卡片分類法之實施

卡片分類法基本實施方式，是讓受試者將一系列由網頁內容或功能性所定義 的卡片項目，根據自己的想法進行分類（Maurer & Warfel, 2004）。根據實驗的 進行方式，卡片分類法也分為不同類型，大多數文獻將之分為開放式卡片分類法

（Open Card Sorting）及封閉式卡片分類法（Closed Card Sorting）（Boulton, 2007;

Maurer & Warfel, 2004; Morville & Rosenfeld, 2006）。封閉式卡片分類法進行時，

已存在既有的類別幫助受試者建立架構，受試者可仔細思考不同類別的意義，將 適當的網頁標籤置於各類目下（Boulton, 2007）。開放式卡片分類法則是適合用 於最初架構設計之階段，讓受試者對最底層的網頁標籤做分類，由下往上建立網 頁架構，並進行分類項目標籤之命名（Boulton, 2007）。

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）。另外，在開放式卡片分類法中，分類標籤 的命名是基於受試者所聚集的卡片項目內容而定，可避免以研究者為中心的主觀 意識（Fincher & Tenenberg, 2005）。

卡片分類法可在不同的平台上實施，大致可分為兩類：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）。

二、卡片分類法的分析方式

（一）質化分析

這裡所提到的質化分析，也是所謂的人工分析（Eyeballing Analysis）或語義 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）。

Fuccella & Pizzolato（1998）認為對於受試者較少的實驗，適合使用質化分 析（通常為5～10人）。Ahlstrom & Allendoerfer（2004）認為質化分析的優點在 於，他是一個直接執行的方式，不需要複雜的分析工具，且不會被小樣本受限，

分析結果也容易呈現給予不瞭解多元解釋統計的人。Falks & 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做分析，不需 採用其他工具。Fuccella（1997）認為，若研究目的主要是在探討網頁內容組織 的方式，這類型問題較適合質化分析。Nielsen & 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。

質化分析也包含一些缺點。Ahlstrom & Allendoerfer（2004）指出，在卡片 的分析上會加入研究者的主觀性。若受試者或卡片數量龐大，分析的過程會消耗 後，能夠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，但他是一種客觀的統計分析方式（Martin &

Kidwell, 2001）。Falks & Hyland（2000）指出，雖然統計分析並不是必要的，

但此項分析方式是有用的，且複雜性較低，因此成為被建議的分析方法之一。

本研究所採用的量化分析方式為群集分析（Cluster Analysis），又稱為階層 式群集分析（Hierarchical Cluster Analysis）。Deaton（2002）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

& Kidwell（2001）認為群集分析可以顯示出受試者對於卡片項目之整體關聯性 的想法及陳述。Hinkle（2008）指出這是卡片分類法中最常使用的分析方法。

此方法是以建立相鄰矩陣（Proximity Matrix）或樹狀圖（Dendogram）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）。

若將相鄰矩陣使用在卡片分類法，可以將位於同分類項目的關係值定義為 1，不同類為0，最後將每一位受試者的矩陣結果相加，則可以簡單看出卡片項目 之間的關係（Ahlstrom & Allendoerfer, 2004）。

相鄰矩陣的數據可用來建立樹狀圖。樹狀圖對於分析卡片分類法之結果更加 實用，因為樹狀圖可視覺化呈現卡片項目被分類的情形，對資訊產生簡單的意義 建構（Sense making），使分析結果變得更加直觀（Hinkle, 2008）。某些軟體（如 EZCalc）可用來建立樹狀圖。

群集分析主要是在探討個別項目之間的關係，且各項目只能出現在階層中的 一處，因此最適合用在位於清楚階層組織中的資料（Capra, 2005）。換句話說，

群集分析無法對於被分到一個以上分類的卡片項目做分析，如果發生此種情況，

則必須另外記錄再將此資訊整合到分析結果（Hinkle, 2008）。