5.3 訪談實驗方法
5.3.4 訪談結果分析方法
（（（
（一一一）一））放聲思考之口語分析資料建檔）放聲思考之口語分析資料建檔放聲思考之口語分析資料建檔 放聲思考之口語分析資料建檔
原始口語分析檔案為訪談結果之逐字稿，共 8 份。首先依樣本圖車號，將同一台車 樣本之口語分析資料整合於同一頁文件中，格式如下：
圖 5.9 放聲思考口語資料之格式
口語分析資料以每一受測者對一樣本說明之一段話為單位，以「CnSn」編號（C 代 表車號、S 代表受測者），如「C3S4」表第 3 台汽車樣本 S4 受測者之放聲思考口語資料。
因此共計 40 × 8 = 320 個口語分析資料。
（
（（
（二二二）二））放聲思考口語資料之編碼）放聲思考口語資料之編碼放聲思考口語資料之編碼 放聲思考口語資料之編碼
為回應研究問題（參閱 1.3），且研究問題已明確，因此本階段與實例資料分析方法 相同，使用選澤性譯碼將「形容詞」、「造形要素」、「相關特殊發現」進行編碼。此三種 編碼要素說明如下；
（1）「形容詞」為了回應研究主題，以「情緒」、「表情」意象之形容詞為主，其他 意象形容詞為輔。
（2）「造形要素」指受測者說明樣本圖造成某種情緒意象之原因，其可能包含汽車 正面之「構件」及此「構件」之「特徵」或「特色」，但此階段先以整段文字為主。
樣本名與樣本圖
口語分析資料 1~8
58
（3）「特殊發現」以受測者較特殊觀感及認知脈絡為主，如「不認為是臉孔」的原 因等較特別的發現，此部份由研究者於資料互動之過程中找尋出來。
如下例，以「臉孔表情意象」形容詞（黃色）、造形要素（綠色）及特殊描述（藍 色）三個面向進行選擇性編碼。下圖為 C4S7 受測者口語資料之編碼範例：
C4S7
[00:13:54.86]然後...4 號的話，應該是比較兇一點點，因為他的眼睛，車頭燈前面也是尖尖的，然後他 的進氣孔就嘴巴的部份，也是一樣上面比較短下面比較長，所以感覺一樣是不開心，而且他這兩頰，
就進氣孔旁邊這兩頰東西，好像有凹陷，所以有一點苛薄，又有一點不開心，刻薄有一點像剛剛 43 號的老頭，可是不開心又有點像戰車們，所以...不開心放這裡好了，那把 43 號苛薄放進來好了。
（
（（
（三三三）三））放聲思考口語資料之分析）放聲思考口語資料之分析放聲思考口語資料之分析 放聲思考口語資料之分析 形容詞整併與歸類
形容詞整併與歸類形容詞整併與歸類 形容詞整併與歸類
以前述已編碼之大量形容詞資料，透過卡片法予以整併與歸類，整理成兩階層之形 容詞，第一層為基本表情形容詞面向，第二層為類似概念的原始形容詞資料之整併結果。
本階段使用 Mindjet MindManager Pro®軟體進行形容詞之整併，將所有口語分析資料編 碼之形容詞全數列出，將語意相近者結合，整併過程除了以明顯為同類的形容詞整併之 外，亦參考原始口語資料內容，考慮將共同出現頻繁之形容詞將之結合（如老實與木訥 在口語資料中常伴隨出現，經整併為一組）。第二步則進行歸類，以文獻探討（參閱 2.4）
所述之表情分類八個面向為目標，分類過程如下圖 5.10 所示。
59
圖 5.10 形容詞之整併與歸類過程
由此整併歸類的結果，可獲得整體受測者對整體受測樣本之形容詞有哪些面向。接 著將相似形容詞組對應之造形要素依此架構整併，便可得到各整併後形容詞相應的造形 要素如下圖。
圖 5.11 整併後形容詞與造形要素之對應
如下圖「悲傷」此形容詞之範例，「悲傷」在本研究中擁有「哀傷」及「不開心」
兩個第二層形容詞，右邊文字資料各為其所屬原始形容詞整併得來之造形要素。
第二層形容詞
第一層形容詞
第二層形容詞
造形要素 1
造形要素 2
造形要素 1
造形要素 2
造形要素 3
造形要素 3
造形要素 4
造形要素 5 整併後形容詞
相似形容詞組 整併為單一概念形容詞
歸入目標分類基本表情 8 個面向 目標分類形容詞
第一層 (歸類) 第二層 (整併) 第三層 (原始資料)
整併後形容詞
相似形容詞組
60
圖 5.12 形容詞與造形要素對應範例（形容詞「悲傷」）
建立 建立建立
建立車樣本車樣本車樣本與整併完成形容詞之關係車樣本與整併完成形容詞之關係與整併完成形容詞之關係與整併完成形容詞之關係
接著重新整理口語分析資料，建構車樣本與整併完成形容詞之關係，便可整理出車 樣本對於各形容詞面向之樹狀圖，其架構如下圖：
圖 5.13 各汽車樣本對應之整併後形容詞
配合形容詞出現頻次之統計，進一步得到各形容詞對各車樣本之強度。本研究將計 算方式定義如下：以人次為單位，計算一車樣本某一形容詞有幾位受測者提及，因此為 0~8 之得分，藉此資料進行其他統計分析。完成資料之範例如下：
第一層形容詞 1
第一層形容詞 2
第一層形容詞 3
第二層形容詞
第二層形容詞
第二層形容詞 第二層形容詞
61
圖 5.14 重新建構後之車─形容詞對應關係圖（以 C1 為例）
造形要素之編碼與整理 造形要素之編碼與整理造形要素之編碼與整理 造形要素之編碼與整理
造形要素為受測者說明產生某種「臉孔表情」形容詞意象的理由，如「開心」一形 容詞之理由可能為「因為上揚的水箱護罩」。「造形要素」則可以分類為「構件」及「特 徵」，構件指車上的機構或元件，如車燈、水箱罩，引擎蓋等；特徵指此元件之「形狀」、
「大小」、「編排」等屬性。舉例來說，「上揚的水箱護罩」即為「水箱罩」此構件呈現
「上揚」的特徵。依此原則，將每一形容詞之所具有之「造形要素」資料將再進行編碼，
同時亦將「特殊發現」抽取出來。整理過程需隨時參考原始口語資料及樣本圖片，以確 保欲整併之「構件」及「特徵」為同一種概念。最後整理完成之架構圖如下：
62
63
整理完成之資料最後進行分析，具體結果列於 5.4 。
（（（
（四四四）四））回溯式口語資料分析）回溯式口語資料分析回溯式口語資料分析 回溯式口語資料分析
如同放聲思考之口語資料，回溯式口語資料的樣本單位變成群，因此每群汽車會有 數個形容詞及對應的造形要素。同前述之放聲思考口語資料之處理，將 8 個受測者之所 有形容詞整併歸類、並將造形要素以「構件」與「特徵」整併歸類。
另外每個受測者之分群結果分岐，本研究將嘗試以集群分析方法整合八種分群。以 假設之組間平均距離重新計算樣本間之距離，所得之差異性矩陣再進行集群分析。其做 法與原理如下所述：
分開記錄每位受測者之分群結果，將組內（同一群）之兩兩車輛之距離設定為 0，
組間（不同群）設定為 1（如下圖 5.17），產生 40 台樣本間的距離矩陣。最後將每位受 測者之距離矩陣予以平均，成為 0~1 之值以代表平均後樣本間之距離。因此若兩臺車在 全部受測者分群結果都為同一群，則其平均距離為 0；若都未被分在同一群，則相互距 離為 1。
圖 5.17 虛擬樣本間距離示意
整理完成之資料最後進行集群分析，使用階層式分群法找出較合適之群數，再利用 K-means 分群法分群，分群結果使用多向度評量法將樣本以二維空間展現分群之關係，
分析結果列於 5.5.2。
（
（（
（五五五）五））訪問受測者對於）訪問受測者對於訪問受測者對於「訪問受測者對於「「「表情及情緒意象表情及情緒意象表情及情緒意象表情及情緒意象」」」」其他看法之資料分析其他看法之資料分析其他看法之資料分析其他看法之資料分析
前述階段工作主要在於抽取「臉孔表情意象」形容詞與設計造形之對應，此階段將 訪問受測者對「臉孔表情意象」之汽車造形設計的看法及態度。訪問結果同樣以譯碼分
組 1 組 2
組內兩兩樣本距離假設為 0 組內兩兩樣本距離假設為 0
組間兩兩樣本距離假設為 1
64
析之方式，將與本研究主題有關之概念抽取羅列出來。訪問中提及之問題如 5.3.3 所列。
5.4 訪談實驗 訪談實驗 訪談實驗 訪談實驗─ ─ ─ ─即時性口語資料分析與結果 即時性口語資料分析與結果 即時性口語資料分析與結果 即時性口語資料分析與結果
如 5.3.4 所述之資料整併方法，本研究以 Mindjet MindManager Pro® 軟體中以卡片 法整理成樹狀架構，結果如下：
5.4.1 形容詞分類結果
形容詞分類結果形容詞分類結果形容詞分類結果圖 5.18 形容詞整併最後整理結果
65
分類結果顯示，有 9 個第二層形容詞難以分入基本表情分類之中；另外有 4 個形容 詞被發現較與臉孔表情意象無關，但總是於口語資料中與表情形容詞伴隨出現，故此階 段暫時將其保留。基本表情依其頻次排序如下：「快樂」、「生氣」、「中性」、「悲傷」、「驚 訝」、「輕蔑」此結果與前測明顯一致（如表 5.3）。
66 下進氣孔 上揚，大，動感，梯形 1,2,5,6,17,23,24,25
,31,34,42,44,45
下進氣孔 兩邊往上接近車燈，上揚，大，橢圓 1,2,5,6,14,23,24,25 ,31,34,36,45
67
68
由表中可以發現，「生氣」意象以車燈最為重要，造形以上揚為主，燈源之位置也 與生氣有關，如燈源被半遮、往中間集中。進氣孔則為大、梯形或下彎，而「嚴肅」感 的造形可能因情緒沒有「生氣」及「兇」來得強烈，以平的進氣孔為主；「生氣」感引 擎蓋之稜線與「開心」意象類似，上揚形成眉毛的感覺。另外可以發現一些裝飾會產生 獠牙或黑眼圈的效果，讓受測者感覺到「生氣」之表情意象。
事實上，以半遮燈源使汽車看似兇焊之手法在現實汽車改裝美容中已能看到，如使 用「燈眉」貼紙或LED燈來達成「兇焊」的意象，如下圖：
圖 5.19 使用燈眉貼紙形成之「兇狠」意象效果
【資料來源：clie.ws】
69
70
71
72
73
囧 下進氣孔 一字平形、開一些 12,16,18
特別發現 ㄈ形水箱罩 11
疑惑 下進氣孔 微開、稍下彎 14.20
車燈 多顆光源、大 14.20
想睡 下進氣孔 下彎 27.43
車燈 有上下兩層，中間有線 27.38.43
其他表情方面，本研究抽取出「奸邪」、「堅定專注」、「老實木訥」、「無辜」、
「有神」、「好奇」、「囧」、「疑惑」、「想睡」共9個其他表情形容詞。參考相關
「有神」、「好奇」、「囧」、「疑惑」、「想睡」共9個其他表情形容詞。參考相關