Combien de participants suffisent ? Taille des échantillons pour la recherche UX

1. Introduction: Salut, je m'appelle Gavin Lou. Et imaginez le directeur Bold Insight, un cabinet de conseil UX mondial basé à Chicago. Je fais ton ex depuis environ 25 ans maintenant. Au cours des 10 dernières années, j'ai enseigné des cours de deuxième cycle dans diverses universités. Ce que j'aimerais faire dans cette série, c'est ramener la science dans UX. Dans cette classe. Je veux qu'il réponde à la question. Combien de participants suffisent ? C' est une question de taille d'échantillon. C' est vraiment important parce que les participants coûtent du temps et de l'argent et un élément clé de tout projet de recherche que vous faites. Donc, ce que j'aimerais faire, c'est vous donner les points de vue de ce que les gens disent en termes de règles empiriques, jusqu'à la science et la rationalité derrière elle. Vous pouvez donc justifier la taille de l'échantillon que vous choisissez, ce soit 57 21 ou beaucoup plus. Donc, tout au long de cette série, nous allons avoir un certain nombre de sujets que j'ai pendant mes cours. J' espère que vous apprécierez 2. Définissons la recherche: Donc la réponse. Combien de participants suffisent ? Commençons par définir la recherche sur l'expérience utilisateur parce que je pense que c'est vraiment important pour nous de comprendre le type d'études qui nécessitent différents types de résultats mais aussi différents types de participants et un nombre différent de participants. Donc, la première chose dont je veux parler est que les études de marché et la recherche sur l'expérience utilisateur sont très complémentaires. Donc, quand je pense à combien de participants est suffisant, cela dépend vraiment du type d'étude. Donc, ce que je veux faire, c'est m'assurer que nous sommes tous sur la même page que sur le type de recherche qui est en cours. Et commençons le plus haut niveau. La différence entre l'expérience utilisateur, la recherche et l'étude de marché. Ils sont très gratuits, mais ils sont différents dans les études de marché. Vous essayez de poser des questions telles que Quelles sont les fonctionnalités recherchées par les gens ? Qu' ont-ils inspiré pour savoir si leurs besoins et souvent combien vont-ils payer ? Maintenant ? Ces questions sont très importantes dans un produit de construction, mais ce que vous tirez de là, c'est que vous devez construire quelque chose, et c'est là que vous X intervient. C' est là que la recherche X intervient, où vous prenez des recherches à partir d' un prototype, d'un design, et vous informez que le design est amélioré. Donc, à certains égards, j'aime penser que les études de marché sont de nature très comportementale. Il parle de quels sont les éléments de l'analyse de rentabilisation, mais ensuite vous X recherche prend pour construire réellement. Donc, dans un certain sens, c'est assurer la livraison de la marque. C' est s'assurer que le produit est bon et donc ce sont les comportements qui comptent. Ce n'est pas ce à quoi les gens aspirent, ce que c'est ce qu'ils en font, mais ils le touchent. Il ne s'agit donc pas de l'esthétique. Il ne s'agit pas d'opinions ou d'acceptation. Quand nous parlons de vous X, il s'agit de comportement, et ces tailles d'échantillon sont différentes. Ensuite, ceux qui sont aspirants et fondamentalement quand nous pensons à vous sort vraiment deux choses. C' est la mesure. Comment capturer cette expérience et comment la changer ? Parce que les informations que nous recueillons serviront en fait à informer la conception, façonner la ligne dans la conception que vous voulez vraiment, et finalement c'est le comportement que vous voulez. Alors quoi, on nous cherche. Combien de participants avez-vous besoin ? Donc, dans cette classe aimerait que vous fassiez est comme un exercice. Considérez deux choses. Considérez l'appareil a et l'appareil. Imaginez. L' appareil A est votre produit existant. C' est un produit de nouvelle génération. Où est l'appareil ? Il peut s'agir d'une partie compétitive, ou peut-être d'une version plus ancienne de cette gamme de produits. Mais essentiellement, la question est, dispositif est-il un meilleur que le dispositif parler ? Et combien de participants devriez-vous tester ? Cela vous donnera une justification suffisante dans la différence que vous pourriez alors effectivement agir sur elle et changer de conception, Prendre une décision d'affaires ? C' est ce que nous recherchions quand nous pensons à ce qui est juste. Taille de l'échantillon, ok, et comment capturer les expériences ? Ce que j'aimerais faire quand je dis justifier, c'est que j'aimerais ramener de la science dans l' expérience utilisateur . Ce que ça veut dire, c'est j'aimerais vous dire ce que j'aimerais vraiment avoir appris à l'université. 10 ans après mes études supérieures, je commence à voir toutes ces pièces entrer en jeu en termes de taille d'échantillon, justifie. Combien ça suffit ? J' aimerais inclure ça dans ce cours pour que tu puisses avoir une idée de ce que j' aurais vraiment aimé que quelqu'un m'ait parlé à l'école supérieure 3. Pourquoi le nombre des participants is important ?: Donc, dans cette prochaine section de ce que je veux faire est de parler d'anciens tests pour la recherche sur l' expérience utilisateur . Donc c'est la chose typique. Vous obtenez des gens ici quand ils pensent à un test de convivialité. Mais avant d'en arriver là, je veux que tout le monde réfléchisse aux raisons pour lesquelles les participants, et il est important de savoir combien en sont assez. C' est une question très importante pour nous de réfléchir car, pour être honnête, les participants coûtent cher. Ils coûtent de l'argent pour recruter ou ils prennent votre temps pour recruter. Quand ils entrent, vous devez leur payer une indemnité. Il faut du temps pour recueillir leurs données. Imaginez que vous exécutiez six participants contre 100 participants, la première de 1000 participants prend du temps, et qu'il faut aussi du temps pour analyser et synthétiser toutes ces données. Donc, quand on pense à la taille de l'échantillon, c'est souvent considéré comme un coût. Mais il est aussi temps, temps d'analyser et un grand engagement de temps. Donc se sentir vraiment à l'aise, se sentir très confiant et justifiant le bon nombre de participants que suffisant pour vous obtenir la réponse et vous pouvez croire que c'est la clé parce que c'est une question importante. Donc, notre but ici est d'apprendre. Quel est le nombre minimum de participants qui nous donnera l'assurance que nous pouvons agir sur ce que nous avons trouvé. Ok, donc ce que tu vas apprendre dans cette section, c'est combien ? Eh bien, ça dépend. Et ce que je vais faire, c'est vous dire que cela dépend de la question d'essayer de répondre au type de données dont vous avez besoin et au type de recherche. Alors quoi ? J' aimerais vous présenter un arbre de décision. Et dans les sections suivantes et la section, vous passerez à travers les éléments de l'arbre de décision. Cela devrait vous donner une bonne idée de la façon dont je décompose la question en fonction du type d' étude qui, en fin de compte, vous donnera le nombre de participants. Donc, la première partie de ceci est l'entrée est de penser à combien de participants votre première question est, il l'a formé ou qui est sur elle. Et ce que j'aime penser à la formation, c'est comme je l'ai mentionné, c'est un test de convivialité, et l'image que je vous montre ici est une photo de quelqu'un qui, vous pouvez le dire, fait une recette dans la cuisine. Ils construisent un plat. Ok, c'est formatif. Ils essaient d'affiner la recette elle-même. Maintenant, c'est différent de Summit, où en résumé c'est plus comme, Hey, Hey, ce n'est pas tester la recette ou en fait avoir tous les invités pour le dîner maintenant est l'endroit où le caoutchouc rencontre la route. Il est temps de jouer. Alors que formative nous pouvons apprendre du sommet. C' est la vraie affaire. Donc, dans cet exemple que je vous montre penser à formative est très utile pour le stade précoce. C' est utile pour la qualité. Ça a tendance à être un diagnostic. Ce que tu vois en face de toi, c'est un ami. Il n'a pas toutes les cloches et les sifflets. Ce n'est pas tout le traitement graphique parce que nous testons les fondations parce que nous pourrions les améliorer et les améliorer. C' est formatif. Nous pouvons informer la conception. Donc une question typique, quelqu'un pourrait poser. Nous voulons améliorer le site Web où il est ouvert afin que les utilisateurs puissent trouver plus facilement ce qu'ils recherchent. C' est une forme classique d'étude, maintenant que certaines études légèrement différentes, c'est un peu plus tard dans le cycle de développement. Ça pourrait être une vérification. Vous pourriez être benchmarking et d'autres produits. C' est un peu plus de quantité et une question comme je vous l'ai montré dans la photo, c'est peut-être une étiquette de drogue, et nous essayons de comprendre que cette étiquette de médicament nous voulons être sûrs qu'elle n' augmentera pas le nombre de médicaments les erreurs conduisent à ce type de confusion. Fente dans une question différente un peu mawr plus tard dans le cycle de vie, et c'est un sommet d'étude. Et voilà le genre de domaines auxquels vous devez réfléchir lorsque nous abordons le nombre participants qui testent. 4. Tests d'utilisateur formatives: dans cette section, je voudrais parler de la forme de test de convivialité test de convivialité pour l'expérience utilisateur. recherche tend à être le type très classique de la recherche sur le pain et le beurre qui a servi à informer ALS I pour améliorer les conceptions. C' est très important pour la méthodologie de conception centrée sur l'utilisateur. C' est quelque chose que la plupart d'entre nous apprennent à faire quand ils commencent leur dernière carrière. Ce faisant, lorsque nous pensons à l'avance des tests, nous ne courons pas des centaines, même 20, 30 ou 50 participants. Nous avons tendance à courir un très petit nombre, le rationnel autour de son concept de ce Magic cinq et je vais y entrer. Et ce que je veux faire, c'est parler des participants dont vous avez besoin, combien et vous donner un peu plus de science derrière ce qui se passe. Donc, en Floride générale des tests de convivialité nécessite moins de participants dans quelque chose, et la raison est que vous voulez trouver d'une certaine façon le nombre minimum de participants pour trouver le plus ou maximiser le nombre de problèmes. Donc, idéalement, vous voulez seulement vraiment chercher les problèmes graves que vous corrigez, puis testé à nouveau et continuer ce processus de conception analphabète pour arriver à la vérité, pour améliorer votre conception. Et ce faisant, il est souvent préférable d'utiliser un échantillon plus petit, qui est là où nous arrivons dans ce concept de feu magique. Il a été dit que vous avez seulement besoin de cinq participants pour exécuter ces tests de construction et, d'une certaine manière a commencé avec Jacob en utilisant son. Il l'appelait le fichier magique. Et la raison d'être ici est que vous nombre parfait est cinq participants. Tu n'en as plus besoin. C' est ce que dit Jacob. D' un autre côté, vous en avez d'autres, ce soit Jared Spool, Malek, d'autres chercheurs qui examinent cette question est assez cinq, et c'est là que je veux vous laisser. Je veux que vous réfléchissiez à tout ce qui s'est passé pour que lorsque vous prenez votre décision, vous puissiez la justifier et vous puissiez vivre avec les résultats. Vous pouvez créer votre étude, concevoir, l' exécuter, analyser et faire fonctionner les choses. Sachant si vous avez choisi cinq pour sept, 15 ou 21, je veux que vous puissiez justifier pourquoi vous avez choisi le feu magique. Vous pouvez voir un graphique ici sur l'axe X. Il montre le nombre de problèmes de convivialité vers le bas. Donc vraiment, vous voulez trouver beaucoup de gens à combien voulez-vous vraiment tester ? Et la logique ici, c'est que si tu testes personne, tu n'auras aucun insecte. Si vous testez un participant, vous remarquerez sur la ligne. Il obtient environ 25 30% des problèmes de convivialité là-bas. Il est donc là avec un participant pour trouver 1/3 des problèmes. Mais généralement 1/3 ne suffit pas. Vous voulez faire un peu plus si vous testez un second but. Cette deuxième partie n'est pas va trouver certains des mêmes problèmes que la première a fait et à partir de nouveaux . Lorsque vous allez à 1/3 participant, ils continueront à ajouter au nombre de problèmes et continueront à trouver les problèmes que les autres ont fait. Donc, avec trois participants, vous obtenez vraiment près que 70 60% gamme de foin du nombre de problèmes là-bas qui existe dans cet appareil qui interface trois personnes confiné environ 60% des débutants. Comme vous obtenez mawr et Mawr participants, vous trouvez de moins en moins nouveaux problèmes font des problèmes. C' est ce qu'on appelle des rendements diminuants. Le concept. années après le cinquième participant, vous commencez à perdre du temps et de l'argent parce que vous obtenez les mêmes résultats encore et encore, et ceux qui ont participé au test de convivialité. J' exhorte les gens à le faire. Si vous êtes assis dans un test et que vous avez peut-être passé cinq ou six participants en une seule journée, vous verrez ce concept de rendements décroissants que j'ai prouvé que les gens qui sont vice-président sont assis à l'arrière de la salle, et ils me regardent dans hago. C' est le premier jour. 16 jour sur sept, les gens ont lamentablement échoué à ce casting, et ils ont tous dit à peu près la même chose. Quel est ton pari ? Que demain, si nous devions faire exactement la même tâche sur sept nouveaux participants allaient voir six d' entre eux. C' est le concept de rendements décroissants. Tu vas continuer à ajouter plus de participants, mais tu n'as pas plus de perspicacité. Nous voyons toujours le même problème, et c'est vraiment la logique qui a été utilisée par Jacob. Et si vous prenez cela à l'extrême en utilisant sa logique avec 15 participants, vous allez trouver 100% des principaux problèmes de convivialité de gros frappeur, et c'est pourquoi vous n'avez pas nécessairement besoin de 1 15 maintenant. Comme je l'ai mentionné, il y a des écoles de pensée et d'autres personnes qui ont essayé d'enquêter si 5 15 ou assez et ils arrivent à la conclusion numéro. Ce n'est pas suffisant. Vous avez besoin de beaucoup plus de cinq pour trouver ce que vous cherchez. Alors, qu'est-ce que tu fais maintenant ? Vous avez une pensée à l'école sur cinq, une autre école de pensée qui dit beaucoup plus que de briser la science de ça. Je parle de rendements diminuants. Le plus grand coup pour votre argent est dans le droit a 55 résultats. Faites un changement, testez cinq autres et continuez à le faire. C' est le meilleur r a y. vous allez avoir le visage sur le processus de conception centré sur l'utilisateur. Mais nous allons décomposer comment Jacob Nielson a réellement trouvé ce souffle. Donc je vous montre encore le graphique. Croyez-le ou non, ce n'est pas basé sur des données réelles. Ce n'est pas basé sur les participants réels. Ce qu'il s'agit d'une approximation statistique. C' est une probabilité binomiale, essentiellement posé deux questions. Quelle est la probabilité que vous allez trouver un problème de convivialité ? Il est basé uniquement sur le nombre de problèmes que vous voulez réellement trouver. Tu veux en trouver beaucoup ? Dis 99 % ? Sur quoi voulez-vous trouver la plupart d'entre eux ? Disons que 85 % c'est la première place. La deuxième question est Quelle est la difficulté de trouver les problèmes ? Vous pouvez imaginer qu'il y a ces problèmes qui vous frappent en plein visage. Ce sont les gros problèmes, et c'est ce que Jacob mange et pense généralement. Quand il a écrit son livre, je suis l'ingénierie de la facilité d'utilisation. Il pensait aux gros problèmes, aux showstoppers. Donc, si vous vouliez trouver la plupart des bouchons de spectacle, il pensait que cinq participants ne l'étaient pas. Ce que je veux faire, c'est te donner le sci fi que je suis par non. Donc ce que vous voyez ici et je donne tout le mérite dans le monde, juste Sora. Il exécute le cycle de mesure de la facilité d'utilisation dot com. Je vous exhorte à y aller. Il a de grands articles et des calculatrices, et j'en ai tiré un de l'intérieur. C' est un calculateur de taille d'échantillon pour les problèmes Severin dans un test de convivialité ou une interface utilisateur , donc fondamentalement il n'y a que quelques valeurs. Vous l'avez dit, vous avez mis combien de problèmes voulez-vous trouver ? Et dans cet exemple, 85. Alors trouvons la plupart des problèmes alors. La question suivante est Quelle est la difficulté de trouver le problème ? Et c'est un pourcentage. Et dans ce cas, j'ai mis 0,3 ou à peu près. Vous savez, trois personnes sur dix vont trouver ce problème, donc je ne vais pas le mettre là où c'est Oh mon Dieu, c'est vraiment difficile de trouver seulement une personne sur 100. Une personne sur trois va rencontrer ce problème, et je veux en trouver la plupart. Lorsque vous mettez ce calcul, ces deux variables dans la calculatrice de douleurs pour la taille de l'échantillon. Vous voyez 5.3 personnes sont nécessaires pour découvrir la plupart 85% du problème, sachant que le problème est arrivé un sur tous les 33 C'est le numéro magique cinq. C' est aussi simple que ça. Donc, si tu devais te décomposer et dire, , Et si on voulait trouver un autre ensemble de problèmes ? Je voulais Onley trouver des choses qui se sont produites très souvent, donc je le changerais dans le premier exemple, je veux trouver tous les problèmes qui se sont produits dans un sur deux. Donc vous pouvez imaginer que vous faites un test. Vous ne trouvez peut-être pas le problème, mais vous trouvez un autre problème dans une autre tâche. Eh bien, s'il y a une autre personne qui prend ce jour, découvrez le problème. Donc, cela arrive plus souvent. Si vous voulez trouver tous les problèmes qui se sont produits avec seulement deux personnes, qu'est-ce que deux personnes vont le voir ? Vous avez besoin de 6,6 ou sept personnes. Tu vois les chiffres à changer ou quoi ? Si tu voulais dire non ? Tu sais quoi ? Ça va être libéré 40 millions de personnes. J' ai besoin de trouver beaucoup de petits problèmes ainsi que des gros problèmes. Alors rendons plus difficile de trouver un problème. Donc je veux trouver tous les problèmes. 99 %. Mais je ne veux rien trouver avec Zach au visage. Mais ça pourrait prendre un sur cinq. Donc, le problème que 20% de vos utilisateurs vont avoir maintenant qui pourrait sembler être un problème difficile. Imaginez que 40 millions de personnes vont l'utiliser un sur cinq de ces 40 millions qui auront ce problème. C' est un gros problème. Il ne s'empile pas dans le visage. Dans ce cas, vous avez besoin de 21 participants. Donc, fondamentalement, vous pouvez construire votre propre capture. Tu pourrais dire, tu sais quoi ? Je veux trouver ces problèmes, mais je cherche seulement à montrer des bouchons. J' ai peut-être cinq ou sept ans, mais si je veux vraiment creuser un peu plus profondément, trouver des problèmes que vous savez ce que Quatre personnes ont traversé. Mais généralement, comme la cinquième personne a quelques problèmes. Maintenant, nous avons besoin d'avoir plus de participants. C' est là que vous pouvez construire votre orteil de confiance. Comprenez combien de participants je devrais avoir, ce soit cinq ou vous savez quoi, je me sens plus à l'aise si c'est 21 ans parce que je cherche dans mon problème ici, tous les problèmes et c'est 20% du temps que vous allez trouver. Mais il y a d'autres problèmes. Alors quoi, vous venez avec votre numéro, vous justifiez 57 Quel que soit le nombre que vous justifiez. Il y a aussi d'autres raisons d'avoir plus de gens dans votre fils. Un exemple est que vous avez des utilisateurs différents. Vous devez les groupes d'utilisateurs ce que vous voulez faire est, vous pouvez envisager de doubler votre échantillon. Donc si tu décidais de sept maintenant, tu pourrais courir 14 ans. Ou peut-être que vous voulez faire un hybride où, vous savez, il y a beaucoup de chevauchement. Votre test, un patient dans l'infirmière. Ils sont différents, mais il y a un peu de chevauchement sur leurs tâches. Peut-être que tu testes quatre et quatre, et j'ai huit ans. Donc, au lieu d'en avoir cinq, tu l'as compris. Ok, donc c'est une considération qu'une autre pourrait être, comme je peux vous montrer ici que le site de santé des enfants vous avez une section parents, une section enfants et une section adolescente. Maintenant, nous avons trois groupes d'utilisateurs. Maintenant, vous pouvez envisager si j'ai commencé avec cinq ma cible ou sept et le multiplier par trois et maintenant en retraite 15 participants, cinq dans chaque pièce. C' est ainsi que vous construisez et justifiez le nombre de participants dont vous avez besoin. L' autre raison pour laquelle vous pourriez vouloir plus de participants est la complexité. Dans l'exemple. Ici, vous cherchez la modélisation de chat. Vous pourriez avoir beaucoup de tâches, ou peut-être vraiment complexe, et un utilisateur de votre session ne peut pas effectuer les 20 tâches. Alors peut-être que je vais avoir un échantillon où la moitié de mon groupe fait environ 10 tâches et une autre moitié fait les 10 autres passées. Dans ce cas, si j'ai choisi sept participants, j'ai besoin de 14 pour pouvoir couvrir toutes les tâches dans les tailles d'échantillon que j'ai décidé de justifier. Donc c'était la façon dont vous vous êtes fixé sur un numéro, vous justifiez avoir votre bonne confiance, et ensuite vous considérez, Ai-je assez de participants ? Parce que si les groupes d'utilisateurs étaient de la complexité, Mais soyons aussi honnêtes. C' est une neige. J' ai eu des situations où je regarde quelqu'un, et le directeur du marketing dit qu'ils proviennent d'une étude de marché, l'expérience utilisateur et dit, Hey, je ne vais pas le croire si je n'ont que cinq participants, même si vous l'avez fait, il dit que j'ai besoin de 50 participants. Et croyez-moi, si j'ai attaché cette personne et que je lui ai demandé de regarder 50 participants par le participant 25 26 27 ils sentiront des rendements décroissants. Mais en fin de compte, cette personne ne va pas s'asseoir, et vous devez convaincre cette partie prenante de faire un changement. Dans ce cas, c'est une sculpture, donc peut-être cinq ne suffisent pas, même si vous pouviez la justifier et vous choisissez 20 tiers parce que quelqu'un agira sur autant de participants. Il vous fournit le confort et la confiance que les gens que vous trouvez trouver sur les menteurs qui est l'odeur. Vérifie. Donc, lorsque vous pensez à une forme de test, il s'agit vraiment de la question hors jeu. Je fais un test d'utilisabilité. Tu sais, la magie numéro cinq. Moi. J' ai besoin d'un peu plus pour diverses raisons, que ce soit un type de difficulté ou j'ai juste besoin de plus pour justifier la vérification orthographique. Comme vous pensez à ce genre de choses, vous allez marcher à travers le vieux justifié. Donc ce que je viens de décrire si je vous ramène à l'exercice initial, c'est ah, étude formative est la facilité d'utilisation. C' est qu'est-ce que tu n'évaluais qu'une chose ? Vice A. Ce n'est pas le vice et contre de glace T seul dispositif A et à la question, combien de participants ? Donc je dois tester si je teste juste l'appareil A. J'espère que grâce à cet exercice, vous devriez être en mesure de justifier votre recommandation. Aller à l'arbre de décision sur lequel il va être basé est un formatif, ok, c'est pour eux. Quel genre de problèmes. Je veux voir combien de personnes, quelle est la complexité, combien de groupes d'utilisateurs et, finalement, quelle est mon odeur ? Vérifiez et c'est ainsi que vous définissez la taille de l'échantillon en fonction de. 5. Réinitialiser des recherches somatiques: Donc, dans les sections suivantes, je veux parler de la plus grande taille de l'échantillon Mawr sommted recherche. Comme je l'ai déjà mentionné. C' est le moment où ce n'est pas formatif. Nous ne préparons pas la recette ou ne sommes pas prêts pour un dîner formel. On va lancer ce produit. Avant d'entrer, je veux donner à tout le monde un exemple de ce concept à partir d'un peu de beurre ou précision. Donc, dans l'exercice de cours à nouveau, vous pensez de dispositif un contre de la glace être. Nous parlons toujours d'un seul appareil, et nous essayons de comprendre combien de participants vous avez besoin. Donc, quand je pense à ça, nous devons nous demander combien de participants j'ai besoin quand je sais que la taille de l'échantillon va être un peu plus élevée. Et la première question que je vais vous poser est que si vous planifiez un dîner, vous planifiez le plein de produits. Voulez-vous vraiment connaître la réponse définitivement, ou voulez-vous juste une direction ? J' aime poser cette question, et elle se pose vraiment parce que souvent les gens veulent faire les recherches habituelles et qu'ils veulent comprendre et y répondre. Mais combien savent-ils combien ils veulent vraiment savoir. C' est définitivement ? Ou j'aime juste connaître la direction, parce que si c'est directionnel, c'est comme mettre votre orteil dans l'eau pour voir à quel point c'est froid dans ce cas, je recommande d'utiliser la même logique que j'ai utilisée avec Formative 57 21 participants ce contrôle d'odeur. C' est la notion de la question directionnelle de mettre ton orteil dans l'eau si ça va être un problème ou si ça va aller. Cela fonctionne vraiment avec l'avant de la logique en utilisant cette éruption maintenant. Mais si quelqu'un regarde et dit, tu sais quoi ? Non, j'ai vraiment besoin de le savoir définitivement. Maintenant, nous entrons dans un monde où quelqu'un pourrait dire, vous savez, cette décision va affecter 40 millions de personnes. J' ai besoin d'un peu plus avec un plus haut degré de précision. C' est là que tu as besoin de connaître la vérité. Et c'est là que la taille de l'échantillon est plus élevée. Ok, donc ce que je veux faire, c'est que tu penses à cette notion de réponse définitive et c'est mon terme, et j'utilise encore ça. Je vous l'ai dit, sont les choses que j'aimerais que les gens me disent à l'école supérieure que je vais appeler ça procédure. Donc tu l'es. Vous avez une cible et vous voulez savoir si ce que vous avez trouvé dans l'étude ? Le score que vous avez trouvé est qu'il généraliser à base de plantes à ce qui se passerait dans la population réelle . On ne va pas tester tout le monde dans le monde. Donc je vais prendre un petit échantillon et je vais le tester. Je vais obtenir un résultat. Est-ce que le résultat Generalize, à plantes. Et pour ce faire, ce que je veux faire est de penser à la différence entre A et B. Vous avez l'appareil A et vous avez l'appareil être. On obtient des données sur A et B. Sont-ils différents ? Mais pensons à la précision. Et la façon la plus simple que je puisse faire pour vous, c'est de vous donner cette idée. Qu' est-ce qu'un score ? Ah, un seul score. Nous aimons dans ce monde d'avoir un moyen pour tout le monde peut passer ce test, mais nous aimons toujours penser à la moyenne. Pensez donc au taux d'approbation. Vous avez plein de gens qui ont une cote d'approbation présidentielle. Vous obtenez un numéro, mais ce nombre précis n' est pas vraiment, est-il généraliser capable à la population une des choses que nous réalisons est si nous devions prendre toutes les données d'une étude, ce soit 20 participants ou des centaines ou des milliers, tout le monde ne marque pas quand vous le dites, vous pouvez les mettre sur une courbe, comme je le vois ici. Et ce qui est intéressant à ce sujet, c'est que lorsque vous obtenez une moyenne, le reste de la courbe décrit les gens de variation qui sont un peu plus élevés que cela . Les gens qui sont un peu plus bas. Et ce qui est vraiment sympa dans ce concept de son normal dans les statistiques, c'est que si vous preniez toutes ces données, j'obtiens une moyenne et je pourrais commencer à comprendre les caractéristiques de cet ensemble de données et que je vais vous donner un exemple juste pour donner à tout le monde le sens. Qu' est-ce que ça veut dire de collecter des données qui ressemblent à un nombre ou à un score ? Voici donc une question simple. Je vais vous montrer une photo dans un instant de gens, et tout ce que vous avez besoin de répondre est une seule question. La seule question est un homme portant une chemise rouge, donc je vais vous montrer la photo. Tout ce que tu as à faire, c'est décider. Oui, monsieur. Maintenant, vous allez voir un chiffre qui passe et comme c'est le temps et ça montre 123 tous vous montrer le temps et tout ce que j'ai besoin que vous fassiez mentalement, c'est de dire que l'homme portant une chemise rouge vous pensez oui ou maintenant. Et tu sais juste le temps qu'il t'a fallu pour que ça arrive ? Ok, tu l'as donc c'est une question oui ou non. Il y a un correct et incorrect. C' est une mesure de précision ou d'efficacité. Et disons que si nous prenons tous les participants regardaient au cours du mois donné, c'est 77% correct. Ok, vous avez aussi le rapport du temps lui-même, mais vous m'en avez parlé, m'avez pris trois secondes et j'ai dit oui. Certains disent non, ça m'a pris quatre secondes. Vous avez deux points de données dans cette simple question. Eh bien, et vous pourriez imaginer recueillir beaucoup d'autres questions sur la satisfaction. Autres variables. Mais dans cette simple question de est un homme portant une chemise rouge que nous avons recueilli aux joueurs. Ok, donc je vais te donner une tâche un peu plus difficile. C' est un cadre hospitalier. Le médecin est préoccupé par les patients M C H car il est maintenant plus élevé que la normale. La question est simplement, le 27 janvier 2001, la valeur N. C H des patients était plus élevée que la normale ? Vous décidez oui ou non et vous connaissez le temps qu'il a fallu. Combien de personnes ont oublié la question ? Voilà quelques-uns des défis que nous avons à relever. J' ai fait sauter la table pour vous, et vous pourriez la regarder le 27 janvier et je glisserai vers la colonne authentique. Et puis je regarderai le 27 janvier 2001. Je vais jusqu'au M, C, C, H Value et à l'emcee. Chaque valeur est 30,8, et c'est blanc. Et regarde ma légende. C' est normal. Donc, la valeur du stade Pacers m était plus élevée que la normale ? La réponse ne va pas, et je fais sauter ça pour que tu puisses y jeter un coup d'oeil. Mais c'est un processus de pensée. Vous trouvez le jour, allez à travers et regardez, puis vous vérifiez la légende, et probablement vous allez et venez. C' est comme ça que les gens viennent avec la réponse. Certains des défis que certains oublient. La réponse. J' ai une mesure de précision dans le temps. Mais que faites-vous si quelqu'un a oublié le cancer ? qui peut arriver ? Et tu prends le temps de quelqu'un qui a oublié la réponse ? Ce que je fais est de poser une question simple, et c'est si quelqu'un a obtenu la réponse, non ? Oui, ils auraient pu deviner. Mais ceux qui ont obtenu la réponse juste au moment est une mesure d'eux en descendant la colonne regardant à travers M. C. h. La légende remonte pour confirmer que c'est une mesure de cette efficacité. Si quelqu'un était incorrect, vous n'avez aucune idée de ce qu'ils faisaient. Donc lier ne reflète pas vraiment ce qu'ils pensent parce que vous ne savez pas ce qu'ils ont fait . Alors que s'ils ont obtenu la bonne réponse, vous êtes plus susceptible de penser qu'il y avait une efficacité dans le processus qu'ils ont utilisé. Alors rappelez-vous votre collecte de deux mesures précision et précision de temps est vraiment important de sentir beaucoup de gens échouent. C' est peut-être plus important que d'échouer, mais le genre d'événements est vraiment rapide. Ok, donc avec ces deux mesures, la question se pose avec j'ai un numéro. Combien de participants dois-je me sentir confiant que je devais généraliser ce nombre afin qu'il soit réel pour précis, et puis cette prochaine section sera en fait vous taille de selle 6. Combien de participants dois-je tes ?: J' ai donc parlé de ce concept de faire une étude et d'obtenir un nombre et de penser que ce chiffre est précis. C' est généralisé. Combien de personnes avez-vous besoin pour faire ça ? Et quand vous pensez à obtenir un nombre et à recueillir des participants, beaucoup de gens pensent aux statistiques et à ce que beaucoup de gens pensent du personnel. Ils pensent à ça. C' est une photo. Ah, USA Today ou un fait oy. C' est un numéro qui a mis dans un très beau projet, et c'est poli. C' est ce à quoi les gens pensent quand on pense au personnel. Et ce que je veux que vous pensiez, c'est ce qui est une taille d'échantillon qui vous fera sentir aise qu'on puisse généraliser la recherche de Teoh. Alors imaginez un monde et vous pouvez voir cette image de beaucoup de pois et EPS, pois ou passe et après échoue. Donc, pour chaque personne, vous obtenez un P orna et c'est la population. Et sur la base de cette image, croyez-le ou non, il y a 60% pois et 40% s, donc l'après 60 pour lui, c'est la réalité à la population. Comment puis-je savoir ce que j'attrape représente la population. Alors coller ma main qui sont, tirez un petit échantillon, et regardez, est-ce que je trouverai des années soixante pour quatre échoues. C' est ce concept de la taille de l'échantillon. Combien dois-je faire si je prends juste une quantité du bout du doigt ou une poignée complète ? Comment dois-je faire pour capturer, me sentir bien sur le nombre ? D' accord. Et pour vous sentir confiant, il y a un concept auquel je veux que vous pensiez, et mon analogie est basée sur la fléchette. C' est la probabilité que vous ayez trouvé des résultats par hasard par accident juste parce que vous avez accidentellement pris le mauvais montant. C' est de la confiance, et j'aimerais que tu y penses comme un noir. Donc ce que j'ai fait, c'est que j'ai montré une photo de toutes les fois où tu pouvais faire recherches et des études. J' aimerais que tu penses aux sombres comme la chance que tu aies trouvé quelque chose par hasard. Donc, il y a 20 sombres dans l'image et un des sombres est tombé hors de cette zone de confiance , et la boîte pourrait réellement représenter, disons, disons, 95 % de confiance. Si elle est confiante à 95 %, ça veut dire que je ferais cette étude 20 fois. Un seul sur 20 a accidentellement trouvé les résultats. Vous voyez ce concept sombre, assis sur la société, assis sur la société, doc sis. Si je veux une confiance de 99 %, ça veut dire 100 noirs et qu'un seul a été trouvé mes actifs. C' est la confiance. L' autre chose dont vous avez besoin pour déterminer la taille de l'échantillon si vous voulez être précis, est-ce que votre niveau d'exemple niveau d'air est une position ? Certaines personnes pensent que c'est plus ou moins 5%. Donc vous pouvez imaginer que c'est la cote d'approbation présidentielle, plus ou moins 3% plus pour ma place. C' est ce concept, je pense, beaucoup d'eau profonde et en fait, jouets. La dernière chose dont vous avez besoin, c'est le nombre de personnes dans la population que vous regardez. Parlons-nous du monde entier, de la américaine population américaineou d'un sous-ensemble ? Vous devez savoir combien. Ok, donc voici un exemple. Il y a beaucoup de sept calculatrices de taille là-bas. Tu n'as besoin que de trois choses. Vous devez tout connaître. Est-ce 95% 1920 sombres ou 99 vous devez bien savoir, mettre l'été trois plus ou moins cinq. Donc nous allons obtenir un résultat plus ou par un certain nombre et vous connaissez la population et cela vous dira le nombre de personnes dont vous avez besoin. Voici donc un exemple. Ah, le scrutin présidentiel. Disons que je voulais 95 %. Donc, la probabilité que j'ai trouvé cela par hasard seul est de 5% étonnant. Alors maintenant mes niveaux de conférence 95. Le score que je reçois est plus ou moins trois. Jolie, jolie, précise, jolie, assez précise. Et la population n'est pas la population de nous. C' est environ 100 millions. Vous mettez ces nombres et la réponse est que vous avez besoin de 1000 voir les 1000 participants si ces paramètres. Donc, la question devient, eh bien, maison est beaucoup de gens. 1067 beaucoup. Et bien, que se passe-t-il si j'ai introduit l'erreur au lieu d'obtenir un magasin et un score d' approbation de 70% plus ou moins trois ? Et si je faisais un petit frère plus ou moins cinq ? Ça ne me met pas l'accent sur le fait de monter ou de descendre, est-ce pas ? Faites-en plus ou moins. Et si je le faisais plus ou moins sept. Ok, donc ce que j'ai fait ici, c'est que j'ai pris le stock là-bas et mis les numéros d'entraînement les mêmes sauf augmenter le plus ou moins trois à plus à ma place. Et la réponse va de 1000 67 participants à 384. Et si tu devais aller à plus dans mes 70 gouttes à 1 96 ok, c'est une taille d'échantillon. Vous devez être sûr que le score que vous avez est généralisé capable de dépeupler. Compte tenu de ces prières, permettez-moi de faire n'importe quoi. Changeons la population. Donc, au lieu de faire la moitié de la population ou de la population, qui voterait ? Faisons, disons, disons, un type spécifique d'insuline et en a fait seulement 1 000 000 personnes. Judy plus ou moins de gens. Et c'est un défi parce que c'est une sorte de concept que les humains n'étaient pas vraiment bons en grand nombre. Ok, donc ce que j'ai fait, c'est que je l'ai divisé en 95 intervalles de confiance. acceptabilité est un échantillonnage acceptable de plus ou moins trois plus ou moins cinq près de sept et un million de personnes. Et ce que j'ai trouvé, c'est que si vous utilisez ces chiffres, les chiffres ne changent pas vraiment. Est 1066 384 et 1 96 presque exactement identiques. Ok, donc c'est un concept assez étrange, donc je l'ai mis sur une sorte de table. Donc, avec 100 millions, les chiffres ne changent pas entre 101 000 000. Comment cela change-t-il si je passe à 100 000 ou cinq habitants est de 10 000 ou de 1 000 ou moins. Ce que vous allez trouver ici, c'est que vous voulez généraliser les tailles d'échantillon élevées nécessaires moins que la population soit très petite. Donc, comme vous pouvez le voir ici, si la population est de 10 000 personnes, il faut encore 960 personnes, ce qui n'est pas si différent que 1000 personnes, soit 100 000 personnes. Ce n'est que lorsque vous obtenez une très petite population. C' est la précision qui augmente la taille. Donc, un exemple. S' il y avait 100 personnes qui prenaient ce dernier, et que je voulais donner à tout le monde un test sur mon matériel et que je voulais savoir que le score que j'ai obtenu reflétait toutes les 100 personnes et que je n'ai pris que cinq personnes. Mais si j'ai pris 92 personnes, comment êtes-vous confiant que je ne l'ai probablement pas trouvé par hasard que le magasin qu'ils ont obtenu plus ou moins 3%. J' aurais 92 ans si je voulais être plus ou moins cinq. Seulement 80 et 66. C' est un peu logique dans la petite population. Mais quand la population devient vraiment grande, il ne sait pas que vous avez besoin de 1000 381 100. Et c'est un concept qui est vrai. J' ai parlé aux gens des sciences des données, et c'est ce que vous venez de son appartement. Copulation. Vous avez calculé le nombre de personnes dont vous avez besoin pour trouver les résultats. Vous pouvez généraliser ce que cela vous dit également. C' est 2000 personnes de trop. C' est un peu le concept clé. Où n'est pas que vous pouvez trouver la bonne quantité de personnes orteil recruter, payer et analyser, sachant que vous pourriez avoir confiance que vous pourriez généraliser et que vous ne l'avez pas trouvé par hasard, cependant, payer et analyser, sachant que vous pourriez avoir confiance que vous pourriez généraliser et que vous ne l'avez pas trouvé par hasard, cependant, c'est ce concept. Donc, pour revenir à cette histoire, si c'est un sujet nous et que vous savez que vous avez besoin d'une réponse définitive, c'est un test de précision. Si vous testez seulement un appareil et voici la table, accord, et c'est beaucoup de participants 384 000 et la réponse est vous. C' est ce dont vous avez besoin si vous voulez qu'un seul magasin reflète la population. Heureusement, expérience utilisateur expérience UX études. On n'a toujours pas besoin de 384. On n'a pas besoin de 1000 personnes, et c'est ce que j'aborderai dans la section suivante. 7. Est-ce un meilleur que B ? Tests d'hypothèse: Donc cette prochaine section Il s'agit de la taille de l'échantillon, mais pour un vs B, aussi une sorte d'hypothèse. Évaluer. C' est une sorte de là où UX peut vraiment entrer dans les statistiques et comprendre la taille de l'échantillon pour comparer une diversité. Donc, en revenant à notre exercice original, vous avez dispositif un cou 10 produit. Je vois un ER compétitif ou peut-être une division plus ancienne de l'ancienne version, devons-nous dire que la question est si combien de personnes ai-je besoin de tester pour savoir si un est vraiment mieux être ? Et je veux que tu achètes ça. Nous avons donc parlé de cette notion de réponse définitive, et j'ai parlé de précision comme une seule partition. Eh bien, c'est un vice. Disons que l'appareil, ils ont un succès à 85%. C' est vraiment ? Vous avez besoin de beaucoup de gens pour savoir que ce nombre précis Israël plus ou moins un certain pourcentage, et vous voyez généralement cela dans les enquêtes. Mais quand on pense à un contre B, on s'éloigne de la précision d'un nombre à la précision de la différence. C' est uneperspective légère et différente, perspective légère et différente, et je veux vous donner une analogie. Disons que le vice prend 85 % et l'appareil qu'il avait 60 %. Ce n'est pas si les 85 années 60 précis, c'est si cette différence. Israël. Si tu faisais encore une étude, n'est peut-être pas 85 60. Peut-être que c'est 90 et 40, mais il y a toujours une différence. Et cette différence. Israël A est meilleur que cette notion, et ce concept réduit la taille de l'échantillon. Vous n'avez pas besoin de la précision dont vous avez besoin, c'est pourquoi vous ne voyez pas de statistiques dans les Elects. Mais si vous ne l'avez pas fait dans les centaines, sinon dans les milliers. Donc, ce que je veux faire est de ne pas dire est un score général accessible ? Quelle est la différence ? Est-ce qu'un sera toujours mieux que l'être ? Est-ce généralisé ? Ok, donc dans ce cas, vous avez des notions que vous avez des moyens et les hypothèses utiliseront des concepts de justice. Mais dans ce cas est appelé personnel inférentiel. C' est comparer un contre les abeilles comme si c'était un test ou dans un noma choses. Vous avez peut-être entendu des statistiques, et la taille d'échantillon dont vous avez besoin est dérivée d'une mise hors tension constante. Sa puissance signifie que j'ai de bonnes chances de détecter une différence de manière significative si la différence est vraiment là. S' il y a vraiment une différence, je la trouverai. Combien de personnes ai-je besoin ? Son pouvoir ? Donc un exemple que j'ai ici est Vous pouvez voir ces paquets d'air à la recherche Utilisation de l'hôpital était vraiment grand et un petit, les anciens vraiment gros dans les nouveaux ou impact condensé. Et c'est la moitié de la taille. C' est redondant. Une question pourrait être un meilleur que B est connu mieux que l'ancien ou un autre exemple. Allons au basket. Revenons en arrière quelques années à 2017. Les Guerriers vont chez les Chats. Qui va gagner dans une étude donnée ? Dans n'importe quel jeu, on peut gagner. Un autre pourrait perdre. Mais si tu devais surveiller ça, on devait faire ce test 100 fois. Combien de fois aurait-il Golden State Wing contre Caps ? Alors pensez au jeu comme une étude, et dans ce cas, les visiteurs ont marqué 54 l'équipe à domicile a marqué 49. Ce n'est pas le nombre et le score de chacun. C' est ce 11 contre l'autre perdu. Ce qui est plus généraliser à base de plantes. Et la question est, disons que la guerre est gagnée et revenons à ma garde. Exemple. Dans la dernière étape de la dernière section, si vous avez une fléchette et la probabilité que vous avez accidentellement trouvé cela par hasard est de 5% c'est comme courir le soudain 20 fois. Et une seule fois, c'est arrivé par accident. En général, la meilleure équipe plaie en général. Si un est mieux que d'être un en général gagne et c'est un concept. Ok, donc c'est ces deux copulation. Donc encore une fois, si vous regardez mes pois verts et mon APS rouge, disons qu'un groupe a tout un tas d'échecs et que l'autre a tout un tas de succès. Si j'ai collé ma main là-dedans et faire l'étude et collé ma main dans l'autre et regardé sont la différence, Dois-je utiliser mon bout des doigts ou faire attraper ou mon pauvre vieux seau d'orteil ? Combien de personnes j'ai besoin ? C' est le but de cette section. C' est le niveau de confiance que vous prenez la bonne quantité. Donc, dans les hypothèses, les tests comme la puissance que nous avons utilisée pour la taille de l'échantillon pour la précision, vous n'avez pas besoin de confiance n'est pas 95 ou 99. Vous avez un échantillon ici que vous avez une ride, et c'est ce qu'on appelle une taille de fait. Donc si l'accise est importante, parce qu'elle vous dira à quel point c'est une grande différence, OK et en pensant aux sombres, vous toujours nous utilisons 1920 fléchettes ou un concept d'une Alfa 05 Ce qui est intéressant est que j'ai toujours été enseigné Hey, tu choisis sur 05 C'est un des 20 sombres par hasard. Si vous obtenez un résultat significatif, vous pouvez publier. Vous pourriez avoir votre thèse, mais peut-être qu'un médicament pourrait vouloir une rue mobile plus élevée. Ils voudront peut-être aller à 1 % de chance. Vous l'avez trouvé par hasard, alors qu'une entreprise peut ne pas vouloir publier des résultats. Mais tu sais quoi ? Il y a 10 % de chance que je l'aie trouvée par hasard. C' est comme ça que les affaires peuvent regarder. Donc, sachant ces facteurs que vous avez votre comme vos sombres, ce qui est affecte nous tailles d'effet, combien le problème ou je vais être L'écart est correct, alors voici mon exemple. Nous avons deux visages de deux personnes et voyons lesquels sont les plus attrayants. Ce que je vous montre ici, c'est un peu d'exercice dans ma prochaine vie. Qui est le plus attrayant ? Voisins ? C' est une grande taille d'effet. C' est une distinction comme toi aujourd'hui. Ok, un autre. Si j'ai engagé 1/4 sur un terrain de football, vous avez 5 minutes pour le trouver. Si tu le trouves dans cinq minutes, je te donnerai un million de dollars. Combien de personnes veux-tu y aller ? Aidez-le dans la recherche de vos échantillons plutôt que si je me cache. Ah, rondelle de hockey sur le terrain de football et vous avez cinq minutes. Vous n'avez peut-être pas besoin de cette minute crépus, par exemple. Vous n'avez peut-être pas besoin d'autant de gens parce que la taille de l'effet est plus grande et vous n'avez pas besoin de beaucoup de gens. Ok, donc c'est pour ça que j'aurais aimé avoir appris à l'université, parce que c'est une table. Les gens m'ont montré littéralement. C' est une table de calcul de puissance, et je vais la décrire. Il y a une section qui est point personne 0,5 point 10 Ce sont vos sombres point Personne n'est pour médical 0,5 est de publier, et 0,1 pourrait être utilisé pour les affaires le long des routes. Vous avez le type de test, donc le type de coup que vous exécutez pourrait être plus de personnes que d'autres. Alors choisissons le 1er 1 étant différent. Appelons ça un test de T, OK ? Il y a trois autres colonnes petites, moyennes et grandes. C' est une taille factuelle. Alors, choisissez vos sombres. Son profil. Vous avez choisi vos tests. C' est la différence moyenne de la première rangée, et je l'encadre. Si vous avez une petite taille d'effet, nous parlons 1/4 contre un mourant sur le terrain de football. Toutes les petites différences dont vous avez besoin 393 personnes de sorte qu'il est moyen vous avez besoin 64 il est en grande partie un sens. Laisse-moi couper à la poursuite de l'école séchée. Quand j'ai demandé combien de personnes devraient se présenter pour ma thèse, mes professeurs ont une course à notre calcul et vous êtes en train de regarder en ce moment et sortir bien. Comment savoir si c'est petit, moyen et grand ? Parce que, croyez-moi, j'ai pris 26 participants dans mon étude contre 393. Je vais tester toute l'été pour une phrase, et je dois les virer. Quand je les ai regardés, ils ont dit, Oh, juste à un calcul de puissance, et quand vous ferez vos études, vous saurez si c'est petit, moyen, grand comme What avez -vous besoin de savoir ? En fin de compte, je demandais à mon directeur de programme d'études supérieures en vue, vous savez, psychologie. Hé, un site expérimental. Combien de personnes devraient courir ? Ils courent 16 ou 20 ans. J' adore cette table, et je n'ai pas pu en trouver 16 car en fait, j'ai trouvé 20 cents. J' ai trouvé 64. J' ai trouvé 3 93 et je me suis assis là et j'ai dit, je ne comprends pas pourquoi toutes les études que je lis sur essayer d'être comme eux pour obtenir ma thèse. Ils seulement environ 16 20 personnes, mais aucune de la table de toilette électrique. Triste que se passe-t-il ? La réalité est cette vie, et c'est la facilité d'utilisation. Les tests n'ont généralement pas besoin de statistiques. Vos objectifs le définiront. Nous allons vous taille de l'échantillon. Le est motivé par de nombreux facteurs, et ils vous diront que vous exécutez une analyse de puissance. Mais parlons de ce qui se passe si nous anticipons les résultats. Si vous voulez une étude et que vous ne trouvez pas de différence, peut-être a et B n'est pas vraiment mieux. Ou peut-être que vous n'avez pas de participants, alors ils vont, Oh, gallon. Tu n'avais pas de courant plus OK, mais si j'avais couru 393 et que j'aurais pu le trouver 20. Je perds mon été. J' utilise mon je perds beaucoup de temps. Voici le sale secret, et c'est le dernier point que j'ai ici. Que se passe-t-il si vous trouvez de l'importance avec 20 personnes ? La réponse est que c'est réel. Et c'est ce que mon professeur, toutes les études qui ont été publiées devant moi avaient 16 1 personnes. Si je fais un étourdissement et courir 16 20 trouver qu'un est nettement mieux que d'être Israël, il est généraliser. plantes sauf l'obscurité et la porte est un autre 20 I pour cent de chance. Je l'ai trouvé par accident. Que j'ai couru 20 ou 393 le résultat serait significatif. C' est ce qu'ils essaient de dire, c'est pragmatique. Exécutez l'étude avec un échantillon plus petit. Si vous trouvez de l'importance, utilisez-le comme base de référence. Et c'est ainsi qu'un grand nombre de statistiques sont apparues dans les sciences sociales et sont passées à l'interaction informatique humaine en psychologie, à la recherche sur interaction informatique humaine en psychologie, les utilisateurs et à l'expérience utilisateur. Donc, si vous regardez une différence pour vous n'avez vraiment pas besoin d'avoir des participants témoignent 16 20 si vous trouvez le résultat, ce n'est pas bébé, qu'il est vraiment pas 8. Exercice: Maintenant, dans cette dernière section, je veux que vous sentiez une différence pour un vs B. Je veux que vous obteniez un pourquoi raisonnable. Ah, la taille de l'échantillon est plus petite. Donc c'est vraiment une démonstration. Revenons à notre tâche d'un contre B. Et dans ce cas, je vais vous donner une distribution. Et c'est un hôpital. Sept. Vous évaluez différentes invites pour l'interface du four d'interaction. Disons que c'est une interface de commande où le médecin met toutes ces commandes pour nous un patient. Maintenant, disons que dans cet exemple, nous appelons ceci trois une conception A. Les patients trouvent un traitement supplémentaire. Le médecin vous a demandé d'entrer dans le système. Regardez tous les ordres qu'ils ont mis et vérifient. Vérifie, Vérifie, vérifie, vérifie. Vérifiez tous et appuyez sur Annuler. Mais je vais te montrer un problème. Tout ce que vous avez à faire est de décider. Oui, monsieur. Maintenant, commençons. Donc vous êtes entré dans le système. Vous vérifiez, vérifiez, vérifiez, vérifiez, vérifiez. Vous appuyez sur le bouton d'annulation et c'est ce que les accessoires. Donc, les accessoires disent Ne pas annuler toutes les commandes des patients. Oui, et la réponse devrait être non. D' accord. Donc, en passant par ça, il y a un certain nombre d'entre vous qui ont peut-être eu quatre secondes. Peut-être obtenu six secondes. Certains en ont peut-être eu trois. C' est une distribution intéressante. Comme je le fais avec tous mes cours, je vois parfois environ trois ou quatre secondes. Cinq secondes. Faisons que l'appareil soit. Hé ! L' hôpital a dit que c'était le même veau. Vous évaluez différents problèmes. Les patients une montée position de traitement supplémentaire Demandez d'aller dans le système pour aller dans le système et annuler toutes les commandes. Vous vérifiez. Vérifie, Vérifie, vérifie, vérifie. Vous sélectionnez les commandes et appuyez sur Annuler vous décidez oui ou non ? Et vous savez à l'époque, commençons. Je n'ai même pas besoin d'aller à sept secondes dans le travail que je fais. L' invite est d'annuler toutes les commandes des patients. Oui, ce que je trouve Si je devais prendre ce groupe et que la plupart des gens obtiennent cette réponse en 123 secondes contre 36 secondes, nous avons deux distributions différentes. Taille de l'effet décent Et je peux vous dire si je donne la tâche d'abord ou de la tâche une première. J' ai changé d'ordre. Je le fais en Allemagne. Je le fais en Asie. Je le fais aux États-Unis et dans mes cours. Cette invite qui dit, annuler toutes les commandes des patients. Oui est toujours mieux que l'oz d'abord, et c'est un sentiment de est le résultat. Généraliser à base de plantes. Ce n'était pas si c'était deux secondes contre six pour 1,3 contre sept. On ressent la différence, et ça généralise que c'est toujours différent. C' est toujours mieux. D' accord ? Et donc dans cet exercice de cours, ce que j'espère que vous avez est si vous avez un appareil un appareil, être vous pouvez justifier combien de participants unissent un test. Et dans ce cas, peut-être que ce n'est que 16 ou 20. Parce que si je trouve la réponse et que vous l'avez déjà senti, c' est généraliser à base de plantes sauf le hasard. Et c'est le noir. Ok, donc quand vous retournez à l'arbre de décision complet, vous devriez avoir une idée de la taille de l'échantillon pour le test de Floride. Et c'est le genre de problèmes que nous cherchons à trouver à quel point cela est difficile. Ensuite, vous commencez à regarder les cinq Magic. Vous pensez au nombre de groupes d'utilisateurs, à la complexité et à la danse. Ce n'est pas vérifié. Si vous voulez quelque chose d'étude, vous êtes passé de l'étape de la recette à vraiment aller faire le dîner complet. Vous devez savoir si c'est directionnel. Je veux juste mettre mon orteil dans l'eau, et dans ce cas, ça va être très similaire à la vérification de la formation et de l'odeur. Mais si vous avez besoin de savoir définitivement, alors vous vous demandez n'est pas une question de précision. Donc je dois obtenir ce score tout de suite, vous voyez la table que nous avons eu qui calcule 300 participants 196 ou 1000 ? Ou est-ce ? J' ai des tests de bureau. Je ne regarde pas juste le vice un score, mais A contre B. Et dans ce cas, vous avez une copulation de pouvoir. Mais je vous exhorte aussi à tester dans 16 20 voir si vous avez une différence significative si la taille de l' effet semble assez forte. 9. Conclusion: Au cours de ce cours, j'ai donné un exercice, puis je pose essentiellement la question Est-ce que l'appareil est un meilleur appareil ? Combien de participants auriez-vous dans votre étude et s'il vous plaît justifier maintenant ? J' ai donné quelques exemples parce que l'appareil A contre B pourrait être n'importe quoi du téléphone. Ou ça pourrait être, comme je le montre ici, un morceau de papier. Ce pourrait être un très pourrait être ce vieux morceau de papier qui est deux fois plus long en termes d' instructions et de contenu que B. Cela pourrait être le défi A contre B. Donc, ce que j'aime pour tout le monde à faire est de prendre une galerie de projets et de poster en ligne les réponses à cette question. J' aimerais que vous décriviez votre appareil, A versus appareil. Être contesté maintenant. Ce n'est peut-être pas un appareil. Il peut être en papier ou un outil ou un type d'interface, mais j'aimerais que vous le décriviez. Si vous pouvez utiliser des images, ce serait génial, parce que cela donne toujours une belle perspective. Mais pour me dire combien de participants vous suggérez d'utiliser et pour justifier évidemment, soyez génial si vous utilisez l'organigramme et que vous saviez que vous étiez un motif et que vous aviez besoin d'une réponse définitive. Et puis vous vouliez cette notion de test d'hypothèses. Mais si vous ne faisiez vraiment que le travail formatif seul dispositif A et que vous essayez de rendre meilleur. J' aimerais quand même voir combien de participants vous choisissez et comment vous l'avez justifié, en utilisant certaines des techniques que vous avez peut-être apprises au cours du cours. Donc c'est la demande pour la photo d'affectation de la galerie de projet en ligne, et j'aimerais voir le vôtre. J' espère que vous apprécierez cette conférence et cette part de compétences. Ce que je veux faire, c'est vous donner un peu de science qui va derrière certaines des choses que nous faisons en vous. X recherche. Si vous avez des questions, hésitez pas à me contacter. Un point de vue audacieux com et je peux répondre à vos questions. Mais j'espère aussi mettre en place une fumée ou de ces sujets afin que vous puissiez en apprendre un peu plus sur le côté pratique de vous. X recherche. Merci beaucoup.