당신은 주제를 찾고 있습니까 “정 성적 데이터 – [데이터에듀] ADsP 1과목 정량데이터 vs 정성데이터“? 다음 카테고리의 웹사이트 kk.taphoamini.com 에서 귀하의 모든 질문에 답변해 드립니다: kk.taphoamini.com/wiki. 바로 아래에서 답을 찾을 수 있습니다. 작성자 데이터에듀 이(가) 작성한 기사에는 조회수 2,788회 및 좋아요 11개 개의 좋아요가 있습니다.
정성적 데이터는 ‘비정형 데이터’로 비구조화된 데이터, 미리 정의된 데이터 모델이 없거나 정의된 방식으로 정리되지 않은 정보를 말합니다. 따라서 정보를 일정한 구조로 저장하고 검색하고 분석하는데 많은 비용이 소모되겠지요.
Table of Contents
정 성적 데이터 주제에 대한 동영상 보기
여기에서 이 주제에 대한 비디오를 시청하십시오. 주의 깊게 살펴보고 읽고 있는 내용에 대한 피드백을 제공하세요!
d여기에서 [데이터에듀] ADsP 1과목 정량데이터 vs 정성데이터 – 정 성적 데이터 주제에 대한 세부정보를 참조하세요
ADsP 1과목 정량데이터와 정성데이터 관련 문제를 풀어봅시다.
본 영상은 데이터에듀에 게시된 ADsP 강의 중
기초 또는 핵심 내용만 편집한 영상입니다🔖
전체강의는 데이터에듀에서 수강가능합니다.
구독👍 좋아요👍
————————————————-
💻 데이터에듀 공식홈페이지 : https://bit.ly/2O1HJ55
💻 ADsP 합격패키지 : https://bit.ly/397wWym
💻 ADsP 교재 : https://bit.ly/3bakqAj
————————————————-
#윤종식 #데이터에듀 #ADsP #5년연속1위 #ADP #갓종식 #DATAEDU #빅데이터시대 #R기초 #데이터분석준전문가
#데이터분석기사 #빅데이터분석기사 #2020ADsP #빅데이터활용 #빅데이터활용테크닉 #빅데이터테크닉 #빅테이너기술 #R기초#R기초패키지#r프로그래밍기초#빅데이터 #데이터분석 #빅데이터자격증
#파이썬 #딥러닝 #R프로그래밍 #빅데이터분석 #빅데이터강의 #빅데이터교육 #R특징 #데이터이해
정 성적 데이터 주제에 대한 자세한 내용은 여기를 참조하세요.
정량적 데이터와 정성적 데이터 – 네이버 블로그
이런 유형 데이터는 정량적 데이터이다. 숫자는 통계 기법을 사용하여 분석되어질수 있다. 하지만 많은 유용한 정보는 숫자로 축약되어질수 없다.
Source: m.blog.naver.com
Date Published: 3/18/2021
View: 9233
정성적, 정량적 데이터 – GeeD UP’s
정성적 데이터(Qualitative Data) – 사용자 경험 및 구매 행태를 보여주는 기술적인 데이터를 의미하며, 사람들이 어떻게 생각하고 느끼는지에 좀 더 …
Source: geedup.tistory.com
Date Published: 5/26/2022
View: 496
UX 디자인 유형별 가이드 ① 정성적 데이터를 중심으로
정량적 데이터는 실험이나 설문지와 같은 방법론을 통해 측정된다. 클릭 횟수, 체류 시간, 오류 횟수와 같이 숫자로 표현될 수 있고 계산을 통해 새로운 지표를 만드는 …
Source: ditoday.com
Date Published: 8/5/2022
View: 7764
정성적 연구 대 정량적 연구의 이해 – SurveyMonkey
정성적 데이터는 이러한 점이 의미하는 바를 자세하고 심도 있게 나타냅니다. 설문조사에서 이러한 방법들을 사용해 최상의 결과를 확보하려면 둘이 가진 차이를 이해해야 …
Source: ko.surveymonkey.com
Date Published: 9/21/2021
View: 6631
[1과목] 빅데이터 이해 – 정량적 데이터 vs 정성적 데이터
블로그에 정리하면서 공부하고, 틈틈이 복습용으로 보려고 따로 정리! 그럼 이제 진짜 시작! 네이버 카페 “이기적스터디카페” 빅데이터 분석기사 …
Source: amaze9001.tistory.com
Date Published: 11/26/2021
View: 4746
[Data Analysis] 개요 / 정량적 데이터 분석 VS 정성적 데이터 분석
정성적 분석의 예는, 문서나 이메일 등과 같은 텍스트에 대한 것, 디지털 이미지나 디지털 사운드 등과 같은 청각 및 시각 데이터 등이다. 차후 트위터 …
Source: cinema4dr12.tistory.com
Date Published: 4/6/2021
View: 7018
정성적(Qualitative) 분석과 정량적(Quantitative) 분석 제대로 …
정성적 분석 (Qualitative Analysis). 특성(성질, 성분)을 분석하는 기법. 비정형데이터를 사용하기 때문에 주관적인 의견이 반영되며 탐색적 데이터 …
Source: matthew530419.tistory.com
Date Published: 7/15/2021
View: 1767
정성적 조사란 무엇입니까? – Adobe Experience Cloud
정성적 조사에는 고객 경험을 더 잘 이해하기 위해 비수치 데이터를 수집하고 분석하는 작업이 포함됩니다. 자세한 내용을 살펴보십시오.
Source: business.adobe.com
Date Published: 8/29/2022
View: 6004
주제와 관련된 이미지 정 성적 데이터
주제와 관련된 더 많은 사진을 참조하십시오 [데이터에듀] ADsP 1과목 정량데이터 vs 정성데이터. 댓글에서 더 많은 관련 이미지를 보거나 필요한 경우 더 많은 관련 기사를 볼 수 있습니다.
![[데이터에듀] ADsP 1과목 정량데이터 vs 정성데이터](https://i.ytimg.com/vi/oszmfhkW8F4/maxresdefault.jpg)
주제에 대한 기사 평가 정 성적 데이터
- Author: 데이터에듀
- Views: 조회수 2,788회
- Likes: 좋아요 11개
- Date Published: 2020. 7. 19.
- Video Url link: https://www.youtube.com/watch?v=oszmfhkW8F4
정량적 데이터와 정성적 데이터
정량적 데이터와 정성적 데이터의 측정 수준
데이터는 또한 두가지 다른 범주로 나뉘어지는데 이는 출처가 아니라 특성을 일컫는다.
기본적으로 이는 숫자로 축약되어지거나 단어로만 표현되어지는가를 말한다.
이는 수집되고 기록되고 분석되어지는 방식에 영향을 준다.
숫자는 예를 들어 압력, 인구밀도, 경제지수와 같이 과학과 사회에 대한 많은 정보를 기록하는데 사용되어진다.
이런 유형 데이터는 정량적 데이터이다.
숫자는 통계 기법을 사용하여 분석되어질수 있다.
하지만 많은 유용한 정보는 숫자로 축약되어질수 없다.
사람들의 판단, 편한 기분, 감정, 아이디어, 신념 등등은 단지 단어로 기술된다.
이런 것들은 정량적 이기보다는 정성적 기록이 가능하며 이에 따라서 이를 정성적 데이터가 된다.
단어는 수리적으로 조작되어질수 없기 때문에 서로 다른 분석적 기법을 요구한다.
정량적 데이터
정량적 데이터는 일반적으로 다소 정확하게 크기를 보여주는 숫자로 표현되기 때문에 측정되어질수 있다.
수리적 데이터를 분석하기 위해서 수리적 절차를 사용할수 있다.
이는 숫자나 비율과 같이, 극단적으로 단순할수도 있고 통계적 검사나 수리적 모형과 같이 상당히 복잡 미묘할수도 있다.
예를 들어 모집단 크기, 경제 수지, 과학 측정과 같이 어떤 형식의 데이터는 명백하게 숫자로 표현되어질수 있다.
정량적 척도에서 멀리 떨어져 있는 것들은 또한 숫자로 변환될수 있다.
예를 들어 정당의 정치력에 대한 사람들의 여론은 정량적으로 측정되는 것은 어려울수 있다.
그러나 만약에 대답 선택안이 질문지에 주어진다면 다양한 응답의 수효를 헤아릴수 있다.
데이아는 정량적으로 취급될 수가 있다.
센서스 수치, 경제 수치, 성과 측정 데이터와 과학적 연구 노력내 모든 측정은 모두 정량적 데이터의 전형적 예시이다.
정성적 데이터
정성적 데이터는 정확하게 측정될 수도 수효를 헤아릴수도 없고 일반적으로 숫자보다 단어로 표현되어진다.
본질적으로 인간과 사회, 문화 연구에서 조사되어지는 아이디어, 관습, 도덕관, 신념과 같은 인간 행위나 속성은 어느 정확한 방식으로 고정되거나 측정될 수는 없다.
결과적으로 이런 유형 데이터는 문자로 기술되어진다.
이는 정량적 데이터보다는 덜 가치있다는 것을 의미하지는 않는다.
사실상 그런 풍부함과 미묘함은 인간 사회에 대한 더 큰 식견을 불러올수 있다.
정성적 연구는 단어 의미의 신중한 정의, 개념 변수 개발, 이런 개념 변수들간의 상관관계 도시에 의존적이다.
풍부함, 행복감, 우정, 충성심과 같은 개념은 비록 기록되고 측정되기에 어려울지라도 사실적이고 추적가능하다.
관찰기록, 인터뷰 기록, 필사물 기록물, 모임 순간, 역사적 기록, 메모, 재수집, 기록영화 등 모두 정성적 데이터나의 전형적 예시이다.
몇몇은 사건이나 현상에 상당히 근접하게 기록되지만 다른 것들은 상당히 거리감있는 상당히 편집된 해석일수 있기 때문에 신뢰성 평가를 필수적으로 해야만 한다.
또한 정성적 데이터는 인간 해석이나 평가에 의존적이고 표준적인 방식에서 냉정하게 측정될 수가 없다.
정성적 데이터의 신뢰도와 완성도는 동일한 사건에 관계된 다양한 데이터 출처를 참조하여 점검해야 한다.
이는 삼각검증이라 한다.
특히나 인간에 대해 조사할때는 정성적 데이터와 정량적 데이터를 결합하여 모두 다루어보는 것이 좋다.
사실상 두가지 관점에서 보여질수 있는 수많은 데이터 유형이 있다.
예를 들어 연구하는 사람들 태도를 탐색할수 있는 질문지는 야망과 신념에 대한 정성적 데이터의 풍부한 출처를 제공하지만 스킬과 몰입 수준에 대한 정량적 데이터를 제공할수 있다.
여기서는 적합한 분석적 방법은 다루고 있는 데이터 유형에서 사용된다는 사실이 중요하다.
UX 디자인 유형별 가이드 ① 정성적 데이터를 중심으로
데이터 기반의 UX 디자인
UX design with Data analysis
이번 Di Curation은 월간 Di 208~211호에 연재된 ‘데이터 기반의 UX 디자인’을 담았다. 데이터를 통해 미래를예측할 수 있다. 그리고 이는 디자인 영역에서도 예외가아니다. 사용자의 요구사항과 경험에 반하지 않는, 최적의 UX를 위한 방법을 알아본다.
01. 데이터 분석을 기반으로 하는 UX 알아보기
02. UX 디자인 유형별 가이드 ① 정성적 데이터를 중심으로
03. UX 디자인 유형별 가이드 ② 정량적 데이터를 중심으로
04. UX 디자인과 웹 접근성 이슈
02. UX 디자인 유형별 가이드
① 정성적 데이터를 중심으로
정성적 평가를 통해 나온 데이터는 결정적인 직관을 제공한다. 기나 국가, 지
역적 환경을 고려해 퍼소나를 설정하고 도구를 통해 사용자의 행동을 관찰한
다. 사용자의 행동을 에스노그라피 인터뷰, 리커드 척도를 통한 사용성 테스트
인터뷰, 카드소팅 인터뷰 포커스그룹 인터뷰 등 다양한 방식을 통해 정성적인
데이터 결과를 도출한다. 정성적인 데이터 분석을 통해 단순히 데이터 결과를
내는 데 그치는 것이 아니라 UX 디자인의 문제점이나 해결 방안을 직관적으
로 도출해낼 수 있다.
데이터 유형 알아보기
데이터를 UX 디자인에 적용하기에 앞서 어떤 데이터를 이용할 것인지 결정하는 과정이 필요하다. 이는 모든 데이터의 특성이 다르기 때문이다. 데이터를 그 성격에 따라 크게 정성적 데이터(Qualitative Data)와 정량적 데이터(Quantitative Data)로 분류할 수 있다. 일반적으로 정성적·정량적 평가의 분류가 수집되는 데이터 유형에 의해 결정된다는 점을 고려해 그 의미를 정성적·정략적 데이터의 의미와 혼용했다.
정성적 데이터는 관찰이나 인터뷰와 같은 방법론을 통해 수집된다. 인터페이스를 이용하는 사용자들의 동기, 정서와 같은 영역을 파악하는데 용이하다. 수집된 데이터는 구조화 및 조직화해 분석되는데 연구자의 경험과 숙련도에 의해 많은 영향을 받는다.
정량적 데이터는 실험이나 설문지와 같은 방법론을 통해 측정된다. 클릭 횟수, 체류 시간, 오류 횟수와 같이 숫자로 표현될 수 있고 계산을 통해 새로운 지표를 만드는 것도 가능하다. 일정한 환경만 갖춘다면 누가 측정하느냐에 의해 영향을 받지 않는다. 하지만 숫자의 의미를 추론해 내는 과정이 수반된다. 다음의 상황을 통해 두 방법론 간 차이가 UX 디자인에 어떻게 영향을 미치는지 알아보자.
웹 사이트를 만들기 전, 메뉴를 적절하게 구성했는지를 평가하려 한다. 사용자들에게 특정 내용이 담긴 페이지를 탐색하기 위해 어떤 메뉴를 클릭할 것인 지 인터뷰를 진행했다. 사용자들은 공통적으로 하위 메뉴 A에 접근하기 어렵다고 보고했다. 일반적으로 A는 대메뉴 B에 속해 있기 때문에 혼동이 된다는 것이다. 동일한 과제에서 이번에는 사용자들의 메뉴 탐색 시간을 측정했다. 사용자들은 하위 메뉴 A에 접근할 때 가장 긴 시간이 걸렸다.
그러나 다른 메뉴와 비교했을 때 의미 있는 수준의 차이는 아니었다. 두 가지 데이터에서 공통적으로 알 수 있는 사실은 하위 메뉴 A에 접근하는 것이 어렵다는 점이다. 그러나 왜 탐색이 어려웠는지는 정성적 데이터에 기반하지 않고 판단하기 어렵다. 반대로 실제로 메뉴 탐색이 얼마나 어려웠는지, 메뉴를 변경해야 하는지를 결정하기 위해서는 정량적 데이터가 필요하다. 이처럼 두 가지 평가 방식을 통해 얻은 데이터는 상호보완적이다. 정성적 데이터를 통해 알 수 있는 사실은 정량적 방식을 활용했을 때 확인하기 어렵고 그 반대의 경우도 마찬가지다. 그러므로 기획 의도, 시간, 비용, 평가의 목적을 충분히 고려해 어떤 방식을 사용할 것인지 결정하는게 좋다.
정성적 평가와 UX 디자인
사용자 경험을 사용자, 인터페이스, 맥락으로 구성돼 있는 것으로 정의할 때, 정량적 평가는 대게 사용자와 인터페이스 간의 상호작용에 초점을 맞춘다. 반면 정성적 평가는 맥락을 함께 고려할 수 있다. 사용자들이 어떤 환경에서 인터페이스를 이용하는지를 이해하게 되면 무엇이 필요한지를 파악하기도 쉽기 때문에 정성적 평가는 정량적 평가보다 사용자 경험에 대해 더 훌륭한 직관을 제공하기도 한다. 그럼에도 불구하고 정성적 평가는 종종 데이터의 객관성과 일관성 문제로 인해 비판을 받는다. 앞서 설명한 것처럼 정성적 데이터가 수집되는 과정에는 사람의 개입이 불가피하다. 즉, 동일한 현상이라도 관찰자에 따라 정반대의 결과가 도출될 수 있다는 것이다. 이러한 정성적 평가의 특성은 결과를 얼마나 신뢰할 수 있는지에 의문을 제기하도록 만든다.
이러한 문제를 부분적으로 해결할 수 있는 방법 중 하나가 기존의 정성적 평가 방식에 정량적 데이터를 활용하는 것이다. 물론 충분한 훈련과 원칙을 지킨다면 정성적 평가만으로도 객관성을 확보할 수 있다. 하지만 우리는 지금부터 정성적 평가 방법에 데이터를 활용함으로써 어떻게 기존 보다 더 효율적으로 좋은 UX 디자인을 수행할 수 있는지에 대해 알아볼 것이다.
퍼소나 설정하기
퍼소나는 서비스를 기획하거나 개편에 들어가기 앞서, 사용자를 먼저 이해해 무엇을 원하고 어떤 방식으로 생각하고 행동할지 예상할 수 있게 도와준다. 퍼소나는 실제 사용자들을 대표할 수 있는 인물이 된다. 따라서 기존에는 사용자의 행동을 직접 관찰해 특징을 찾아내고, 이를 퍼소나로 표현했다. 하지만 이제 우리는 사용자의 모집과 관찰이라는 별다른 시간과 비용을 들이지 않고 객관적인 근거를 뒷받침한 참된 퍼소나를 설정할 수 있다. 퍼소나 설정에 참고할 수 있는 데이터 예시는 다음과 같다.
① 시공간적 환경: 국가, 지역, 날짜, 요일, 시간 등
시공간적 환경에 의한 집단은 그 특징에 따라 공통적인 문화를 지닐 수 있다. 국가 또는 지역은 해당 지리적 위치에 놓인 사용자들은 공통적이거나 유사한 지역적 문화와 특징, 사용하는 언어의 유사성 등을 갖게 된다. 서비스를 사용하는 사용자의 지역적 특징을 파악해, 지역 문화를 퍼소나의 특징으로 활용할 수 있다. 시간적 환경으로는 계절, 이벤트와 관련된 날짜, 요일과 같은 정보가 있다. ‘직장인’이라는 직업에 따른 시간적 특징을 이해해보자면, 출근 시간이 집중된 아침 시간과 오전 근무시간, 점심시간, 오후 근무시간, 퇴근 시간, 저녁 식사 시간, 취침 전 밤 시간, 새벽 시간과 같이 범위를 구분해 다양하게 관찰하고 특징을 얻어낼 수 있다.
② 기기적 환경: 기기, 화면 사이즈 및 해상도
기기적 환경은 서비스가 사용자에게 전달되는 서비스의 화면, 그리고 사용자의 행태 방식을 결정짓는 데 중요한 역할을 한다. 데스크톱, 모바일 각 환경은 기기의 주변 상황이나, 인터랙션 수단, 화면의 사이즈와 해상도 정도에서 큰 차이를 나타낼 수 있다. 각 기기 환경 별로 대표할 수 있는 특징을 다음과 같이 정리할 수 있다.
데스크톱 환경: 책상의 데스크톱이나 노트북을 사용하는 비교적 고정된 환경, 랜선 또는 무선 인터넷 와이파이를 사용한 인터넷 환경, 키보드와 마우스를 이용한 정교한 인터랙션 수단, 모바일보다 큰 화면 사이즈, 높은 화면 해상도, 가로 화면
모바일 환경: 태블릿이나 휴대폰을 사용하는 이동이 자유로운 환경, 무선 인터넷 와이파이 또는 통신사에서 제공하는 3G·LTE 데이터망을 사용한 무선 인터넷 환경, 손으로 직접 터치해 인터랙션, 데스크톱에 비해 작은 화면 사이즈, 낮은 화면 해상도, 세로 화면
③ 서비스 접근 계기 및 수단: 유입 경로 등
서비스의 접근 계기 및 수단은 퍼소나에서 사용자의 목적이 무엇인지, 그리고 그 목적 달성을 위한 의지의 강도가 얼마나 되는지, 서비스에 대한 기본적인 인지도나 관심의 정도 등을 파악하는 데 참고할 수 있는 정보다. 크게 마케팅 활동에 의해 유입된 사용자인지, 검색 유입과 같이 특정 목적의 달성을 위해 의도적으로 유입된 사용자인지 분류해 사용자의 유형을 파악할 수 있다.
사용자의 행동 관찰하기
실제 사용자의 행동을 관찰하고, 그 행동 속에 담긴 의미를 찾아내는 과정에서도 데이터를 활용할 수 있다.
일반적으로 사용자의 행동을 관찰하기 위해서, 사용자에게 자연스러운 환경을 제공하고 실제 사용 행동을 모니터 또는 별도 카메라로 녹화한 자료를 많이 사용한다. 이와 같은 기록물은, 관찰자가 정보 확인을 위해 각 기록물마다 다시 일일이 관찰해야 한다는 시간적 수고 비용이 따르게 된다.
사용자의 행동 관찰 단계에서 이러한 어려움을 보완하기 위해, Gaze Plot, 히트맵과 같은 데이터 기록 방식을 차용해 관찰을 보다 효율적으로 진행할 수 있다. 이러한 기록 방식은, 사용자 행동의 각 정보들을 적절한 UI(도형, 색, 선 등)로 표현해 오랫동안 관찰해야 하는 전체 행동을 한 페이지로 파악할 수 있도록 지원해준다.
① Gaze Plot Gaze Plot
으로 한 사용자의 행동 정보를 처음부터 끝까지 흐름 위주로 상세히 관찰할 수 있다. 사용자의 시선의 시작과 움직임 흐름, 그리고 각 이동한 위치에 대한 체류시간과 시선의 마지막 종료 지점 정보가 도형의 크기, 선 등과 같은 UI 정보로 담겨있다. 일반적으로 아이트래킹이라는 시선의 움직임을 추적하고 기록하는 도구를 활용해 Gaze Plot을 생성하고 분석한다. 아이트래킹 도구의 활용이 아니더라도 웹사이트에서 마우스 움직임을 추적하고 기록하여, 마우스가 어떤 위치에서 얼마나 체류했는지, 그리고 콘텐츠들을 훑어본 순서 등을 파악할 수 있다.
② 히트맵
Gaze Plot이 한 사용자의 행동 정보를 흐름에 따라 면밀히 관찰하는 방식이라면, 히트맵은 사용자의 전체 행동 정보를 흐름과 상관없이 구역별 분포 위주로 나타내는 방식이다. 사용자들이 클릭한 위치, 마우스 커서를 움직인 범위의 위치, 스크롤이 최종적으로 도달한 위치 등의 분포를 색상으로 나타낸히트맵으로 한눈에 파악할 수 있다. 숫자나 텍스트, 표, 통계 정보와 같이 어려운 방식으로 이해하지 않아도 되고 색상 정보로 직관적으로 이해할 수 있기 때문에 사용자의 행동을 관찰할 수 있는 방식으로 유용하게 쓰일 수 있다.
사용자의 행동 이해하기
가상의 사용자를 설정하고 실제 사용자의 행동을 관찰하는 방법 이외에도, 사용자의 목적이 무엇인지, 어떤 생각과 의도를 내포하고 있는지 등을 깊이 알아보고자 할 때는 인터뷰 방식을 활용할 수 있다. 인터뷰 방식에는 다양한 종류가 있다. 에스노그라피와 사용성 테스트 인터뷰와 같이, 행동을 관찰하고 평가한 이후 대화나 설문 형식으로 질문과 답변을 주고받는 진행 방법 외에도, 포커스그룹, 카드소팅인터뷰와 같은 방법으로도 사용자의 사고를 알아볼 수 있다.
① 에스노그라피 단계별 인터뷰
사용자를 이해하고 행동을 관찰한 이후 인터뷰 방식으로 이해할 수 있다. 이 인터뷰는 세 단계로 이뤄질 수 있는데, 사용자에게 답변이 한정될 수 있는 질문을 최대한 후기에 확인하고, 초기에는 사용자의 행동과 사고에 제한을 최소한으로 하기 위한 인터뷰 방식이다. 초기에는 알아보고자 하는 질문의 구체적인 답변을 얻지 못하더라도, 사용자 본인의 자유로운 생각과 의견, 목적에 대한 인터뷰를 진행할 수 있다. 그리고 중기에는 알아보고자 하는 정보와 초기에 발견한 패턴에 대한 부가정보를 알아보는 과정으로 볼 수 있다. 마지막 후기 인터뷰 단계에서는 앞에서 발견한 패턴과 정의된 가설로 사용자의 행동을 판단하기 전 마지막 검증을 위한 인터뷰로 마무리할 수 있다.
② 사용성 테스트 인터뷰
사용자에게 실제 또는 프로토타입의 제품을 실제로 사용해보게 한 뒤, 그 관찰과 사용 결과에 대한 인터뷰를 진행하는 방식이다. 사용자가 실제로 제품을 사용했기 때문에, 관찰자에 의한 평가가 아닌 사용자의 의견이 반영된 평가를 리커트(Likert)척도와 같은 수치로 제공받을 수 있다. 이 때 사용자의 정성적인 행동과 의견이 정량적인 지표로 변환되는 과정에서, 평가 기준에 대한 객관성 또는 일관성을 최대한 유지하는 것이 중요하지만 이에 대한 어려움과 제한이 따르게 된다. 따라서 각 과업에 대한 지표 같은 점수 이외에도, 사용자의 의견을 열린 형태로 수집할 수 있는 질문의 답변도 함께 수집해 사용자의 정량적인 평가에 대한 실질적인 이해를 도울 수 있다.
③ 포커스그룹 인터뷰
제품의 대상 시장에 맞는 사용자를 사전에 설정해, 그에 맞는 인터뷰 대상자를 여럿 모집하고, 모집한 대상자들에게 제품에 대한 의견을 자유롭게 나누도록 해 그 내용을 수집하는 방식이다. 실제 사용 행동 관찰에 대한 인터뷰보다는, 제품에 대한 인상, 브랜딩, 인식 등에 대한 정보를 파악하고 의견을 토론함으로써 다양한 아이데이션이 이뤄질 수 있다는 점에서 앞서 말한 인터뷰 방식과 차이점이 있다.
④ 카드소팅 인터뷰
카드소팅 또한 포커스그룹과 같이, 사용자의 행동 관찰에 의한 질문과 응답방식이 아닌, 사용자가 정보를 주도적으로 제공하는 방식이다. 제품에 대한 의견 또는 사용자가 이해한 제품의 구조를 카드 형태로 수집해 봄으로써, 의견을 자유롭고 산발적으로 받기보다 정해진 범위 내에서 제품의 위치와 현황을 좀 더 체계적으로 알아볼 수 있는 방식이다. 이때, 인터뷰 대상자에게 정보를 분류하는 능숙도가 필요하다는 어려움이 있지만, 한편으로는 열린 형태의 답변을 내기 부담스러워 하는 사용자에게 부담을 덜어줄 수 있다는 장점이 있을 수 있다.
마무리
이처럼 정성적인 평가 방식에 정량적인 데이터를 보완함으로써, 사용자를 이해하고 분석하는 과정 속에서 인사이트뿐 아니라 이를 뒷받침할 수 있는 객관성을 동시에 갖출 수 있다. 정량적인 데이터를 사용자의 퍼소나부터 행동, 의견들을 이해하는 것에서 그치는 것이 아니라, 문제점과 해결해야 하는 방향성을 제시하고 검증할 수 있는 근거자료로 활용한다면 효율적인 UX 디자인을 수행할 수 있을 것이다. 행동을 정성적인 관찰 및 수집으로 분석하는 방법 이외에도, 정량적인 데이터 위주로 사용자의 행동을 수집하고 그 값을 정성적인 인사이트로 해석하는 방법을 다음 글에서 알아보고자 한다.
Favorite
© DIGITAL iNSIGHT 디지털 인사이트. 무단전재 및 재배포 금지 뉴스콘텐츠는 저작권법 제7조 규정된 단서조항을 제외한 저작물로서 저작권법의 보호대상입니다. 본 기사를 개인블로그 및 홈페이지, 카페 등에 게재(링크)를 원하시는 분은 반드시 기사의 출처(로고)를 붙여주시기 바랍니다. 영리를 목적으로 하지 않더라도 출처 없이 본 기사를 재편집해 올린 해당 미디어에 대해서는 합법적인 절차(지적재산권법)에 따라 그 책임을 묻게 되며, 이에 따른 불이익은 책임지지 않습니다.
Tags
정성적 연구 대 정량적 연구의 이해
정성적 데이터는 측정하기 보다는 설명을 필요로 하는 정보를 수집합니다. 인상, 의견, 관점 등을 생각해 보세요. 정성적 설문조사는 덜 구조적이며 사람들의 동기, 사고 및 자세에 대한 정보를 확보하기 위해 주어진 주제를 심도 있게 파고듭니다. 이러한 방법은 연구 질문에 심도 있는 이해력을 제공하기도 하지만 결과를 분석하기에 더 어렵게 만듭니다.
정성적 조사란 무엇입니까?
● 정성적 조사는 수치 데이터 대신 행동 데이터에 초점을 맞춥니다. 정성적 조사에서는 표본보다 개인의 경험이 더 중요합니다.
● 정성적 조사를 수행할 때는 준비가 되어 있지 않은 자발적인 사용자로부터 데이터를 최대한 수집합니다. 그리고 질문에 제약을 두지 말고 사용자가 자유롭게 의견을 내놓을 수 있는 질문을 합니다.
● 정성적 조사는 일반적으로 정량적 조사에 비해 시간이 적게 걸리므로 프로세스 중에 데이터를 여러 번 분석할 수 있습니다.
● 디지털 기술 덕분에 정성적 조사 방식이 보다 유연하고 효과적인 형태로 진화했습니다. 참가자를 타겟팅하고, 응답의 품질을 관리하는 것이 더욱 수월해졌습니다.
키워드에 대한 정보 정 성적 데이터
다음은 Bing에서 정 성적 데이터 주제에 대한 검색 결과입니다. 필요한 경우 더 읽을 수 있습니다.
이 기사는 인터넷의 다양한 출처에서 편집되었습니다. 이 기사가 유용했기를 바랍니다. 이 기사가 유용하다고 생각되면 공유하십시오. 매우 감사합니다!
사람들이 주제에 대해 자주 검색하는 키워드 [데이터에듀] ADsP 1과목 정량데이터 vs 정성데이터
- 정량데이터
- 정성데이터
- adsp1과목
- 데이터열풍
- 빅데이터마케팅
- 빅데이터분석가
- 빅데이터취업
- 빅데이터문제집
- 빅데이터란
- 빅데이터활용사례
- 빅데이터전문가
- 빅데이터전문
- 빅데이터강의
- 빅데이터교육
- 빅데이터분석
- 데이터에듀
- adsp
- adp
- 빅데이터
- 데이터분석
- 데이터분석준전문가
- 데이터베이스정의
- 빅데이터비지니스모델
- 데이터의가치
- 데이터의미래
- 데이터베이스용어
- 빅데이터자격증
- 딥러닝
- 파이썬
- R프로그램
- 데이터
- 파이썬강좌
- 딥러닝강좌
- adsp강좌
- 파이썬강의
- 딥러닝강의
- adsp강의
- 데이터분석기획
YouTube에서 정 성적 데이터 주제의 다른 동영상 보기
주제에 대한 기사를 시청해 주셔서 감사합니다 [데이터에듀] ADsP 1과목 정량데이터 vs 정성데이터 | 정 성적 데이터, 이 기사가 유용하다고 생각되면 공유하십시오, 매우 감사합니다.
