Anotações estratégicas para pesquisa de UX e melhores propostas de IA

1. Introdução: bem-vindo ao curso: Oi, eu sou Pascal. Passei uma década ajudando empresas a entender seus clientes e a tomar melhores decisões sobre produtos usando métodos de design centrados no ser humano Nos últimos anos, me aprofundei em uma questão que está na interseção entre tecnologia e desenvolvimento humano Como usamos a tecnologia para apoiar formas mais conscientes de viver e trabalhar em vez de terceirizar nosso julgamento Esta aula é uma resposta prática para essa pergunta criada para pesquisas reais e trabalhos com produtos. Você trabalha em pesquisa ou design agora, provavelmente já percebeu algo estranho acontecendo Temos mais dados do que nunca, gravações, transcrições, resumos de IA, mas está ficando mais fácil nos sentirmos menos conectados ao O risco não é que a IA perca coisas. O risco é que nos desliguemos. Nós fazemos uma entrevista com o cliente. Clicamos em resumir, lemos o resultado e, sem perceber, nossa percepção é terceirizada E isso é importante porque, na pesquisa de UX, seu trabalho não é produzir uma transcrição ou um resumo Seu trabalho é dar sentido à confusa realidade humana. Assuma a responsabilidade pelo que você conclui. Este curso oferece um método simples e poderoso para se manter cognitivamente engajado durante a entrevista e usar a IA sem semear seu cérebro É um fluxo de trabalho que eu chamo de humano primeiro, máquina em segundo lugar. Humano primeiro significa que você captura seus sinais antes que a IA defina o quadro. segunda máquina significa que você usa a IA para testar seu pensamento, expandir sua visão e recuperar evidências, não para substituir seu julgamento Você aprenderá um rápido ritual pós-sessão de cinco minutos que o ajudará a sair de cada entrevista com hipóteses reais, não apenas com páginas de Você aprenderá um pequeno kit de ferramentas de técnicas de notação que tornam suas anotações mais estratégicas: marcadores de metacognição, rastreamento de arcos emocionais, cascatas de perguntas, âncoras de contexto, observações versus interpretações âncoras de contexto suas anotações mais estratégicas: marcadores de metacognição, rastreamento de arcos emocionais, cascatas de perguntas, âncoras de contexto, observações versus interpretações e mapeamento de contradições. Você aprenderá como transformar esses sinais humanos em melhores instruções de IA e em uma trilha clara de evidências Assim, é mais fácil apoiar seus insights. Isso funciona porque a IA é literal. É ótimo para compressão, mas não importa. Não percebe como você percebe e não pode assumir a responsabilidade. Fazer anotações estratégicas é como você mantém a qualidade da atenção que torna a pesquisa valiosa em primeiro lugar. Isso é para pesquisadores de UX, designers, designers de serviços e equipes de produtos que estão fazendo descobertas, especialmente se você costuma trabalhar sozinho e quer usar a IA para se mover mais rápido sem reduzir o nível de qualidade. Se você está pronto para deixar de ser um operador de resultados e começar a ser um administrador de impacto novamente, você está no lugar certo . Vamos entrar nisso. 2. Aula 2 - Consciência como instrumento de pesquisa: Alguém está preocupado com o fato de a IA se tornar autoconsciente. Mas aqui está a verdadeira questão. Você é autoconsciente? Quero dizer isso genuinamente porque a consciência, a capacidade de perceber o que está acontecendo dentro de você enquanto você presta atenção a outra pessoa, é uma das habilidades mais subestimadas E é a única habilidade que a IA simplesmente não pode fazer por você. Deixe-me explicar o que quero dizer. Quando você se senta com um participante, você está fazendo duas coisas ao mesmo tempo. Você está capturando o que eles dizem e fazem. Esse é o comportamento, as histórias, as reações e esses são os dados externos. A maioria de nós é muito boa nessa parte, mas há uma segunda tensão por baixo, que é o que você pensa e sente enquanto eles falam Sua surpresa, seu tédio, sua vontade de ajudar, aquela sensação incômoda de que algo não faz sentido, e isso A maioria de nós deixa isso passar. E aqui está a coisa. Os dados internos não são verdadeiros. Se você se sentir entediado, isso não significa que o participante seja chato Se você se sentir na defensiva, isso não significa que eles estejam errados. Essas reações são sinais e vale a pena capturá-las, não porque estejam automaticamente corretas, mas porque fornecem algo concreto para testar mais tarde E isso é o que os pesquisadores chamam de metacognição. Pensando em seu próprio pensamento. E eu sei que essa palavra pode soar um pouco acadêmica ou até um pouco confusa Mas, na prática, é incrivelmente simples. Significa apenas fazer uma pausa suficiente para perceber: a que estou reagindo agora? Percebi que queria resgatá-los. Isso é um sinal. Eu me senti entediado quando eles falaram sobre a integração, isso é um Eu me senti na defensiva quando eles desafiaram o design. Isso também é um sinal. Nenhuma dessas são conclusões. Eles são pontos de partida. E depois de anotá-las, você pode fazer algo com elas, incluindo pedir ajuda à IA para testar se o sinal é válido. Então, como você realmente constrói esse músculo? Eu quero te orientar através de um breve treino. Demora cerca de 3 minutos e você pode fazer isso antes de qualquer entrevista. É totalmente opcional, e algumas pessoas adoram, e outras encontram sua própria versão. Mas experimente pelo menos uma vez, porque o princípio por trás disso é mais importante do que as etapas específicas. Pronto? Então, aqui está como funciona. Então, feche os olhos por um momento, se for confortável, e respire fundo pelo nariz e expire pela boca. Só uma respiração. Apenas observe como isso se sente. E agora esfregue dois dedos lentamente com pressão suficiente para que você possa sentir os movimentos na ponta dos dedos E essa é uma pequena faixa que o ancora no momento presente Imponha sua atenção ao seu corpo e que estava girando em sua cabeça há um segundo Agora, abra os olhos , olhe em volta e observe um detalhe que você não havia notado antes: uma cor, uma textura, um som, apenas algo pequeno E agora pergunte a si mesmo, agora, o que estou sentindo? Energizado, cético, oprimido, curioso? Não há resposta errada, observe. E pense no seu dia até agora. O que te surpreendeu? O que confundiu você? O que confirmou algo que você já esperava? E mais uma vez, pense na IA em seu trabalho por um momento. Que sentimento surge? Alívio, ansiedade, ceticismo, excitação. Veja se você consegue perceber onde essa sensação está em seu corpo, coloque-a no peito, no ombro, no estômago. Você não precisa fazer nada com isso, observe. E agora observe qual foi a sensação de notar. Esse é o músculo. Isso é metacognição em ação. Você não precisa fazer essa prática completa antes de cada entrevista, mas mesmo uma 32ª versão, apenas uma respiração, apenas um check-in, pode mudar a qualidade de sua atenção Porque quando você entra em uma entrevista já ciente de seu próprio estado, é muito menos provável que confunda suas reações com a realidade de seus participantes E é por isso que isso é importante para o resto do curso. Mais tarde, quando começamos a estimular a IA, a qualidade do que você pergunta depende inteiramente da qualidade do que você percebeu Se você saiu de uma entrevista com vaga sensação de que tudo correu bem, você escreverá instruções vagas e obterá resultados vagos Mas se você capturou um sinal específico, percebi que me sentia desconfortável quando eles descreveram sua solução alternativa Agora você tem algo real com o que trabalhar. Em seguida, você pode pedir à IA que faça um teste de pressão para encontrar evidências contrárias ou padrões de superfície que você possa ter perdido. Portanto, não é bom ter consciência. É a base que torna todo o resto deste curso mais útil. E você não precisa de notas perfeitas. Você só precisa fazer uma pausa e perguntar: O que estou pensando agora? E é aí que começamos. E na próxima lição, vamos transformar isso em um método repetível 3. Aula 3 - O método: primeiro humano → segundo máquina: Na última aula, falamos sobre conscientização, percepção de suas próprias reações durante uma sessão, surpresa, confusão, atitude defensiva E chamamos esses sinais. Mas aqui está a verdade honesta. Perceber um sinal no momento é apenas metade do trabalho. Se você não fizer algo com ele rapidamente, ele desaparece. Quando você abre seu laptop uma hora depois, ele desapareceu. Ou pior, foi silenciosamente reescrito pela sua memória em algo mais organizado e menos útil Então, nesta lição, quero lhe dar um método simples e repetível que você pode usar após cada entrevista Demora cerca de 5 minutos e é a ponte entre o que você sentiu como humano e o que mais tarde pedirá ajuda à IA O método tem quatro etapas. Sintonize o corpo, nomeie o sinal, capture-o e, em seguida, ative a IA. Primeiro passo, sintonize-se com o corpo. A entrevista acabou e você se despediu Antes de fazer qualquer outra coisa, antes de verificar o Slack, antes de arrumar suas anotações, antes de conversar com um colega, faça uma pausa Respire fundo, talvez esfregue dois dedos com tanta pressão que você possa sentir as cristas na ponta dos dedos Este é um truque de atenção plena que faz com que você se sintonize com seu corpo e depois se pergunte: como me sinto agora? Não, como foi a entrevista. Isso é uma avaliação. Estou perguntando algo mais básico. Você está energizado ou esgotado, tenso ou relaxado? Você sente que algo importante aconteceu ou como se tudo estivesse errado? Você está apenas fazendo o check-in . O corpo geralmente registra as coisas antes que a mente se atualize. Se seus ombros estão tensos ou sua energia caiu repentinamente ou você sente uma inquietação estranha, isso Vale a pena prestar atenção. Passo dois, nomeie o sinal. Agora seja um pouco mais específico. O que se destacou? Não é o que os participantes disseram, vamos falar sobre isso, mas o que você notou? Tente nomeá-lo em linguagem simples. Eu queria resgatá-los quando eles descreveram a solução alternativa Fiquei cético quando disseram que adoraram a integração Algo pareceu estranho na maneira como eles falaram sobre seu gerente, mas não consigo identificar. Eles não precisam ser polidos. Eles não precisam estar certos. Eles só precisam ser honestos. Você está nomeando o instrumento que você pegou durante a sessão Etapa três, capture-a explicitamente. Essa é a parte que a maioria das pessoas pula e é a parte que mais importa Anote, na verdade, escreva. Escreva-o em suas anotações, em uma nota adesiva ou em um documento onde quer que estejam as anotações da sessão um documento onde quer que estejam as anotações da sessão. Esse formato simples. O que me surpreendeu é algo que eu não esperava. Existem padrões formando algo que ecoa as sessões anteriores Qual é a minha curiosidade? O que eu quero aprofundar a seguir? E para validar, qual é a afirmação específica que eu quero testar? Deixe-me mostrar como isso se parece na prática. Digamos que eu acabei de terminar uma entrevista com um cliente bancário sobre sua experiência com uma ferramenta de poupança. Aqui está o que meu despejo pós-sessão pode parecer. Então, fiquei surpreso que eles tenham dito confiam no aplicativo para economizar, mas depois descreveram a verificação do saldo três vezes ao dia. Isso não soa como confiança para mim. Foi o terceiro participante que descreveu o sistema de notificação como irritante, mas necessário Então eu estava começando a me perguntar se há uma tensão entre querer controle e querer não pensar nisso. Eu estava curioso para saber por que eles se emocionam ao descrever o momento atingiram sua meta de poupança que parecia significar mais do que apenas dinheiro. E afirmam que nunca usaram o recurso de orçamento, mas mencionaram anteriormente a definição de um limite semanal Vale a pena conferir se isso é uma contradição ou se eles não veem o limite como orçamento Observe o que acabou de acontecer. Em cerca de 2 minutos, capturei quatro coisas concretas com as quais posso trabalhar. Nenhum deles é transcrição, nenhum deles é resumo São sinais baseados no que eu realmente vivenciei durante aquela conversa E aqui está o que torna isso poderoso. Agora, cada um deles é algo que posso entregar à IA com uma pergunta específica anexada. É aqui que o sequenciamento é importante. Se eu tivesse ido direto para a IA após a entrevista e dissesse resuma esta sessão, a IA teria me dado um resumo perfeitamente competente e perfeitamente genérico Isso teria eliminado toda a tensão interessante, a contradição entre confiança e verificação três vezes ao dia. A IA pode não No momento emocionante sobre a meta de economia, IA pode notar que isso aconteceu, mas não saberia que eu senti algo mudar na sala. Mas agora que capturei meus sinais primeiro, posso escrever avisos que são realmente úteis O participante descreve confiar na ferramenta de poupança, mas também verifica seu saldo várias vezes ao dia Encontre evidências na transcrição a favor e contra a interpretação de que a verificação frequente reflete ansiedade em vez de confiança Ou três participantes descreveram um sistema de notificação como irritante, mas necessário Quais padrões de linguagem nas transcrições podem me ajudar a entender se isso é ambivalência genuína ou uma forma educada de dizer que as Viu a diferença? Essas não são instruções preguiçosas São instruções investigativas. Eles começam com algo que o ser humano percebeu e pedem à IA que ajude a testá-lo, desafiá-lo ou encontrar evidências de apoio. Essa é a parceria funcionando bem, e é por isso que a sequência é importante. Primeiro o ser humano, depois a máquina. Você percebe, dá um nome , escreve e depois traz a IA. Porque se você pular direto para a IA, estará deixando a ferramenta decidir o que é interessante E a ferramenta não sabe o que te surpreendeu. A ferramenta não sabe o que pareceu errado. Só você sabe disso. Mais uma coisa antes de terminarmos. Você deve ter notado que, no modelo pós-sessão, alguns desses sinais já estão a meio caminho de serem hipóteses, e esse Um sinal como se eles dissessem que confiam no aplicativo, mas verificá-lo constantemente, pode se tornar uma hipótese rapidamente. verificação frequente da balança pode indicar um comportamento de monitoramento impulsionado pela baixa confiança na precisão da ferramenta, em vez da alta confiança. É nisso que acredito agora e o que quero testar. Ou a meta de poupança pode ter significado simbólico além do financeiro, possivelmente vinculado à autoeficácia ou a um marco pessoal Novamente, tenho um palpite que agora posso testar. Você não precisa de uma linguagem acadêmica perfeita para isso. Você só precisa pegar seu sinal e reescrevê-lo como algo testável, algo em que você possa procurar evidências a favor ou contra E quando você tem uma hipótese, suas instruções de IA praticamente se escrevem sozinhas, porque agora você está fazendo uma pergunta específica, não apenas me contando o que aconteceu Antes de seguir em frente, leve de dois a 3 minutos para fazer isso. Anote três sinais que você notou em sua última entrevista ou em qualquer conversa recente. Escolha um sinal e transforme-o em uma hipótese testável. Só uma frase. Nos vemos na próxima aula. 4. Lição 4 - Seu kit de ferramentas para anotações: Na última lição, falamos sobre uma sequência simples, primeiro humano, depois máquina. Você sintoniza suas reações, nomeia o sinal, captura explicitamente e, em seguida, convida a IA para ajudá-lo a testar o que está vendo Nesta lição, quero lhe dar a peça que faltava para tornar isso prático em entrevistas reais. Não se preocupe Não é uma estrutura grande e nem uma nova lista de verificação que você precisa lembrar É um kit de ferramentas. É um pequeno conjunto de anotações leves que você pode usar para capturar sinais sem interromper o fluxo de uma conversa E se você os usa bem, eles também melhoram drasticamente suas solicitações posteriores , porque você está entregando intencionais estruturadas de IA Lembre-se de que você não precisa usar todo o kit de ferramentas o tempo todo Você precisa de uma ou duas anotações que se ajustem ao seu cérebro e ao seu contexto Então, vamos fazer três coisas. Primeiro, mostrarei os três baldes de notas estratégicas Depois, mostrarei algumas anotações e o trabalho que cada uma E, finalmente, mostrarei como essas marcas se traduzem em melhores instruções de IA posteriormente. Quando as pessoas ouvem anotações pela primeira vez, às vezes imaginam aprender um idioma inteiro Não é isso que estamos fazendo. Pense nisso como adicionar duas ou três notas adesivas úteis ao seu sistema E para manter isso simples, organizaremos o kit de ferramentas em três compartimentos Notas para capturar o pensamento. Então, o que está acontecendo na sua cabeça? Notas para ajudá-lo a orientar a sessão, o que fazer a seguir no momento e notas para direcionar a IA posteriormente, o que você deseja que o modelo teste O importante é que você não está tentando fazer os três perfeitamente. Você está escolhendo um balde que resolve seu maior problema em entrevistas no momento Capture Thinking serve para notas rápidas que gravam seu sinal interno sem interromper a conversa Isso é para aquelas microreações que você tem em uma sessão, talvez um aperto estranho no peito ou um aumento repentino de curiosidade ou um momento em que algo não dá certo Se você não marcar, ele desaparecerá. Portanto, o primeiro balde consiste deixar pequenas migalhas de pão para o seu futuro eu Aqui estão alguns exemplos de símbolos. Você pode copiá-los ou inventar os seus. O que importa é que cada marca sempre signifique uma coisa. Eu uso um ponto de exclamação para surpresa, um ponto de interrogação para curiosidade ou confusão, um raio para uma mudança de energia e o sinal diferente para uma incompatibilidade. Não são notas sobre o que eles disseram, etiquetas para o que se iluminou em você e o que você deseja revisitar mais tarde Você pode escolher seus próprios símbolos. A questão é a consistência. Se você sempre usa o sinal de não igual para incompatibilidade, suas notas se tornam pesquisáveis em um Aqui está o que isso parece no meio da entrevista. Por exemplo, quando o participante diz: “Eu confio na ferramenta, mas verifico seu saldo três vezes ao dia”, eu poderia escrever isso assim. Essa marca é suficiente para lembrá-lo de que há uma tensão aqui que vale a pena explorar. Balde dois, dirija a sessão. É aqui que as anotações se tornam um volante instantâneo , porque quando você percebe um sinal, basicamente tem quatro opções Vá mais fundo, estacione, peça um exemplo ou desafie gentilmente. Você não quer tomar essa decisão do zero todas as vezes. Então, usamos algumas marcas que se traduzem diretamente em ações. Neste slide, cada notação é mapeada para um movimento que você pode fazer no momento A vantagem é que você para de improvisar sua próxima etapa do zero Você vê o sinal , marca e sabe o que fazer. Um exemplo rápido: se alguém disser que é intuitivo, você pode marcá-lo como surdo porque intuitivo pode significar que a interface do usuário é simples. Eles já aprenderam isso. Ele combina com outra ferramenta ou eles podem se recuperar de erros. Então, sua notação se torna um convite para perguntar, quando você diz intuitivo, como isso se parece na prática Ou se surgir algo importante, mas no meio da história, você marca Park e os mantém em movimento. Isso evita o descarrilamento sem perder a linha. Terceiro intervalo, direcione a IA mais tarde. Essa é a entrega. Um bom aviso de IA geralmente começa com aqui o que eu notei ou aqui está a hipótese que estou testando, e aqui está o que conta como evidência. As anotações facilitam isso porque você já marcou os momentos que importam Neste slide, você verá uma maneira simples de marcar o que deseja que o modelo o ajude a testar posteriormente. A questão é que sua solicitação se torna quase automática porque você já marcou os momentos que importam. Portanto, você pode escrever H: a verificação frequente indica ansiedade, não confiança. E, linguagem sobre medo, tranquilidade, só para ter certeza, verificar as notificações ou ALT, verificar como um hábito ou um ritual, ou eles gostam da sensação de controle E agora sua solicitação para a IA é quase automática. Suspeito que a verificação frequente do equilíbrio reflita ansiedade em vez de confiança. Na transcrição, encontre evidências que apóiem e contradizam essa interpretação e proponha explicações alternativas Citação, as linhas exatas. Essa é uma sugestão muito diferente de resumir a entrevista Neste slide, estou conectando todo o loop, o que você nota, como o testa e o que você quer de volta do modelo. Marque o que importava e use a IA para testá-lo com evidências. Então, como você escolhe uma notação sem complicá-la demais Escolha com base no seu contexto. Se você faz muitas entrevistas consecutivas, escolha anotações que ajudem a capturar o pensamento rapidamente Se seu maior desafio é se manter no caminho certo, escolha anotações que orientem a sessão Se seu maior desafio é escrever boas instruções, escolha anotações que direcionem a IA posteriormente e comece com uma ou duas, não seis, porque o objetivo não são notas perfeitas O objetivo é um loop repetível que você possa realmente fazer quando estiver cansado E agora é a sua vez. Escolha uma técnica para praticar na próxima sessão. Na próxima lição, vamos nos aprofundar no conjunto de notação específico 5. Aula 4.1 - Marcadores de metacognição: Se você já releu transcrição de uma entrevista e pensou Por que eu não percebi isso no momento? Essa lição é para você? Porque a maior parte do que torna um pesquisador bom não são as perguntas do roteiro. É o seu instrumento, sua capacidade de perceber surpresa, tensão, confusão e confirmação à medida que elas acontecem enquanto você ainda está na sala. Os marcadores de metacognição são uma maneira simples capturar essas reações em tempo real sem transformar a entrevista em um teatro de São marcas pequenas e consistentes que dizem ao seu eu futuro algo aconteceu aqui. Volte. Nesta lição, usaremos três marcadores. O primeiro é para surpreender. Algo que eu acho que funciona bem é usar dois pontos de exclamação, porque parece o tom emocional daquele momento Sua atenção aumenta e você quer captá-la antes que ela desapareça O segundo é para confusão. Gosto de dois pontos de interrogação aqui porque isso o mantém honesto. É uma maneira rápida de dizer que ainda não entendo isso e não vou fingir que entendo E o terceiro é para uma forte confirmação. Quando algo claramente apóia uma hipótese que você já está sustentando. Eu uso duas setas porque parece um vetor forte, uma direção clara, e isso me lembra de capturar a sugestão para que eu possa testar se ela se mantém durante o resto da entrevista O objetivo não é ser inteligente. O objetivo é deixar migalhas de pão para o seu futuro eu. Não se preocupe em memorizá-los. O único trabalho agora é reconhecê-los quando você os vê e entender para que serve cada um. Esses marcadores são rigorosos justamente porque são humildes Quando você marca surpresa ou confusão, você não está alegando a verdade. Você está captando uma mudança em sua atenção, e a atenção muda por motivos Algo contradiz o que você esperava. Algo é vago, onde deveria ser concreto, ou algo emocional e de alto risco está aparecendo por baixo das palavras Se você não capturar essa mudança, ela será suavizada posteriormente e você acabará com uma transcrição que é lida forma limpa, mas oculta o sinal real. Aqui está a principal restrição. Um bom marcador deve levar menos de um segundo. Você não está escrevendo parágrafos. Você está escrevendo uma frase curta e concreta e depois adiciona o marcador. Por exemplo, você pode escrever uma nota rápida como diz que é fácil, evita dispositivos móveis e depois adicionar seu marcador surpresa Ou você pode escrever, continue dizendo que depende e adicione seu marcador de confusão Ou você pode preencher os preços dos cheques primeiro de cada vez e adicionar seu marcador de confirmação Se você puder fazer isso, permanecendo presente e mantendo o participante falando, você está fazendo a coisa certa. Quando você usa o marcador surpresa, você está dizendo: Isso não é o que eu esperava Pode haver uma tensão que valha a pena explorar. Quando você usa o marcador de confusão, você está dizendo: eu não entendo isso ainda, e eu não deveria fingir que Preciso de um exemplo mais claro ou de uma definição mais nítida. E quando você usa o marcador de confirmação, você está dizendo: Isso apóia uma hipótese que estou mantendo Capture-o agora e teste se ele se mantém durante o resto da entrevista e em outras sessões. Observe como nenhuma dessas são conclusões. Eles são espaços reservados para verificação futura. E aqui está o que isso pode parecer durante uma entrevista. Você poderia me explicar a última vez que usou o aplicativo para economizar? Ok, foi ontem à noite, na verdade. Eu estava no sofá e lembrei que havia movimentado algum dinheiro no início da semana, então abri o aplicativo para verificar onde eu estava. Mãe, hmm. Normalmente, verifico minha conta corrente primeiro, depois vejo o pote de poupança e, se estiver tudo bem, vou me mudar um pouco. Mãe, hmm. Sim, parece chato, mas é meio que um alívio Tipo, eu fiz a coisa responsável do dia. Quando você diz que é um alívio, o que está acontecendo com você naquele momento? Eu diria que me sinto mais calmo, mas é estranho porque eu não diria que estou estressada com dinheiro o tempo todo. Tipo, estou bem. É que eu realmente não gosto da sensação de não saber, entende? Mãe, hmm. Basicamente, se eu não verificar, posso começar a pensar: alguma coisa saiu? Esqueci uma assinatura? Eu errei Mãe, hmm. Então, sim, verificar é basicamente eu me tranquilizar. Bom. E você pode me explicar o que tende a desencadear essa vontade de verificar São as notificações. 100%, talvez eu receba uma mensagem semanal ou uma mensagem como você gastou mais do que o normal em comida, e meu cérebro diz : Ah, não. O que eu fiz? Mãe, hmm. Mãe, ele. Mas eu também meio que gosto porque me mantém honesto. Então, eu estou irritado, mas eu também quero isso. Então, isso é irritante, mas eu também quero, um pouco é interessante. O que é irritante? É o momento e o tom. Se me avisar às 21h, eu já estou cansado, e é como se estivesse me julgando. já estou cansado, e é como se estivesse Eu sei que não é, mas parece um professor marcando sua lição de casa, entende Sim. E então eu vou abrir o aplicativo, verificar o saldo. E às vezes eu coloco dinheiro na poupança imediatamente. Sim. Eu sei que talvez não seja lógico. Sim. É mais como se eu estivesse tentando desfazer o mal que você vê? Sim. E quando você transfere dinheiro para uma poupança como essa, o que você espera que aconteça? Que eu vou voltar ao controle. Além disso, tenho a regra que, se eu gastei mais do que pretendia, compensarei transferindo algo para a poupança. É engraçado porque eu não faço orçamento. Eu odeio orçamentos, mas tenho um limite semanal para comer fora. E, me fale sobre esse limite semanal. Como você decidiu isso e o que acontece quando você vai lá? Eu escolhi um número que parecia razoável. E sim, se eu for até lá, me sinto culpado. Não sou muito culpado, meio irritado comigo mesmo. E é aí que eu faço o movimento de poupança, entendeu? Mãe, hmm. Mãe, hmm. Sim, eu sei que não é como um orçamento de planilha. É só uma grade de proteção. Sim. Mas sim, o aplicativo basicamente aciona todo o ciclo. Sim. Entendi. Para manter esses marcadores limpos, há uma pequena disciplina na qual você pode confiar Ao escrever um marcador surpresa, mantenha-o no formato “Eu esperava uma coisa, mas estou ouvindo outra Quando você escreve um marcador de confusão, mantenha-o na forma de, preciso de um exemplo mais claro disso E quando você escreve um marcador de confirmação, mantenha-o na forma dessa hipótese de suporte H por enquanto A estrutura mantém você honesto. Você está nomeando sua própria reação, não diagnosticando o participante Posteriormente no curso, usaremos a IA para fazer algo muito específico. Recuperamos evidências a favor e contra seu sinal humano. Esses marcadores tornam isso possível porque você já fez o trabalho humano de perceber o que importava na sala A diferença é que a IA não está decidindo o que importa. A IA está ajudando você a testar o que você percebeu. Agora experimente você mesmo. Faça uma entrevista dramática de cinco minutos. Seu único trabalho é capturar exatamente três marcas. Surpresa, confusão e confirmação. Mantenha-os curtos, mantenha-os concretos. E se você puder fazer isso, sem perder o fluxo da conversa, você tem a habilidade. 6. Aula 4.2 - Rastreamento de arco emocional: Em muitas notas de pesquisa, criamos acidentalmente um registro plano, uma pilha de citações, uma lista de observações e, mais tarde, tentamos construir significado a partir Mas o que mais precisamos para obter insights é muitas vezes perder a forma da experiência, os momentos em que a energia aumenta, os momentos em que ela diminui, os pontos em que alguém fica irritado, aliviado, incerto, animado Isso é o que o rastreamento do arco emocional captura. É uma forma leve de monitorar as mudanças de energia sem interromper a conversa Então, o que é um arco emocional? É uma pequena linha do tempo de energia enviada por meio de uma experiência e ajuda você a responder algumas perguntas realmente importantes Onde a experiência começou a funcionar? Onde começou a quebrar? O que aconteceu logo antes da entrega? E o que a pessoa precisava naquele momento? Esses momentos anteriores são onde as oportunidades reais se escondem. Para capturar isso, usamos quatro marcas simples. A seta para cima significa que a energia está aumentando. Uma seta para baixo significa que a energia está caindo. Uma seta para a direita significa que as coisas estão neutras ou estáveis, e um ponto de exclamação significa que há um pico de frustração Isso é tudo que você precisa de quatro símbolos. A maneira mais simples de usá-los é rastrear o arco em relação a uma sequência. Essa sequência pode ser uma jornada do usuário, como a integração, depois a primeira ação e depois a configuração Seja as seções do seu guia de entrevistas. Ou pode ser um fluxo de tarefas como pesquisar, comparar, finalizar a compra. Aqui está uma dica prática. Imprima seu guia de discussão ou mapa de viagem e deixe uma margem no lado direito da página. Você não está escrevendo um parágrafo. Você está apenas marcando a etapa atual com um desses quatro símbolos. Então, aqui está o que parecia na prática. Integração, neutralidade, permissões, quedas de energia. Painel, aumento de energia, configurações, pico de frustração, confirmação, recuperação de energia Agora, para cada uma dessas etapas, você adiciona uma frase que captura o gatilho, não uma citação, não um parágrafo, apenas uma frase que nomeia o que causou a mudança Por exemplo, ao lado das permissões com uma seta para baixo, seu microfone escreve que não se sente à vontade sobre qual acesso está sendo solicitado E ao lado das configurações com uma marca de extraomação, fiquei irritado porque a opção estava oculta e as etiquetas Exton avança com uma seta para cima, aliviado porque as informações eram imediatas e fáceis Se você puder nomear o gatilho, poderá criar para ele. Agora, existem alguns erros comuns a serem observados. A primeira é confundir emoção com opinião. Se alguém diz que é ruim, isso é uma opinião. Isso não é um arco. Mas se a energia cair quando eles atingem uma etapa específica, isso é um arco. Estamos rastreando turnos, não julgamentos. O segundo erro é rastrear muitos micromomentos. Comece com quatro ou seis etapas, não 20. Você quer a forma grande, não todas as pequenas flutuações. E o terceiro erro é presumir que você conhece a causa. Veja o que aconteceu logo antes do turno e tratamos sua explicação como uma hipótese, não como um fato. A única pergunta que torna tudo isso útil é o que aconteceu logo antes da seta para baixo ou do ponto de exclamação Depois de ter de três a cinco arcos em diferentes participantes, você pode começar a padronizar a idade As gotas se agrupam na mesma etapa? Os picos de frustração são sempre causados pelo mesmo tipo de gatilho, como tom pouco claro ou mau momento, incerteza ou E os aumentos acontecem quando as pessoas recuperam o controle, a clareza ou a velocidade Eu te dou um mapa de pontos de alavancagem, e ele também te dá uma mão limpa para a IA. Posteriormente, quando você tiver uma transcrição, poderá pedir à IA que explique o momento antes de cada turno e retire as evidências para você Aqui está um exemplo de como essa solicitação pode parecer. Você diz à IA que rastreou um arco emocional usando os quatro símbolos Em seguida, você pede que ele faça três coisas para cada seta para baixo e cada ponto de exclamação. Cite o que estava acontecendo logo antes, deduza qual necessidade ou preocupação está surgindo e ofereça duas explicações alternativas, e peça que ela retorne os resultados como uma tabela Essa é uma ótima maneira de se aprofundar nos momentos mais importantes sem precisar reler a transcrição inteira sozinho Tudo bem, agora é sua vez. Escolha uma experiência recente da qual você se lembre claramente. Pode ser se inscrever em um aplicativo, reservar uma passagem ou configurar uma nova ferramenta. Escreva um arco de quatro a seis etapas. Uma linha por etapa. Marque cada etapa com um dos quatro símbolos e adicione uma frase que capture o gatilho Se você conseguir fazer isso em menos de 2 minutos, estará treinando a habilidade que queremos reconhecer padrões ao longo do tempo. 7. Aula 4.3 - Cascata de perguntas: Uma das partes mais difíceis da entrevista é permanecer presente enquanto seu cérebro faz o que o cérebro faz Você ouve algo interessante e imediatamente gera uma pergunta de acompanhamento ao vivo. Se você perseguir todos eles, a entrevista se transforma em chicote Se você ignorar todos eles, perderá o melhor Fred. A notação em cascata é uma maneira simples de capturar sua curiosidade sem atrapalhar Você usará duas tags. Q arrow é uma continuação que vale a pena perguntar agora. Q later é para um acompanhamento ao qual você deseja retornar quando for melhor o momento. Se você já usa as anotações do kit de ferramentas da lição quatro, isso parecerá familiar A seta de acompanhamento e a seta são o mesmo movimento. Siga este traste agora. Park e Q depois fazem a mesma jogada. Segure o traste e mantenha o fluxo. E a profundidade é um subtipo comum de seta Q. Quando um termo vago aparece, você pede uma definição no momento Novamente, você pode usar o que funcionar melhor para você, mas esses são os princípios por trás disso. Então, o que é isso realmente? Trata-se de garantir que sua melhor curiosidade sobreviva ao momento Você quer dois resultados. Você mantém o participante falando e ainda coleta os acompanhamentos que aprofundarão a visão Agora, vamos falar sobre como manter a pergunta curta. Uma boa pergunta em cascata geralmente tem uma linha. Se forem necessárias duas linhas , provavelmente são duas perguntas. Aqui estão algumas formas úteis. O que estava acontecendo logo antes disso? Você pode me dar um exemplo específico? O que fez você escolher essa opção? O que você esperava em vez disso? Escreva a versão mais curta que ainda aponta para o detalhe que falta Então, como você decide se quer perguntar agora ou estacionar para mais tarde? Use QR quando o participante já estiver próximo do momento que lhe interessa e use mais tarde quando perguntar se agora interromperia uma história que está Quando isso o levaria de lado para um tópico diferente ou quando exigiria contextos que você ainda não tem A regra simples é esta: se o acompanhamento tornar a resposta atual mais clara, pergunte agora Se abrir uma nova filial, estacione-a. E um hábito prático que realmente faz isso funcionar deixar de três a 5 minutos no final da sessão para voltar à sua lista posterior, trate-a como uma pequena seção de encerramento Vamos ver como isso poderia parecer em uma entrevista real. Você poderia me explicar como você costuma usar o aplicativo? Sim, então eu geralmente tento checar onde estou no aplicativo . Sabe, eu não faço check-in diariamente, e nem mesmo chego semanalmente para ser totalmente honesto com você. Eu realmente coloco meu dinheiro de lado e talvez faça o check-in se eu me lembrar que tenho a conta. Então é por isso que eu uso o aplicativo na maior parte do tempo, meio que checando, vendo como está. E eu digo, tipo, é mais vermelho do que azul? Porque se for mais vermelho, talvez eu precise ligar para meu pai e ver o que podemos fazer daqui para frente. Então, acho que a cor meio que me ajuda a entender. Então, sim. E quando você diz mais vermelho do que azul, o que isso significa para você? Tipo, o que você acha que as cores estão te dizendo? Não sei os números exatos por trás disso. É mais como se parecesse vermelho, então eu fico tipo, Ok, algo está errado, ou, tipo, em um bom lugar. E se for azul, eu fico tipo, Ok, estamos bem. É como uma rápida verificação de vibração. Sei que parece bobagem, mas é mais fácil do que tentar ler tudo. Você sabe o que eu quero dizer? Mãe, hmm. Entendi. Sim. E o que você faz quando vê vermelho? Então, se eu ligar para o meu pai e ele disser, tipo, vamos movimentar algum dinheiro vamos fazer algo diferente, eu costumo acessar o site do que no aplicativo. Mãe, hmm. Sim, acho que talvez seja porque meu pai sabe mais sobre o site do que sobre o aplicativo. Mãe, hmm. Eu sei usar o aplicativo, mas ele sabe como usar mais o site. Mãe, hmm. Sim, e talvez tenha sido assim que eu aprendi com isso. Então, geralmente me sinto melhor usando o site porque sei o que estou fazendo. Mãe, hmm. Mãe, hmm. Ok, então o aplicativo é principalmente para fazer check-in, e o site é para realmente movimentar dinheiro. Quando você está fazendo o check-in no aplicativo, qual é o momento que você espera? Tipo, o que é uma boa notícia? Quero dizer, a boa notícia é que é azul. E então eu fico tipo, ok, eu não tenho que lidar com isso porque, honestamente, dinheiro é estressante Então, se for azul, eu posso simplesmente continuar com meu dia. Mas se for vermelho, então eu fico tipo, Oh, agora eu tenho que fazer a coisa toda. E a coisa toda é como ligar para meu pai, entrar no site, tentar não estragar tudo. Sim. Mãe, hmm. Mãe, hmm. Isso faz sentido. Ok, antes de terminarmos, quero voltar para algo que você disse mais cedo. Você mencionou que se sente melhor usando o site do que o aplicativo quando precisa movimentar dinheiro. O que há no site que faz você se sentir mais confiante? Honestamente, é apenas familiaridade. exemplo, eu vi meu pai fazer isso e, no aplicativo, estou sempre um pouco preocupada em tocar na coisa errada. No site, é mais lento e eu posso ver mais, e parece mais eficiente Sim. Então, eu confio mais em mim mesma lá. OK. Sim. Observe o que aconteceu. Eu usei deep para esclarecer um termo que importava para sua tomada de decisão Eu usei Q later para estacionar um frete para que eles pudessem continuar falando. Depois, deixei um tempo no final para voltar e obter uma resposta clara. Agora, vamos falar sobre como isso se conecta à IA após a sessão. Durante a entrevista, QRO e Q later são ferramentas de fluxo. Eles ajudam você a ficar presente. Mas depois da sessão, IA se torna útil para um trabalho diferente, organizando as perguntas que você não respondeu totalmente e transformando-as em um plano para a próxima rodada. Isso é importante porque algumas perguntas posteriores do Q serão feitas posteriormente na mesma entrevista, mas outras não. Eles se perdem quando o tempo acaba. Quando o participante leva você a algum lugar mais valioso ou quando a pergunta precisa de um contexto que você não entendeu. É exatamente aqui que a IA ajuda. Então, depois da entrevista, você pode usar a IA para três coisas. Primeiro, para perguntas que você estacionou, mas nunca conseguiu perguntar Segundo, para perguntas que você fez, mas não obteve uma resposta clara. E terceiro, por transformar temas repetidos do Q Later em sessões em testes para a próxima rodada Você pode ignorar a IA para qualquer pergunta do Q later que você já tenha feito e para a qual tenha obtido uma resposta clara na mesma sessão Esse está pronto. Aqui está um exemplo de como essa solicitação pode parecer. Você dá à IA suas notas marcadas com QR e Qlater. Em seguida, você pedirá que primeiro marque quais perguntas foram respondidas na sessão e quais não foram. Ou as não respondidas, você pede que ele as agrupe em três a cinco temas, reescreva cada pergunta para ser neutra e específica e sugira uma ordem que mantenha E você pede que ele produza um breve guia de acompanhamento que você possa usar na próxima entrevista. Isso transforma sua curiosidade crua em um plano estruturado sem que você precise se organizar sozinho Tudo bem, agora é sua vez. Faça uma dramatização de cinco minutos. Depois que terminar, escreva dois acompanhamentos de Q RL que você perguntaria imediatamente e dois acompanhamentos Q posteriores para os quais você retornaria mais tarde Mantenha cada pergunta em uma linha. Se você conseguir fazer isso de forma consistente, sentirá a diferença em suas entrevistas em uma semana. 8. Aula 4.4 - âncoras de contexto: As transcrições do I fazem com que as entrevistas pareçam mais limpas do que eram Eles capturam o que foi dito. Muitas vezes, eles perdem o que moldou o que foi dito. As âncoras de contexto são como você mantém essa camada ausente. São notas curtas entre colchetes que capturam restrições e mudanças. Coisas como onde a pessoa está, o que mais está acontecendo ao seu redor, em qual dispositivo ela está, quem está por perto e o que está competindo por sua atenção. Não é bom ter esses detalhes. Eles explicam por que um participante dá uma resposta curta, evita um recurso, muda de tom ou se torna cauteloso Então, por que isso importa? Porque se você não capturar o contexto, poderá interpretar mal os dados Pode rotular alguém de descomprometido quando está realmente exausto Você pode rotular alguém de confiante quando um parceiro o está treinando fora das câmeras Você pode rotular algo fácil quando a pessoa está em um desktop em condições silenciosas. Uma transcrição não pode mostrar nada disso de forma confiável. As transcrições eliminam o ambiente e as interrupções. Eles eliminam as restrições de dispositivo e configuração. Eles eliminam a dinâmica social, como quem está presente. Eles eliminam o tempo e o estado de energia e eliminam a razão pela qual o ritmo muda. O que conta como contexto e o que não é? Uma boa âncora de contexto tem duas qualidades. Primeiro, é objetivo ou próximo do objetivo. E em segundo lugar, muda plausivelmente o comportamento ou o significado. Aqui estão alguns bons exemplos. Um encontrado caminhando para o trabalho. O brilho da tela não consegue ler textos pequenos. No trabalho, mantendo a voz baixa. A criança interrompe duas vezes, perde o frete. Parceiro na sala, as respostas ficam mais curtas. Mude do aplicativo para o site no meio da tarefa. O que não conta como âncora de contexto? Opiniões, tipo, isso é irritante. Capture aqueles em outros lugares. Interpretações como se fossem envergonhadas. Trate-as como uma hipótese, não como contexto. A regra geral é essa: escreva um contexto que ajude um colega de equipe a entender por que esse momento foi do jeito que foi, e você quer escrevê-los rapidamente, resumindo cada um em uma única linha Há duas formas úteis. A primeira é a restrição, depois o efeito provável Por exemplo, turno da noite, caminhada, ritmo mais lento O segundo é o momento da mudança, então o que mudou na conversa? Por exemplo, se o parceiro entra na sala de forma mais formal ou no celular, uma mão evita digitar Agora, quando você começa a analisar, as âncoras de contexto ajudam a interpretar padrões sem nivelá-los Você pode fazer perguntas como : os mesmos problemas aparecem sob as mesmas restrições Certas fricções são apenas móveis? As respostas confiantes se correlacionam com a presença de outra pessoa? As mudanças emocionais se alinham às interrupções ou à E isso mantém você honesto e também torna suas instruções para a IA mais precisas O valor principal das âncoras de contexto é simples. Eles fornecem inteligência artificial e informações futuras que a transcrição não conterá Às vezes, esse contexto é importante. Às vezes, isso não acontece. O objetivo é reduzir a chance de uma pessoa confiante parecer mal interpretada Quando você usa âncoras de contexto com IA, há três coisas que você deve ter em mente Primeiro, inclua os contextos relevantes antes de solicitar a interpretação Em segundo lugar, peça à IA que sinalize onde o contexto pode estar moldando os dados E terceiro, peça explicações alternativas quando o contexto for ambíguo Aqui está um exemplo de como essa solicitação pode parecer. Você dá à IA suas notas de entrevista junto com algumas âncoras de contato Em seguida, você pede que ele use os contatos para evitar a interpretação excessiva de respostas curtas, hesitações e mudanças de tópico Para cada item de contexto, você pede que ele liste uma ou duas maneiras pelas quais ele pode estar moldando o comportamento, uma ou duas maneiras pelas quais pode ser irrelevante, e rotule cada inferência com um nível de confiança alto, médio Você pede que ela cite linhas exatas para qualquer reclamação. Isso força a IA a raciocinar com cuidado, em vez de apenas combinar padrões na superfície. Deixe-me dar um exemplo rápido de como isso funciona na prática. Digamos que o participante diga: Sim, quero dizer, está tudo bem. Eu realmente não uso isso. Sua nota pode ser contextualizada em um escritório de plano aberto, sussurrando respostas curtas Mais tarde, quando você interpreta que é coluna vertebral, você a lê de forma diferente. Talvez eles não fossem desdenhosos, talvez estivessem apenas mantendo a voz baixa O objetivo é entender as condições de onde os dados vieram. Portanto, você e a IA não interpretam demais o que aconteceu. Tudo bem, agora é sua vez. Faça um pequeno RPG e capture três âncoras de contexto. Um para um ambiente ou interrupção, um para uma restrição de dispositivo ou configuração e outro para uma dinâmica social ou fator de tempo Mantenha cada uma em uma única linha no formato de colchetes. Se você conseguir identificá-los em tempo real, estará capturando uma camada de percepção que a maioria dos pesquisadores acredita inteiramente 9. Aula 4.5 - Observações vs interpretações: Há um hábito que se infiltra nas anotações de quase todos os pesquisadores, e é tão natural que maioria das pessoas nem percebe que está fazendo isso Você vê alguém hesitar e você escreve confuso com o layout. Você vê alguém tocar rapidamente e escrever com facilidade. Você vê alguém suspirar e escreve frustrado. Cada uma delas é uma interpretação disfarçada de fato E o problema não é que a interpretação esteja errada. Talvez esteja certo. O problema é que, uma vez escrito como um fato, ninguém o questiona, nem você, nem sua equipe e, definitivamente, não a IA. Esta lição é sobre como criar um hábito simples que proteja seu rigor Você aprenderá a separar o que viu do que acha que significa usando dois prefixos, O para observação e I para interpretação Uma observação é algo para o qual você poderia apontar uma câmera e com a qual todos concordariam. O participante hesitou por 6 segundos antes de tocar em B. Isso é uma observação. Qualquer pessoa que assistisse à gravação veria a mesma coisa. Uma interpretação é sua criação de significado. Ansiedade financeira, medo de clicar mal, decisão precipitada. Essas são interpretações. Eles podem ser precisos, mas não são fatos. São hipóteses. O hábito que estamos criando é simples. Ao escrever uma nota, pergunte a si mesmo alguém poderia ver exatamente isso na gravação? Se sim, é um O. Se você está adicionando significado, é um I. Isso é mais importante do que você imagina, e aqui está o porquê. Quando você entrega notas à IA e pede que ela encontre concursos, a IA trata tudo o que você escreveu como igualmente verdadeiro Ele não sabe quais linhas são as coisas você viu e quais linhas são as coisas que você adivinhou Portanto, se suas anotações estiverem cheias de interpretações não marcadas, a IA construirá sua análise com base em suas suposições e as apresentará de suas suposições e as apresentará volta a você como É assim que ocorrem interpretações errôneas com excesso de confiança, e elas são difíceis de detectar porque a saída parece polida Separar O de I fornece uma base limpa. As observações permanecem sólidas, as interpretações permanecem testáveis Então, vamos falar sobre como escrever uma observação clara. O segredo é manter seu idioma descritivo e específico Descreva o comportamento, o tempo e a sequência. Evite adjetivos que julguem. Aqui estão alguns exemplos. Hesitei 6 segundos antes de tocar nele que está limpo. Passe pela seção de preços sem parar. Limpo. Leia essa mensagem de erro em voz alta e feche a guia. Também limpo. Agora compare esses dois. Fiquei confuso com o preço. Isso é uma interpretação. Você não sabe que eles estavam confusos. Você sabe que eles passaram por ela, a confusão é sua suposição. Um bom teste. Se você se pegar escrevendo uma palavra sentimental, como confuso, frustrado, encantado ou oprimido, pausa e pergunte Em vez disso, descreva isso e mova a palavra do sentimento para a linha dos olhos Agora, como você escreve uma boa interpretação? O mais importante é tratá-la como uma hipótese, não como uma conclusão. Escreva isso como algo que poderia ser testado ou refutado. Por exemplo, Oh, hesitou 6 segundos antes de tocar em B. Eu, possivelmente ansioso por dinheiro ou sem saber se o Observe o que aconteceu lá. A observação está bloqueada. A interpretação oferece duas explicações possíveis, e nenhuma delas afirma ser a resposta Você também pode atribuir à sua interpretação um nível de confiança, algo como, provavelmente comparando com os preços que eles viram em outros lugares, confiança média. Isso ajuda você e sua equipe no futuro a saberem quanto peso colocar nisso e ajuda a IA a tratá-lo com o nível certo de cautela. Veja como seria um conjunto real de notas usando esse sistema. A observação hesitou por 6 segundos antes de tocar. Interpretação: dinheiro, ansiedade ou medo de perder um clique. A observação percorreu a tabela de preços sem parar A interpretação pode não ter reconhecido isso como preço ou já ter decidido ignorar os detalhes A observação disse, espere, para onde foi? Depois da transição da página. Interpretação e navegação inesperada possivelmente pareceram perda de controle. observador sorriu e disse: Ah, bom quando a tela de confirmação apareceu Observe que o último não tem linha de interpretação. Tudo bem. Nem toda observação precisa de uma interpretação. Às vezes, o comportamento é claro o suficiente por si só, e adicionar uma suposição seria apenas um ruído. Uma boa proporção a ser almejada em suas anotações é aproximadamente três a quatro observações para cada uma ou duas interpretações Isso mantém suas anotações fundamentadas. Agora, vamos falar sobre como isso se conecta à IA. Quando você dá à IA um conjunto de notas com observações e interpretações claras, rótulos O e I claros, você pode pedir que ela faça algo muito específico Trabalhe primeiro com as observações e depois compare suas explicações com suas interpretações Isso cria uma verificação útil. Se a leitura da IA corresponder à sua interpretação, isso é um sinal de que sua suposição pode estar correta. Se a IA oferecer uma explicação diferente, vale a pena investigar De qualquer forma, você acaba com uma análise mais honesta. Aqui está um exemplo de como essa solicitação pode parecer. Você dá à IA suas notas com os rótulos O e I. Em seguida, você pede que primeiro analise apenas as linhas de observação e sugira duas a três explicações possíveis para cada uma, sem examinar suas interpretações Depois disso, você pede que ele compare suas explicações com suas linhas I. Onde você concorda? a IA vê possibilidades diferentes? E você pede que ele sinalize qualquer interpretação que pareça exagerada, dadas as evidências da observação. Essa é uma maneira poderosa de usar a IA como um parceiro de pensamento, em vez de uma máquina de confirmação. Tudo bem, e agora é sua vez. Pense em uma experiência recente que você teve com um produto ou serviço. Pode ser qualquer coisa: um aplicativo, um site, uma máquina de checkout automático, um fluxo de reservas e, em seguida, escrever de quatro a seis linhas no total Faça três a quatro observações e uma a duas interpretações. Lembre-se de que as observações passam no teste da câmera. As interpretações são suas melhores suposições escritas como Se você puder fazer isso de forma rápida e consistente, estará desenvolvendo uma habilidade que tornará cada análise mais confiável, esteja você trabalhando com IA ou sem 10. Aula 4.6 - mapeamento de contradições: Tudo bem, isso vai te chocar, mas as pessoas nem sempre fazem o que dizem que fazem Isso não é um julgamento. É um dos padrões mais confiáveis na pesquisa de UX. Alguém diz que um recurso é fácil, mas evita usá-lo. Alguém diz que não se importa com uma configuração, mas passa 2 minutos configurando-a Alguém diz: Eu confio neste aplicativo, mas a voz deles fica mais baixa e eles começam a se proteger Essas lacunas entre o que uma pessoa diz e o que ela realmente faz são alguns dos materiais mais ricos que você já coletará, e são fáceis de ignorar porque as transcrições as nivelam porque as transcrições as Uma transcrição fornece as palavras. Nem sempre mostra o comportamento que contradiz essas palavras Esta lição ensina uma maneira simples de capturar e registrar essas contradições em tempo real usando duas tags de dizer e Quando você escreve um par de palavras e fazer, você está chamando a atenção, e as tensões são onde vive fazer, você está chamando a atenção, o insight Eles apontam para necessidades não atendidas, soluções alternativas, desamparo aprendido, desejabilidade social ou simplesmente uma lacuna entre como alguém pensa sobre sua experiência e como sua experiência O importante é que não estamos tentando enganar as pessoas mentindo. Não é disso que se trata. As pessoas não estão sendo desonestas. Eles estão sendo humanos. Todos nós narramos nosso próprio comportamento forma um pouco mais organizada do que a realidade Seu trabalho é perceber a lacuna e mantê-la com curiosidade. Há dois tipos de contradições às quais vale a pena prestar atenção A primeira é uma contradição de comportamento. É quando o que alguém disse e o que eles fazem estão desalinhados Por exemplo, diz, eu sempre verifico meu orçamento antes de comprar. As abas são compradas sem abrir a tela de orçamento? Essa é uma clara contradição de comportamento. A segunda é uma contradição de tom. Isso é mais sutil. As palavras soam bem, mas algo na entrega sugere o contrário. Por exemplo, diz: Tudo bem, não me importo. Mas a voz é plana, o ritmo diminui ou eles mudam imediatamente de assunto As palavras dizem uma coisa, a energia diz outra. Vale a pena capturar os dois tipos. As contradições de comportamento são mais fáceis de detectar. Muitas contradições exigem mais prática, mas geralmente apontam para os momentos sobre os quais as pessoas se sentem menos confortáveis em falar diretamente Como você escreve isso em suas anotações? Mantenha as coisas simples. Escreva primeiro a linha diz, depois a linha faz logo abaixo Uma linha de cada. Aqui estão alguns exemplos. Says é muito fácil de usar. Evita totalmente o recurso e, em vez disso, pergunte ao membro da família Diz que eu verifico isso toda semana. Os dados de uso do aplicativo mostram que o último login foi há três meses. Diz que não me importo com o design. Passa 45 segundos ajustando as cores do tema. Diz? Sim, isso faz sentido. Relê o mesmo parágrafo três vezes. Observe que você não está explicando a contradição. Você está apenas gravando os dois lados. A explicação vem depois. Agora, há uma habilidade importante aqui que exige um pouco de prática, mantendo suas anotações curiosas em vez de julgadoras É tentador escrever algo como afirmar que é fácil, mas claramente não pode usá-lo Parece que você está pegando o participante. E essa não é a energia que queremos em nossas anotações porque ela fecha o pensamento Uma vez que você claramente não pode usá-lo, você já decidiu o que está acontecendo. Em vez disso, escreva a contradição como um par e deixe o significado em aberto Diz que é fácil, faz, evita, basta. A tensão é visível. Você pode explorá-lo mais tarde. Se você quiser adicionar uma nota sobre o que a contradição pode significar, use uma pergunta em vez de uma declaração Algo como incompatibilidade. Isso é desejável social ou eles realmente o consideram fácil, ou eles realmente o consideram mas optam por não usá-lo por um motivo diferente Isso mantém você no modo de consulta. Quando você chega à análise, as contradições são poderosas porque elas se agrupam Se três em cada cinco participantes disserem que um recurso é fácil, mas nenhum deles o usa sem aviso prévio, esse é um padrão que vale a pena investigar, e é um padrão que uma simples análise de sentimentos ignoraria completamente porque as palavras É aqui também que entra a conexão com a lição anterior. Se você está separando observações de interpretações, agora você pode colocar o mapeamento de contradições A linha diz está próxima de uma citação. A linha de doses é uma observação. E a pergunta que você faz sobre a lacuna é uma interpretação feita com leveza. Agora, vamos falar sobre como isso funciona com a IA. O principal valor dos pares CS e DS para IA é que eles dão ao modelo um tipo específico de tensão com a qual trabalhar. Em vez de pedir à IA que encontre insights, o que é vago, você pode pedir que ela se concentre nas incompatibilidades e gere perguntas a partir delas Isso é importante porque a IA é muito boa em resumir o que as pessoas disseram. É muito menos bom perceber quando o comportamento contradiz essas palavras, especialmente se a contradição for sutil. Ao identificar você mesmo as contradições, você está dando à IA o material mais interessante com o qual trabalhar Aqui está um exemplo de como essa solicitação pode parecer. Você dá à IA suas anotações com pares de palavras e ações. Em seguida, você pede que descreva a tensão em uma frase para cada incompatibilidade Sugira duas a três explicações possíveis enquadradas como perguntas e sinalizadas se é uma contradição de comportamento ou uma contradição de tom. Você diz isso não para resolver essa tensão, mas para apresentá-la como uma questão aberta. E então você pede que ele examine todos os participantes e descubra onde as mesmas contradições se repetem Isso fornece um mapa de onde está o verdadeiro atrito, não apenas onde as pessoas disseram que tiveram atrito Tudo bem, agora é sua vez. Pense em uma conversa ou interação sobre reembolso em que alguém disse uma coisa, mas fez outra. Não precisa ser uma entrevista de pesquisa. Pode ser um amigo recomendando um restaurante que nunca frequenta ou um colega dizendo que um processo é simples e passa uma hora trabalhando Escreva de dois a três pares de contradições. Uma linha para dizer, uma linha para fazer, mantenha-a factual, mantenha a curiosidade e resista à tentação de explicar a lacuna Se você conseguir inseri-las em tempo real durante uma entrevista, obterá o tipo de percepção que nenhuma transcrição e nenhum resumo de IA podem fornecer por si só 11. Aula 5 - Como trabalhar com IA em parceria: Lição, vamos falar sobre IA de uma forma muito prática, não sobre o exagero nem o medo, como a usamos como pesquisadores sólidos? Aqui está a manchete. A IA não é a chefe. Nós somos. A IA pode nos ajudar a agir rapidamente. Isso pode nos ajudar a nos libertar e pode nos ajudar a testar nosso pensamento Mas também pode fazer isso quando parece incrivelmente confiante enquanto inventa coisas silenciosamente E se não tomarmos cuidado, isso pode nos levar a conclusões que parecem organizadas e convincentes, mas que na verdade não são verdadeiras Portanto, nosso objetivo não é obter respostas da IA. Nosso objetivo é usar a IA para acelerar o trabalho manter o nível de qualidade alto. E no restante deste curso, usaremos um simples loop, rascunharemos, criticaremos, verificaremos e documentaremos. É isso mesmo. Esse loop é o que nos permite usar HeChPT, Claude, Gemini, o que vier a seguir, sem vincular nossas habilidades a uma ferramenta E eu quero que você se apegue a uma metáfora. Mantemos nossas mãos no volante. A IA é o satnav. Tudo bem, vamos começar com a pergunta mais útil de todas O que até é um LLM. Um LLM, um grande modelo de linguagem, é basicamente um sistema treinado para prever a próxima palavra Ele viu uma grande quantidade de texto e aprendeu padrões de como os humanos tendem a escrever. Portanto, pode produzir uma linguagem fluente, coerente e, honestamente, às vezes Aqui está a parte chave. Fluente não significa verdadeiro Os LLMs são ótimos na forma de uma resposta. Eles podem redigir, resumir, reformatar, debater ideias e nos ajudar a identificar possíveis padrões E para trabalhos de pesquisa, isso é realmente útil porque grande parte do nosso trabalho é transformar confusas em algo mais claro. O que eles não podem fazer automaticamente é saber o que é preciso para o seu projeto. Eles não conhecem seu projeto. Eles não conhecem seus usuários. E eles definitivamente não estavam na sala com seus participantes. Portanto, o melhor modelo mental é um colaborador muito rápido. Útil, criativo, às vezes surpreendentemente nítido. Nem uma testemunha, nem uma fonte nem a pessoa que citamos em uma reunião com partes interessadas E quando realmente entendemos isso, muita confusão e entusiasmo em torno da IA começam a se acalmar. Agora, se vamos usar a IA, precisamos saber como ela falha porque falha de maneiras bastante previsíveis. Há três clássicos que eu vejo o tempo todo em trabalhos de pesquisa. Número um, alucinação. Essa é a palavra educada para inventar algo, uma característica que não existe, uma citação que ninguém disse, uma pequena visão fundamental que parece plausível, mas na verdade não se baseia em nada que você realmente coletou uma característica que não existe, uma citação que ninguém disse, uma pequena visão fundamental que parece plausível, mas na verdade não se baseia em nada que você realmente coletou. Número dois, generalização excessiva. Essas são as duas pessoas que mencionaram isso, então deve ser um problema de verdade universal. De repente, os usuários odeiam embarcar ou todos ficam confusos com os preços. Talvez. Ou talvez fossem apenas duas pessoas com um contexto específico em um dia específico. A pesquisa tem tudo a ver com contexto, e a IA nivelará esse contexto se permitirmos Número três, tom confiante. Esse é sorrateiro Mesmo quando o modelo está apenas adivinhando, ele pode parecer calmo, seguro e Quando você está se movendo rapidamente, é muito fácil confundir confiança com exatidão Portanto, a correção não se tornou um assistente rápido. A solução é usar um fluxo de trabalho que torne difícil acreditar acidentalmente em algo que não é verdade E é aí que entra nosso loop. Então, vamos fazer isso. Tudo bem, então aqui está o que vamos usar para o resto do curso É simples, é repetível e nos mantém honestos. É esse loop, rascunho, crítica, verificação, documento. A razão pela qual eu adoro isso é porque nos impede de tratar a IA como uma secretária eletrônica. Em vez disso, nós o usamos como uma ferramenta elétrica. Rápido, útil e ainda assim algo pelo qual somos responsáveis. Vamos examinar isso. Rascunho. Usamos a IA para obter uma primeira versão na página, não porque seja perfeita, mas porque nos dá algo ao que reagir. Isso pode ser uma lista de temas, um esboço de relatório. Qualquer coisa que normalmente comece com uma página em branco. Segundo passo, crítica. Agora trocamos de marcha. Pedimos à ferramenta critique o que ela acabou de fazer. O que está faltando? Onde é vago? O que é tendencioso ou preconceituoso Que suposições ele contrabandeou sem nos dizer? É aqui que transformamos uma boa saída em um rascunho útil. Etapa três, verifique. E essa é a parte que faz com que seja pesquisada. Comparamos a produção com a realidade, o resumo, com nossas anotações, transcrições, com as citações reais Se a ferramenta fizer uma reclamação, perguntamos: Onde está a evidência? E se não pudermos fazer backup, não o enviamos. Etapa quatro, documento. Por fim, escrevemos o que decidimos e por quê, em que confiamos. O que ainda é uma hipótese? O que é desconhecido? É assim que mantemos nosso trabalho defensável, especialmente quando estamos agindo rapidamente Só para ficar bem claro, esse loop não é uma coisa única. É basicamente a espinha dorsal de todo o nosso processo. Se algo importa, anexamos evidências. Essa é a barra de qualidade. Então essa é a base. Usamos a IA para nos movermos mais rápido, mas nos mantemos responsáveis pela qualidade Não terceirizamos o julgamento. Usamos o loop, rascunhamos, criticamos, verificamos, documentamos. Se você não se lembrar de mais nada desta lição, lembre-se disso. Quando algo importa, anexamos evidências. É assim que nos mantemos úteis e é assim que permanecemos confiáveis 12. Aula 5.1 - Prompts que respeitem o rigor: Neste ponto do curso, você criou um conjunto de hábitos de notação Você sabe como rastrear arcos emocionais, capturar contexto, separar observações de interpretações e sinalizar Agora vamos falar sobre o que acontece quando você entrega essas notas para a IA, porque a forma como a maioria das pessoas usa a IA com dados de pesquisa é colar uma transcrição, digitar algo como, quais são os principais insights e ver o que sai E a saída geralmente parece boa. É bem estruturado, confiável e fácil de ler. O problema é que fácil de ler e ser preciso não são a mesma coisa. Você dá à IA um aviso vago, ela preenche as lacunas com a correspondência de padrões Ele adivinha o que você provavelmente quer e apresenta essas suposições como descobertas Esta lição trata de dar à IA um trabalho específico em vez de uma tela em branco. Você aprenderá um pequeno conjunto de padrões imediatos que testam seu pensamento em vez de substituí-lo. A ideia central é essa: uma boa solicitação de pesquisa diz à IA o que procurar, qual formato retornar e o que não assumir. Ele trata a IA como um assistente de pesquisa que é rápido e minucioso , mas não tem julgamento. Você é o único com julgamento. O aviso é como você direciona o esforço de assistência. Vamos abordar quatro padrões de alerta. Cada um foi projetado para um momento diferente em sua análise, e cada um foi criado para manter você honesto. O primeiro padrão é confirmar e contradizer. Isso é para quando você já tem uma hipótese e deseja testá-la sob pressão. A forma da solicitação é, aqui está minha hipótese, encontrar evidências que a confirmem e evidências que a contradigam Cite as linhas exatas. Isso é poderoso porque força a IA a olhar nas duas direções. Se você perguntar apenas se os dados suportam X, a IA quase sempre dirá que sim e encontrará cotações de apoio. Esse é o viés de confirmação embutido no prompt. Ao perguntar pelos dois lados, você obtém uma imagem mais equilibrada. Aqui está um exemplo. Minha hipótese é que os participantes se sintam mais confiantes no site do que no aplicativo. Encontre evidências que apóiem isso e evidências que o contradigam. Cite as linhas exatas da transcrição. O segundo padrão é recuperar evidências. Isso é para quando você precisa fazer backup de uma reclamação com dados específicos. A forma é entre aspas as linhas exatas que suportam X. Não parafraseie Isso é útil quando você está escrevendo descobertas e precisa ancorar suas afirmações em dados reais Também é uma boa verificação de si mesmo. Se a IA não conseguir encontrar uma citação direta, isso pode significar sua afirmação com uma interpretação em vez de uma conclusão fundamentada. Um detalhe importante. Sempre diga à IA que não parafraseie. Se você deixar isso de fora, ele geralmente reformulará as aspas para que pareçam mais limpas e, em seguida, você perderá o idioma real do participante O terceiro padrão são os contra-exemplos. Isso é para quando você tem um tema em formação e deseja verificar se ele é válido. A forma é: eu vejo um tema em torno dos ovos, encontro momentos que não se encaixam nesse tema. O que há de diferente neles? Essa é uma das instruções mais valiosas que você pode escrever porque é fácil aplicar temas em excesso Depois de ver um padrão, seu cérebro quer vê-lo em todos os lugares. Pedir contra-exemplos força você e a IA a ver o que não se encaixa E as exceções geralmente são onde a verdadeira nuance vive. O quarto padrão é comparado cedo versus tardio. Isso é para quando você quer entender como a experiência ou atitude de alguém mudou com o tempo A forma é comparar o que os participantes disseram e fizeram na primeira metade da sessão com a segunda metade. O que mudou? O que permaneceu o mesmo? Conecta-se diretamente ao rastreamento do arco emocional que você aprendeu anteriormente. Mas, em vez de fazer a comparação manualmente, você está pedindo à IA que extraia as evidências das duas metades e as coloque lado a lado Isso é especialmente útil para sessões mais longas, nas quais é difícil segurar todo o arco na cabeça. Então, esses são seus quatro padrões. Agora, vamos falar sobre o que dá errado porque existem alguns modos de falha comuns que são fáceis de usar. O primeiro é o prompt principal. É aqui que seu prompt já contém a resposta que você deseja. Algo como explicar por que o participante achou o processo de checkout frustrante Essa solicitação pressupõe frustração. Uma versão melhor seria qual foi a experiência dos participantes durante o checkout Cite linhas relevantes e observe quaisquer mudanças na energia ou no tom O segundo modo de falha é o aviso vago, algo como quais são os principais insights ou resumir as descobertas importantes Agora, parecem razoáveis, mas não orientam a IA. A saída será genérica e confiável, o que é uma combinação perigosa. E o terceiro modo de falha é o prompt que pede que a IA sinta. Algo como: como o participante se sentiu em relação a isso? A IA não sabe como alguém se sentiu. Ele só pode corresponder a padrões no idioma. Uma versão melhor é: o que os participantes disseram e fizeram durante o momento? Liste as possíveis interpretações. A última coisa que quero abordar é como armazenar seus prompts para que você possa reutilizá-los. Depois de encontrar um prompt que funcione bem para sua pesquisa, salve-o. Mantenha um documento ou nota simples com suas instruções de acesso. Você pode organizá-los por estágio, solicitações durante a análise, solicitações após a síntese e instruções para escrever as descobertas Com o tempo, isso se torna sua biblioteca pessoal de solicitações, e a beleza disso é que cada solicitação codifica um hábito de pesquisa Encontrar exemplos contrários é um hábito. Citar linhas exatas é um hábito. Comparar cedo com tarde é um hábito. As instruções são apenas a maneira de tornar esses hábitos consistentes e repetíveis Deixe-me deixar você com um aviso multifuncional que reúne vários desses padrões. Você pode copiar isso e usá-lo como ponto de partida. Eu notei g. Encontrei evidências que confirmam isso, contradizem isso e o que eu poderia estar perdendo Cite as linhas exatas. Não parafraseie nem deduza emoções. Se a evidência for ambígua, diga isso. Esse prompt faz quatro coisas ao mesmo tempo. Tudo começa com sua hipótese. Ele pede evidências em ambas as direções. Ele exige cotações exatas e dá permissão à IA para dizer: Não tenho certeza. O que a maioria dos prompts não funciona. A última parte é importante porque a IA tem como padrão a confiança. Se você não disser explicitamente que a ambigüidade está bem, ela resolverá todas as incertezas em uma resposta clara e sólida Tudo bem, agora é sua vez. Escolha uma de suas próprias anotações de uma lição anterior. Pode ser uma observação, uma interpretação, um par de contradições ou um arco emocional Escreva duas instruções para isso. Deve-se usar o padrão de confirmação e contradição. O outro pode usar qualquer um dos quatro padrões que abordamos. Mantenha cada aviso em três ou quatro linhas. Se for mais longo do que isso, provavelmente está fazendo muitas coisas ao mesmo tempo. Se você conseguir escrever uma solicitação clara e específica em menos de um minuto, estará pronto para usar a IA como um verdadeiro parceiro de pensamento em sua pesquisa. 13. Aula 5.2 - fluxo de trabalho de trilha de evidência: Agora, a parte que nos mantém honestos. Quando as pessoas dizem análise de IA, o que elas geralmente querem dizer é colar a transcrição, pedir informações e esperar pelo melhor E sim, você receberá uma resposta. Pode ser um belo parágrafo que você não possa defender. Então, fazemos algo um pouco mais disciplinado. Construímos uma tabela de evidências. Se você nunca fez isso antes, veja como funciona. Estamos fazendo uma pequena ponte entre a transcrição bruta e os insights nos quais estamos dispostos a colocar nosso nome E a regra é citar primeiro, ou seja, segundo. Então, uma linha em uma tabela de evidências pode ter esta aparência. O que eu adoro nisso é que é simples. Não requer uma ferramenta especial e impede que você escreva acidentalmente um relatório com 90% de vibrações Além disso, observe o que ainda não estamos fazendo. Não estamos tentando resumir toda a entrevista em uma grande teoria Estamos apenas coletando as evidências que serão importantes mais tarde. E agora podemos usar a IA como ela é, um assistente rápido que pode ler e resumir É totalmente normal fazer perguntas como como esse participante fez X? Com o que eles lutaram? O que os confundiu? O que eles esperavam que acontecesse? Desde que adicionemos grades de proteção que tornem a saída utilizável na síntese Então, aqui estão minhas grades de proteção favoritas. Anter em uma mesa. Cada reclamação deve incluir uma cotação de apoio. Separe o que aconteceu do que isso pode significar. E se a evidência for fraca, diga isso explicitamente. Sim, você pode se divertir um pouco. Você pode perguntar. Como você renomearia esses recursos com base no modelo mental do participante Ou escreva o momento de frustração como uma história de uma linha. Só não confunda essa produção criativa com evidências. É apenas uma ajuda para pensar, não uma descoberta. Tudo bem, confiança. Quando colocamos um nível de confiança ao lado de uma descoberta, não estamos tentando parecer científicos. Estamos apenas fazendo algo muito mais simples. Estamos dizendo a verdade sobre solidez das evidências porque, na pesquisa, há uma grande diferença entre essa pessoa que passou por um momento difícil e esse é um padrão confiável que deve influenciar as decisões sobre o produto. Confiança é nossa forma de sinalizar essa diferença. Então, aqui está uma maneira humana de pensar sobre isso. Ao ler uma citação, pergunte a si mesmo. Eles disseram isso claramente? Eles deram um exemplo concreto? Isso se conectou com o que estamos realmente pesquisando Se a citação for específica e inequívoca, isso já é um bom começo E então pergunte se isso é apenas um momento ou apareceu mais de uma vez? Que mais de uma vez o participante a repetiu em palavras diferentes na mesma entrevista. Ou você já ouviu a mesma coisa de outros participantes ou pode ver algo semelhante nos dados comportamentais. Então, envie cliques de raiva ou tíquetes de suporte. Portanto, uma escala de confiança simples pode ser alta, o que significa que isso parece sólido. A evidência é clara e não se baseia em uma citação frágil Confiança média significa que isso parece real, mas eu quero confirmar isso. Isso pode depender do tipo de participante, do cenário ou do fluxo específico que testamos. Baixa confiança significa interessante, mas ainda não estou pronto para tomar decisões sobre isso. Pode ser um mal-entendido, pontual ou simplesmente não bem suportado E aqui está a arma secreta. Se você quiser parecer confiável sem ser chato, acrescente mais uma frase, acrescente mais uma frase, o que aumentaria Por exemplo, ouvimos isso de mais dois participantes, isso se torna alto. Se a análise mostrar uma queda nessa etapa, isso se tornará alto. Se testarmos a interface revisada e a confusão desaparecer, podemos fechar Limitações são apenas sua cláusula de honestidade. Eles são os motivos pelos quais uma parte interessada inteligente não deve generalizar demais, como amostra pequena, qualidade da transcrição, participante incomum não deve generalizar demais, como amostra pequena, qualidade da transcrição, participante incomum e contexto muito específico. Declarar limitações não enfraquece sua pesquisa. Isso impede que outra pessoa o use indevidamente. Tudo bem, vamos tornar isso real. Escolha uma transcrição da entrevista. Escolha dois objetivos de pesquisa. Agora, crie uma tabela de evidências com a ajuda da IA. Vamos tentar obter cerca de dez cotações no total. Para cada citação, queremos uma frase sobre o que ela significa e um nível de confiança, seja baixo, médio ou alto. E então faça a parte que a transforma em pesquisa real, certo, duas ideias de candidatos, e abaixo cada uma paga duas a três cotações que a sustentam. Se você puder fazer isso, você basicamente aprendeu a habilidade básica. Todo o resto é apenas ampliá-lo e permanecer honesto enquanto você faz isso Boa sorte e nos vemos na próxima aula. 14. Lição 6 - Calibração: tornando a parceria real: Ao longo deste curso, você desenvolveu dois tipos de habilidades ao mesmo tempo. Uma é sua capacidade de fazer anotações nítidas e estruturadas durante uma sessão de pesquisa e a outra é a capacidade de usar a IA como um parceiro de pensamento após a sessão. Esta lição trata de colocar essas duas habilidades lado a lado e ver onde elas se sobrepõem, onde divergem e o que isso diz sobre seus próprios padrões como pesquisador Vamos usar uma ferramenta simples chamada matriz de calibração É uma grade de dois por dois, e o objetivo dela não é pontuar você mesmo ou pontuar a IA. É para ajudá-lo a ver seus pontos cegos para que você possa melhorar com o tempo. Veja como funciona. Então, a horizontal, o eixo X, é sobre você. E de um lado, o que você notou e do outro lado, o que você não percebeu. O eixo Y na vertical é sobre IA. De um lado, o que a IA captou, do outro lado, o que a IA perdeu. Isso dá a você quatro quadrantes. Agora, vamos examinar cada um deles. O primeiro quadrante é um terreno compartilhado. É aqui que você e a IA percebem a mesma coisa. Por exemplo, vocês dois perceberam que o participante não gosta de questionários longos. Isso é reconfortante Isso significa que sua observação está bem fundamentada e é improvável que seja exagerada. O segundo quadrante é a IA capturada, e foi aqui que a IA percebeu algo que você perdeu Talvez a IA tenha sinalizado que o participante usou a palavra confiança seis vezes durante a sessão e que você não percebeu a repetição É nesse quadrante que a IA ganha seu sustento. É bom para contar, detectar repetições e capturar padrões em grandes quantidades O terceiro quadrante é minha vantagem. Foi aqui que você percebeu algo que a IA perdeu completamente. Talvez você tenha percebido que o tom dos participantes era sarcástico quando disseram: Ah, sim, foi fácil A IA lê as palavras pelo valor nominal. Você leu o subtexto. Essa é sua vantagem humana, tom, linguagem corporal, contexto e coisas sutis que não aparecem de forma transparente. E o quarto quadrante é o ponto cego. Foi aqui que nem você nem a IA perceberam algo. Por definição, você não pode preenchê-lo sozinho, mas pode começar a preenchê-lo com o tempo comparando sua matriz com a análise dos mesmos dados de um colega Ou revisitando as sessões após um intervalo e percebendo coisas que você perdeu na primeira vez Agora, o quadrante ao qual eu quero que você preste mais atenção é o terceiro, minha vantagem, porque ele contém uma pergunta importante Quando você percebe algo que IA perdeu, pode ser sua vantagem. Você viu um sinal real que a máquina não conseguiu detectar. Isso é valioso. Mas também pode ser seu preconceito. Você lê algo nos dados que não está realmente lá. E a IA não confirmou porque não havia nada para confirmar. A pergunta honesta a se fazer é: essa é minha vantagem? Ou esse é meu preconceito? E a maneira de responder é procurar evidências. Você pode apontar para uma observação específica, uma citação, um comportamento? Se sim, provavelmente é sua vantagem. Se sua evidência for principalmente um sentimento ou um palpite, pode ser um preconceito que vale a pena examinar Não se trata de duvidar de si mesmo. Trata-se de se manter calibrado. Deixe-me explicar um exemplo prático usando a entrevista do aplicativo bancário do início do curso. Então você entrevistou Alex sobre o aplicativo bancário com as cores vermelho e azul Você fez suas anotações durante a sessão. Depois da sessão, você executou a transcrição por meio da IA e pediu um resumo Agora você compara suas notas com o resumo da IA e cria a matriz. terreno compartilhado, vocês dois notam que Alex usa a cor como um atalho de decisão rápida Vermelho significa que algo está errado, azul significa que está tudo bem. Isso os mostrou claramente na transcrição e em suas anotações A IA capturou. Sinalizador de IA que Alex mencionou ligar para o frete do pai em horários diferentes na sessão Anotei isso uma vez, mas você não acompanhou a repetição. A frequência sugere que esse relacionamento é mais central para o comportamento financeiro de Alex do que você pensava inicialmente. Minha vantagem, você notou que o tom de Alex mudou ao falar sobre o uso do aplicativo para movimentar dinheiro As palavras eram neutras, mas a energia diminuiu. Você marcou isso em seu arco emocional. IA resumiu a seção como site preferido para transações, mas não percebeu o peso emocional por trás dela. Ponto cego. Depois de comparar com um colega, você percebeu que nenhum de vocês explorou por Alex verifica o aplicativo somente quando lembra que a Pode haver uma notificação ou uma oportunidade de design de gatilho que ninguém investigou Agora, para cada quadrante, você quer uma ação clara Para um terreno compartilhado, avance com confiança na descoberta. É bem suportado. Para conectá-lo à IA, verifique o padrão, volte para a transcrição e verifique se a repetição é significativa no contexto ou apenas um hábito de fala Para minha opinião, proteja a observação, escreva-a com evidências para que ela não se perca. Esse é o tipo de visão que torna seu trabalho distinto. Para o limite, adicione-o à sua lista de perguntas para a próxima rodada. É aqui que pesquisas futuras devem ser investigadas. Agora vamos falar sobre como gerar essa matriz usando IA. A solicitação é direta. Você dá à IA suas anotações e pede que ela as compare com o próprio resumo da transcrição Então, aqui está como isso funciona. Você dá à AI a transcrição e suas anotações Você pede que ele primeiro produza seu próprio resumo sem examinar suas anotações. Em seguida, você pede que ele compare os dois e imprima a matriz com dois marcadores por quadrante Para o quadrante da borda M, você pede que ele sugira se cada item é mais provável que seja sua borda ou seu viés e explique o porquê Faça uma autoverificação estruturada que leva cerca de 5 minutos e se torna mais valiosa a cada vez que você faz isso. Isso nos leva à última parte desta lição, tornando isso um hábito. Se você faz pesquisas regularmente , sejam entrevistas semanais de descoberta, testes quinzenais de usabilidade ou conversas mensais com as partes interessadas, testes quinzenais de usabilidade ou conversas mensais com a matriz de calibração se torna um ritual . Depois de cada sessão ou após cada lote de sessões, dedique 5 minutos para criar uma matriz rápida. Você não precisa ser exaustivo. Duas balas por quadrante são suficientes. Depois de algumas semanas, você começará a ver seus próprios padrões. Talvez você sempre perca a repetição, talvez seja ótimo em captar mudanças de tom Talvez a IA continue revelando padrões de frequência de palavras que você ignora Isso é um autoconhecimento útil e mantém a parceria honesta. Você não está terceirizando seu pensamento para a IA. Você não está ignorando o que a IA oferece. Você está calibrando. Tudo bem, e agora é sua vez. Faça uma breve transcrição ou use a que eu forneço. Execute-o por meio da IA e obtenha um resumo. Em seguida, compare o resumo da IA com suas próprias anotações. Crie uma matriz dois por dois com um ou dois marcadores por quadrante Para o quadrante da borda M, pergunte a si mesmo honestamente: essa é minha vantagem ou pode ser meu Você pode fazer isso em menos de 10 minutos, você tem um hábito de calibração que aprimorará suas habilidades de pesquisa enquanto você a praticar 15. Aula 7 - Ética + responsabilidade: Se trata de confiança. Antes de entrarmos na tática, vamos definir o tom. Usar a IA na pesquisa pode ser realmente útil. Também pode dar errado de maneiras muito chatas e muito humanas. Um participante compartilha algo pessoal e acaba em algum lugar onde não deveria. A parte interessada lê um resumo da IA e presume que é verdade Uma citação fica um pouco mais limpa e, de repente, não é mais uma citação. Então, isso não é uma palestra sobre ética. Esse é um conjunto de hábitos que protegem as pessoas e protegem seu trabalho. E vamos manter isso prático. Falamos sobre o que compartilhar e o que não compartilhar. O que divulgar e como dizemos ser honestos quando estamos agindo rapidamente Então, mãos no volante, IA pode ajudar, mas nós decidimos o que entra na pesquisa. Aqui está um modelo mental simples. O que pode dar errado? Para manter isso prático, usaremos algumas categorias simples. Não é só porque adoramos frameworks. Quero dizer, nós temos. É porque é mais fácil identificar riscos quando você tem baldes. Então, aqui estão os principais: privacidade e segurança. Estamos expondo dados pessoais ou confidenciais? Transparência. Estamos sendo honestos sobre a IA? Imparcialidade? Estamos perdendo ou distorcendo as experiências de certos grupos Responsabilidade. Quem é responsável se algo estiver errado? Supervisão humana Estamos deixando a ferramenta decidir ou estamos decidindo? Se você conseguir se lembrar deles, detectará 90% dos problemas antes que eles aconteçam. Vamos começar com aquele que causa danos reais. R. Aqui está uma regra que salvará sua carreira. Se você não quiser publicá-lo em vermelho, não o cole em um bate-papo aleatório de IA. Então, aqui estão alguns exemplos do que não colar. Nomes, e-mails, números de telefone e endereços. Você ouvirá o termo PII muito usado no setor. Isso significa informações pessoais identificáveis. Portanto, não cole links de sessão brutos que incluam o nome de alguém ou informações médicas, financeiras ou pessoais altamente confidenciais. Sem estratégia de clientes, roteiros inéditos ou propriedade intelectual interna Só não cole nada que sua empresa ou seu cliente não tenham aprovado para processamento externo. Sim, você ainda pode usar a IA. Você só precisa trabalhar com uma transcrição redigida ou com uma ferramenta mais segura E é por isso que os hábitos de redação da Lição seis são importantes Agora vamos falar sobre divulgação. A divulgação é onde as pessoas ficam estranhas. Eles escondem o uso da IA porque estão nervosos ou compartilham demais de uma forma que faz com que os participantes sintam que estão sendo observados por robôs Então, vamos simplificar. Os participantes precisam saber. A IA será usada de alguma forma? Como ele será usado durante ou depois da sessão? Eles interagirão diretamente com a IA? Como seus dados estão sendo protegidos? Eles podem optar por não participar da IA? Seus dados serão usados para treinar modelos? Diga sim ou não, claramente. Além disso, uma rápida verificação da realidade dizendo às pessoas que a IA está envolvida pode mudar o comportamento. Algumas pessoas confiarão menos em você, algumas se sairão bem e outras se esconderão. Então, vamos enquadrá-lo de uma forma calma e razoável. A IA é usada para economizar tempo em tarefas administrativas, como transcrição Um pesquisador analisa tudo. Você pode optar por não participar. E as partes interessadas precisam de algo diferente. Eles precisam confiar no trabalho. Por isso, incluímos um pequeno bloco no relatório. Quais ferramentas foram usadas? O que a IA fez e o que os humanos verificaram. Sem drama, apenas transparência. Agora, vamos falar sobre preconceito. A IA tem uma personalidade. Gosta de coisas arrumadas. Gosta de coisas normais. E se você não tomar cuidado, isso transformará um conjunto confuso de experiências humanas em uma história suave que parece verdadeira e uma história suave que parece , ao mesmo tempo, desaparece silenciosamente E é isso que queremos dizer com lavagem média. Então, vamos torná-lo concreto. Imagine que você entrevistou cinco pessoas para um fluxo de integração. As pessoas disseram que estava tudo bem. Duas pessoas disseram que era confuso. Uma pessoa disse: “Eu não fiz nada disso porque achei que ela compartilharia meus dados com meu empregador”. Um resumo preguiçoso de IA geralmente volta com algo como os usuários acharam confusos a bordo e queriam uma orientação mais clara E isso não está errado, mas também não é onde está o risco real. O medo de uma pessoa em relação ao compartilhamento de dados pode ser a diferença entre um pequeno ajuste na experiência do usuário e um desastre de confiança Exemplo dois, o usuário padrão que ele inventa. Se você não contar à IA quem são seus participantes, ela preenche os espaços em Às vezes, presume-se que o usuário padrão confia na tecnologia da cultura majoritária e está tecnologia da cultura majoritária usando o produto de uma forma bastante padronizada. Então, se você está pesquisando um grupo que não é, digamos, necessidades de acessibilidade, necessidades de acessibilidade, baixa confiança digital ou um fluxo de trabalho de nicho, você precisa dar um nome a ele Caso contrário, a IA o nivelará suavemente. Então, aqui está o hábito que criamos. Sempre que a IA fornece um resumo organizado, fazemos um acompanhamento rápido Legal. Agora me mostre as contradições. Então, perguntamos: quem teve uma experiência diferente? O que não se encaixou? O que nos surpreendeu? O que seria fácil perder se analisássemos apenas as médias E continuamos voltando às citações porque as citações são onde a nuance vive. Vamos falar sobre supervisão humana, como permanecemos responsáveis sem nos tornarmos paranóicos É aqui que mantemos nossas mãos no volante. Na prática, a supervisão humana significa apenas que temos clareza sobre o que a IA pode fazer por nós Portanto, pode nos ajudar a redigir a primeira passagem, organizar notas confusas, resumir uma parte de uma transcrição e sugerir uma possível interpretação e O que ele pode fazer é assumir a responsabilidade. Essa parte fica conosco. Então, aqui está uma maneira simples de trabalhar antes que qualquer coisa leve a um laptop. Portanto, antes de entrar em um relatório ou uma mensagem de texto ou mensagem do Slack para as partes interessadas, fazemos uma rápida verificação de integridade Perguntado: Os códigos são reais e foram copiados com precisão? Podemos apontar evidências em cada insight? Nós acidentalmente transformamos uma hipótese em um fato? Anotamos alguma limitação para que alguém não generalize demais E quando as apostas são altas, tornamos isso social. Pedimos que outra pessoa leia os resultados, não porque estamos em pânico, mas porque é realmente difícil identificar seu próprio ponto cego quando você está envolvido no quando você está envolvido Então, essa é a vibe. Usamos a IA para nos movermos mais rápido e, em seguida, usamos a avaliação humana para nos mantermos honestos. Integridade dos relatórios. E essa é a parte em que deixamos de ser fofos. Se um relatório incluir citações inventadas, não importa o quão bem projetada seja a apresentação de slides. Isso não é pesquisa. É só contar histórias e prejudica a confiança rapidamente. Então, aqui está o padrão em que mantemos a regra de cotação. Se estiver entre aspas , veio palavra por palavra Se você parafraseou, não coloque entre aspas. Escreva isso como um resumo. A armadilha composta para participantes. Às vezes, as pessoas tentam ser úteis combinando alguns participantes em uma história simples de persona Isso é bom para a criação de sentido interno, mas não é bom se você apresentar isso como uma pessoa real disse. Então, se você alguma vez fizer uma composição, rotule-a claramente. Caso contrário, não use o rastro de evidências. A maneira mais fácil de manter isso simples é cada insight tenha uma pequena âncora, um link para notas, um clipe ou um conjunto de citações em sua tabela de evidências, não porque as partes interessadas clicarão em cada link, mas porque você deveria poder O registro de uso da IA. E essa é a parte que ninguém quer fazer. E é a parte que silenciosamente faz com que seu trabalho pareça profissional Um registro de uso de IA é apenas um pequeno registro do que aconteceu. Ele responde a perguntas como qual ferramenta usamos? O que pedimos que ele fizesse? Nós o alimentamos com dados brutos ou com a versão editada? Nós verificamos isso depois? O que mudamos? Pense nisso como um auxiliar de memória. E se um cliente perguntar: Como você analisou isso? Você não precisa confiar em vibrações. Além disso, ele protege você, porque se a saída da IA estiver errada, você poderá ver exatamente onde ela entrou no fluxo de trabalho. Tudo bem. É aqui que realmente criamos o hábito. Pegue seu projeto atual e faça duas pequenas coisas. Primeiro, escreva sua declaração de participante. Seja breve e humano. Imagine dizer isso em voz alta no início de uma entrevista. Em segundo lugar, inicie seu registro de uso de IA. Apenas uma entrada. Ferramenta, tarefa, o que você verificou. Se você faz essas duas coisas, não está apenas ciente da ética. Você está praticando isso. 16. Aula 8 - Vídeo do projeto: O curso oferece todas as habilidades e princípios. Agora, vamos juntar tudo em um ciclo completo e fornecer o modelo para você continuar fazendo isso sozinho. O projeto Capstone não é um teste. Não há aprovação ou reprovação. É uma execução prática de todo o fluxo de trabalho, das notas da sessão à tabela de emendas, usando tudo o que você aprendeu Veja como é o projeto. Você vai produzir quatro coisas. O primeiro é um conjunto de notas pós-sessão. Essas são as primeiras anotações humanas feitas durante ou logo após uma sessão usando o sistema de notação que você está praticando Isso significa arcos emocionais, âncoras de contexto, observações, interpretações, pares de contradições Você não precisa usar todos eles em todas as sessões. Use aqueles que se adequam ao momento. A segunda é de duas a três solicitações. Essas são solicitações orientadas à validação que você escreve após a sessão e executa na transcrição Use os padrões do curso, confirme e contradiga, recupere evidências, contrarie exemplos ou compare o início com A terceira é uma tabela de evidências com cinco a dez linhas. Cada linha tem uma afirmação, a evidência, a fonte, quaisquer notas relevantes e um nível de confiança com um motivo. A quarta é uma matriz de calibração, duas a duas do curso que compara o que você notou com o que a IA captou Essas são as notas, instruções, evidências e calibração do ciclo completo instruções, evidências e calibração Deixe-me explicar a aparência de cada um quando é bom o suficiente, porque quero definir expectativas realistas. Esse é um fluxo de trabalho prático, não um produto refinado. Bom o suficiente significa que outra pessoa pode seguir seu raciocínio e verificar suas evidências Para as notas, bom o suficiente significa que você capturou os momentos-chave com as etiquetas certas. Você não precisa marcar todas as linhas. Concentre-se nos momentos que importaram, nas mudanças de energia, nas contradições, nos contextos que moldaram a que Para os prompts, bom o suficiente significa que cada prompt tem um trabalho claro Um prompt pode testar a hipótese sob pressão, outro pode recuperar citações de apoio Um terceiro pode procurar contra-exemplos. Eles devem ser específicos, não vagos. Para a tabela de evidências, bom o suficiente significa que cada afirmação tem pelo menos uma evidência real. A fonte é rastreável e a confiança inclui um Se uma briga tiver evidências fracas, tudo bem. Apenas rotule com honestidade. Matriz de calibração, boa o suficiente, significa que você preencheu pelo menos dois marcadores por quadrante e faz a si mesmo a pergunta sobre a borda ou o viés no canto inferior Se você quiser usar uma transcrição para este exercício e não tiver uma própria, você pode usar a que estou fornecendo Essa sessão tem material suficiente para praticar o ciclo completo. Aqui está o fluxo sugerido. Primeiro, assista ou leia a transcrição uma vez sem fazer anotações Basta entender a forma da conversa. Em seguida, faça uma segunda vez e faça suas anotações usando o kit de ferramentas de notação Depois disso, escreva suas instruções e execute-as e, em seguida, crie sua tabela de evidências E, finalmente, compare suas notas com a saída de IA e crie a matriz de calibração Tudo deve levar cerca de 30 a 45 minutos quando você estiver confortável com as ferramentas, e ficará mais rápido a cada vez que você fizer isso. Agora, vamos falar sobre os modelos. Você sairá deste curso com um pequeno pacote de modelos que você pode reutilizar em seu próprio trabalho. Não são complicados. Eles são intencionalmente simples porque o objetivo é que você realmente os use. O primeiro modelo é a folha de notação. Esta é uma única página com todas as tags que você aprendeu: os símbolos do arco emocional, seta Q e Q depois, o colchete de contexto, Ah, e eu, e diz e faz Mantenha isso ao seu lado durante as sessões até que as tags se tornem naturais. O segundo modelo é a biblioteca de prompts. Isso tem os quatro botões de aviso mais o aviso multiuso. Você pode adicionar suas próprias instruções a isso ao longo do tempo medida que descobre o que funciona para seu estilo de pesquisa O terceiro é o modelo da tabela de evidências. Cinco colunas, evidência de reivindicação, fonte, notas, confiança, prontas para copiar e preencher. E o quarto é o modelo da matriz de calibração, a grade dois por dois com os quatro quadrantes Esses modelos estão disponíveis nos recursos do curso. Baixe-os, copie-os para o seu espaço de trabalho e adapte-os à medida que avança Boa sorte com o projeto. tenha pressa e lembre-se bom o suficiente significa que outra pessoa pode seguir seu raciocínio e verificar suas evidências Esse é o padrão que buscamos. 17. Aula 9 - Próximos passos: Consegui. E antes de concluirmos, quero dedicar alguns minutos para relembrar o que você construiu, ver o que vem a seguir e deixar algo que, espero , permaneça com você além deste curso. Aqui está o que você tem agora um sistema de notação que captura o que as transcrições removem Arcos emocionais, contexto, contradições, a diferença entre o que você viu e o que acha que isso significa Uma biblioteca rápida que transforma a IA em uma parceira inteligente em vez de um atalho, um fluxo de trabalho de evidências que conecta cada afirmação a dados reais com níveis de confiança honestos e um hábito de calibração que ajuda você a ver seus próprios pontos cegos e a ficar mais nítido Esse é um kit de ferramentas completo, e a boa notícia é que você não precisa usar tudo isso todas as vezes. Se há uma coisa que eu quero que você leve, é isso. Escolha um método esta semana e use-o na próxima sessão. Só um. Talvez seja o arco emocional. Talvez seja o par de dizer e fazer. Talvez seja escrever um bom prompt em vez de perguntar à IA: quais são os insights? Comece por aí. Construa o músculo antes de construir o sistema. O sistema surgirá naturalmente quando os hábitos estiverem estabelecidos. Agora, deixe-me dar uma sugestão concreta sobre o que fazer na próxima semana. Em sua próxima sessão de pesquisa ou em sua próxima conversa que envolva aprender outra pessoa, faça três coisas. Primeiro, use uma notação do kit de ferramentas durante a sessão, que parecer mais natural Segundo, após a sessão, escreva um prompt e compare-o suas anotações ou com a transcrição E terceiro, passe 5 minutos em uma matriz de calibração rápida. Mesmo uma bala grossa com uma bala por quadrante é suficiente. Essa é a prática mínima viável. Uma notação, um aviso, uma verificação de calibração. Se você fizer isso uma vez por semana, sentirá a diferença em um mês. E se você quiser acompanhar sua melhoria ao longo do tempo, a matriz de calibração é sua ferramenta. Mantenha um registro simples. Depois de algumas semanas, você começará a ver seus próprios padrões, onde você é consistentemente forte, onde tende a perder coisas, onde a IA agrega mais valor. Isso é autoconhecimento, e o autoconhecimento é o que separa um bom pesquisador de um ótimo Também quero deixar você com uma pergunta de autoavaliação. É a pergunta mais importante em todo o curso. Você manteve o julgamento humano em primeiro lugar? Porque tudo o que fizemos aqui, cada notação, cada padrão de alerta, cada modelo foi projetado para manter você no centro da análise A IA é uma ferramenta poderosa, mas o valor que você agrega como pesquisador é sua capacidade de ouvir o que não está sendo dito, perceber a tensão entre palavras e comportamentos, entender o contexto que moldou a conversa. Você mesmo, essas quatro perguntas após qualquer ciclo de pesquisa. Eu formei minhas observações antes de executar as instruções? Eu verifiquei as cotações de IA em relação aos dados originais? Eu desafiei minhas próprias interpretações? Eu usei a matriz de calibração para verificar meus pontos cegos? Se você puder responder sim à maioria delas, você está fazendo isso bem. E se você não puder, isso não é um fracasso. É um sinal para desacelerar e retomar seu próprio julgamento na próxima vez. Deixe-me encerrar com algo sobre quem você está se tornando. A pesquisa está mudando. A IA está mudando isso, e há duas maneiras de responder a isso. Uma delas é deixar a IA pensar e se tornar uma pessoa que gerencia os resultados A outra é aprimorar as habilidades que a IA não consegue replicar e se tornar uma pessoa cujo julgamento torna a IA mais útil Você escolheu o segundo caminho, e esse caminho tem um nome. Você está se tornando o guardião do impacto. administrador do impacto é alguém que assume a responsabilidade pela qualidade dos insights que chegam aos tomadores de decisão Alguém que não apenas coleta dados, mas molda a forma como eles são entendidos. Alguém que sabe que um resumo que soe confiante não é o mesmo que uma descoberta confiável Esse é o trabalho, e é mais importante agora do que nunca porque quanto mais fácil se torna gerar análises sonoras plausíveis, mais valioso é ter alguém na sala que saiba a diferença entre Verdades plausíveis Você é essa pessoa. Sua percepção orienta, a IA se expande. Essa é a parceria. É você quem ouve o subtexto, lê o contexto e mantém as contradições A IA ajuda você a se mover mais rápido e a verificar seus pontos cegos. Juntos, vocês produzem pesquisas melhores do que qualquer um poderia alarmar. Obrigado por estar aqui. Espero que essas ferramentas lhe sirvam bem em sua prática de pesquisa e espero sinceramente que você goste de usá-las Se você gostou do curso, reserve um momento para deixar um comentário e fazer uma avaliação de cinco estrelas. Isso realmente me ajuda. E se você conhece alguém que se beneficiaria com isso , fale sobre isso. Vamos construir algo bom.