第二章 文獻分析
第三節 卡片分類法（Card sorting）
一、 卡片分類法概述
卡片分類法（Card sorting）在社會科學或醫學領域中經常被用於幫助研究者
蒐集資料以瞭解人們的想法，如威斯康辛卡片分類測驗（WCST）被應用於評估 受試者抽象分類的能力、對概念模式的形成與轉移的能力以及僵化的反映。
Upchurch, Rugg, & Kitchenham（2001）指出卡片分類法源自於 George Kelly 的個 人建構理論（Personal Construct Theory），因個人建構理論中提到，不同人對於 分類事物的看法不同，但存在著足夠的共同性讓我們瞭解彼此的想法，也存在著 足夠的相異性展現個人的特質（Fincher & Tenenberg, 2005）。卡片分類法至今已 被許多資訊架構師或相關學者用以分析網站架構（Maurer & Warfel, 2004），
Hawley（2008）指出，若要開發含有資訊數量眾多的網站之架構，網站設計者 和使用性研究者時常透過卡片分類法來幫助設計。
Hudson（2005）認為卡片分類法經常被資訊架構師、人機互動設計師、使 用性專家用於建立網站架構。藉由卡片分類的步驟可以歸納出對使用者有意義的 群組。而Maurer & Warfel（2004）認為資訊架構師在建構一個網站時經常利用 卡片分類法來獲取使用者想法，作為設計時的一個參考依據。Morville 與 Rosenfeld（2006）認為卡片分類法雖然是一項低科技的研究方法，但對於瞭解使 用者有相當大的幫助，是強大的資訊架構研究工具之一。Courage & Baxter
（2004）則認為當我們需要得到對於網站之內容、專有名詞、或是產品組織上的 使用者回饋（Feedback），我們隨時可以使用卡片分類法。
二、 卡片分類法之實施過程
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）（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。開放式卡片分類法則是適合用於最初架構設計之階段，讓 描述（Maurer & Warfel, 2004）。
卡片分類法依據不同目的、受試單位的需求，在實施規劃上皆有不同的方 式，以下分為項目清單、受試者、資料分析方式三個面向進行討論：
（一） 卡片項目
卡片分類法並沒有規定要使用多少卡片，但卡片數量越多，並不代表研究的 成效越好，卡片數量較少亦是如此。除了考量研究成效，也需考慮到時間因素，
過長的實驗進行時間會讓受試者感受到無聊或挫折感（Deaton, 2002）。Rugg &
McGeorge（2005）認為若要以統計方式分析，項目至少需要 8 個。再者，Maurer
& Warfel（2004）則認為 30 至 100 個項目較好，因為少於 30 個項目無法將架構 完整呈現，而多於100 個項目則太過費時，且容易造成受試者因疲倦而無法完整 地完成；除此之外，他們提出當受試者對於項目的每一個概念有深入地瞭解時，
可以允許使用200 個以上的項目。Zimmerman & Akerelrea（2002）建議將項目控 制於75～100 張卡片以內。Courage & Baxter（2004）認為卡片數量不要超過 90 張，因為受試者無法在同一時間思考多於該數目的分類。
卡片項目選擇來源的內容可能為網站中的一個單獨頁面、功能、一小群的頁 面、或是整個主題階層。無論選擇為何，要保持內容規模的一致性，否則將對受 試者的分類帶來困難。各項目之間也應該具有足夠的相似度，讓受試者可以進行
分類的動作（Maurer & Warfel, 2004）。最適當的卡片項目選擇應該來自使用者
（Hawley, 2008）。研究者也可以用問卷調查的方式，讓受試者列出心中認為與研 究個案有相關的主題，或是利用使用性測試（Usage Surveys）調查受試者經常使 用的內容或功能，再從中挑選適合列入卡片項目的主題（Kaufman, 2006）。
（二） 受試者
式的進行方式（Deaton, 2002）。但Martin（1999）認為團體進行所得結果較個人 進行所得結果可信度低，因為他認為在團體進行時受試者容易下意識地受到其他 受試者分類規則的影響，且在團體進行時，受試者也有可能因為其他受試者而不 願意表達出自己真正的想法。Tullis & Wood（2004）對於卡片分類法的受試人數進行實際的研究，Tullis &
Wood 將不同受試者數量的研究結果與 168 位受試者的研究結果做比較。研究結
卡片分類法有多種不同的資料分析方式，從最傳統的人工分析到利用電腦統 計軟體的統計分析，研究者應依據研究的需求與計畫的大小來決定分析方式。
1. 人工分析
Fuccella & Pizzolato（1998）認為對於受試者較少的實驗，適合使用人工分 析（通常為5～10 人）。Ahlstrom & Allendoerfer（2004）認為人工分析的優點在 於，它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。Faiks & 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。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。
2. 統計分析
透過統計分析，研究者必須設法瞭解經由統計工具自動化或半自動化分析過 後，能夠解釋研究結果的資料集合（Fincher & Tenenberg, 2005）。Faiks & 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。以下介紹不同的統計分析方法：
(1) 群集分析（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。Kidwell & Martin（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。Ahlstrom & Allendoerfer（2004）也認為群 集分析可獨立地解釋兩兩項目間的關係，並說明其關係的強弱。透過群集分析建 立關聯矩陣圖，利用關聯矩陣圖計算出符合所有受試者想法的最佳分類架構，並 以 樹 狀 圖 呈 現 。 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，我們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）。我們可以透過 某些軟體（如EZsoft）來建立樹狀圖。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，則必須另外紀錄再將此資訊整合到分析結 果（Hinkle, 2008）。
(2) 因素分析（Cluster analysis）
在卡片分類法分析方法中除了群集分析之外，Capra（2005）更提出了不同 的分析方式，即因素分析（Factor analysis）。因素分析是一種被廣為使用的多變 項統計法，在心理測驗界使用的機會最多（林清山，民81）。因素分析可分析擁 因素分析來進行卡片分類法的數據分析。根據Ahlstrom & Allendoerfer（2004）
的解釋，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」。每個項目涉及到因素 的關聯性以數據來表示，數據較高即表示項目跟因素之間具有高度關聯性。在進 行分析之前，研究者通常會給予一個標準值（Eigenvalue Criterion）來定義何謂 有價值的因素，基本上，數字超過1.00就會被視為有價值，可以進一步的關注。
Capra（2005）對於因素分析在卡片分類法之應用有詳細的說明：相對於群 集分析必須先建立相鄰矩陣，因素分析是先將卡片項目與分類間的關係轉換為二 進位變項（Binary Variable），若卡片位於某分類下，則兩者間的關係以1表示；
若卡片與分類無關連，則以0表示。
通常是相當不錯的（Rosenfeld & Morville, 2006）。階層式架構可分為兩種：一種 為廣度的架構，即每個節點下擁有許多淺的樹狀架構；另一種為深度的架構，即 節點下擁有相較於廣度架構為少的、較深的樹狀架構。
網站深度指的是階層式系統中的層數。如果階層太窄太深，使用者就得點選