufman （2006）
20~50Zimmerman & Akerelrea （2002）
75~100Courage & Baxter （2004）
<90Hahsler & Simon （2001）
<100資料來源：本研究整理
2. 受試者
在選擇受試者時，很重要的一點前提是，這些受試者確實是要做卡片分 類法系統的使用者。如果選擇的受試者不是這個系統的終端使用者，也就失 去作卡片分類法的意義了。在使用者方面可能會有多個不同的族群，因此可 以在進行卡片分類法時依照不同族群個別進行，如此一來可以深入了解每個 族群的需求，最後也可進行族群間需求異同的比較（Robertson, 2002）。
在受試者人數方面，Spencer 與 Warfel（2004）認為 7~10 位受試者是適 當的，但如果受試者是以團體為單位做測試，則 3 人為一組，共使用 5 組當 作受試組（共 15 未受試者）會得到較佳的效果。Kaufman（2006） 認為至 少需要 10 個受試者，或是 5 組各 3 人的受試者數量。Robertson（2002）則 是認為，團體受試者至少要 4 人，才能避免無效的討論或意見分歧。且受試 者不要超過 8 人，否則將難以控制。
Tullis 與 Wood （2004）則針對卡片分類法究竟要多少受試者才足夠進 行實際的研究。基於受試者數量越多，研究成效越高的前提下，Tullis 與 Wood 計算不同受試者數量的研究結果與 168 位受試者的研究結果之相關係 數（ Correlation Coefficient）。研究結果發現，20~30 位受試者能夠達到 0.95 的相關係數，超過這個數字以上增加的受試者數量雖然能夠提高相關係數，
但增加的幅度不大，因此最後 Tullis 與 Wood 建議選擇 20~30 位受試者來進 行卡片分類法。
表 2 卡片分類法建議之受試者人數
研究者 個人受試者 團體受試者
Robertson（2002）
4~8 人Nielson（2004）
15 人Courage & Baxter（2004）
10~12 人Tullis & Wood（2004）
20~30 人Spencer & Warfel（2004）
7~10 人 5 組各 3 人Kaufman（2006）
10 人 5 組各 3 人資料來源：本研究整理
三、卡片分類法的分析方式
卡片分類法蒐集到的資料，依照研究需求或計畫範圍（特別是參與者的數量）
可以採用不同的分析方式，而產生適當、合理且有幫助的分析結果（Ahlstrom &
Allendoerfer, 2004）。
1. 質化分析
這裡所提到的質化分析，也是所謂的人工分析（Manually Analysis）或 語意分析（Semantic Analysis）。質化分析進行時，是依賴研究者個人對於 受試者的行為言論加以解釋和判斷，雖然可以提供豐富的見解，但相對的也 需要投入相當的時間進行分析（Fincher & Tenenberg, 2005）。
Ahlstrom 與 Allendoerfer（2004）認為質化分析的優點，在於它是一個 直接執行的分析分式，不需要精密的分析工具，且不受限於小樣本，而產生 的分析結果也容易呈現給不了解多元解釋統計的人。Falks 與 Hyland（2000）
指出，如果研究結果沒有太廣泛或太複雜，研究者可以直接觀看資料進行分 析，不需採用其他工具。Nielsen 與 Sano（1994）則是認為，對於過於稀疏 沒辦法使用數據做出結論的研究資料，研究者可以直接做判斷及分析。
然而，Ahlstrom 與 Allendoerfer（2004）也提出了質化分析的缺點，他
們認為在卡片的分析上採用人工的方式會加入研究者的主觀性。若受試者或 卡片數量龐大，分析過程會消耗大量時間。且質化分析只能了解卡片項目與 其分類的關係，無法分析項目與項目之間的關係。Deaton（2002）也指出，
若是大量的資料，直接觀看資料進行分析是十分困難的。
2. 量化分析
透過量化分析，研究者必須設法經由統計分析工具自動化或半自動化分 析過後，解釋研究結果的資料集合（Fincher & Tenenberg, 2005）。雖然量化 分析無法獲得質化的覺察評論資料，但它是一種客觀的統計分析方式
（Martin & Kidwell, 2001）。
以下介紹卡片分類法會使用到的不同量化分析方法：
(1) 群集分析（ Cluster Analysis）
群集分析又稱為階層式群集分析（ Hierarchical Cluster Analysis）。
Hinkle （2008）指出這是卡片分類法中最常使用的分析方法。Deaton
（2002）也認為群集分析特別適合用於卡片分類法，因為分析結果可以 看出各個卡片項目間的相關度。Martin 與 Kidwell （2001）提到，群集 分析可以顯示出受試者對於卡片項目之整體關連性的想法及陳述。
此方法是以建立相鄰矩陣（Proximity Matrix）或樹狀圖（Dendrogram）
的方式做分析。相鄰矩陣為對於兩卡片項目之間的接近度或相似度之測 量方法，對於 10 張卡片項目以下的分析非常有用，但 10 個項目以上的 分析將使矩陣表變得繁瑣，較難看出各項目間的關係，也無法決定項目 是否能歸類在同一組（Hinkle, 2008）。
(2) 因素分析（Factor Analysis）
因素分析和其他分析方法的不同在於，它可以分析多重類別的卡片 項目，若只單看一個因素來做分析則會和群集分析或其他分析方式十分
相似（Ahlstrom & Allendoerfer, 2004）。當卡片分類法採用數量大且複 雜的規模、包含許多類別和子類別時，因素分析便是最適合的分析方式。
然而進行因素分析時，必須對統計有較多的知識技術，且能夠對於假設 做出合理的分析是其主要缺點（Hinkle, 2008）。
Ahlstrom 與 Allendoerfer（2004）解釋，因素分析是基於資料的結 構，由資料中選擇要分析的因素。這裡所指的「因素」是類似其他分析 方法中的「群集」或是「分類」，亦即最後研究結果中的卡片分類項目。
每張卡片涉及到因素的關聯性以數據來表示，數據較高即表示卡片跟因 素之間具有高度關聯性。
(3) 試算表（Spreadsheet）分析
Spencer 與 Warfel（2004）建議使用試算表記錄各個卡片的標題及 編號，及受試者在實驗過程中進行的分類情形或經過修刪增的卡片紀錄。
Kaufman（2006）也建議將研究結果輸入試算表，藉由計算受試者將卡 片放至同樣分類的次數可得知卡片項目間的相似度。若發現項目間存在 相異性，可以進一步探究原因是否在於受試者不清楚內容，或是該項目 可能屬於一個以上的分類。
Lamantia（2003）在“Analyzing card sort results with a spreadsheet template”的文章中說明如何利用試算表分析卡片分類法之結果，Maurer
Lamantia（2003）在“Analyzing card sort results with a spreadsheet template”的文章中說明如何利用試算表分析卡片分類法之結果，Maurer