Кабинетные исследования и фреймворки анализа литературы

Как-то задумался о том, а как вообще надо делать кабинетные исследования

Разные фреймворки для анализа литературы и метаанализу источников. В целом, характерные медицинские фреймворки, которые могут быть адаптированы под другие явления и дисциплины.

https://libguides.derby.ac.uk/literature-reviews/rqf

Например, PICO

Population, Intervention, Comparison, Outcome (Популяция, Интервенция, Сравнение, Результат).
Применение: Используется для количественных исследований, где оценивается эффективность интервенций (например, лекарств, процедур).
Вопрос: Эффективен ли ибупрофен по сравнению с парацетамолом для снятия боли у взрослых с мигренью?
P: Взрослые с мигренью
I: Ибупрофен
C: Парацетамол
O: Снятие боли

Интерес скорее представляет не фреймворк исследовательских вопросов, а фреймворк отображения того, как выглядит работа со списком литературы. PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) — это международный стандарт, представляющий собой набор рекомендаций для прозрачной и полной отчетности о систематических обзорах: это визуальное представление процесса отбора исследований. Как это выглядит?

Идентификация (Identification): Количество записей, найденных в базах данных и других источниках (например, PubMed, Scopus, ручной поиск).
Пример: «Найдено 2000 записей в базах данных и 50 через ручной поиск».
Скрининг (Screening): Количество записей после удаления дубликатов и первичного просмотра (по заголовкам и аннотациям).
Пример: «Удалено 500 дубликатов; 1500 записей проверено по аннотациям».
Проверка на соответствие (Eligibility): Количество полных текстов, проверенных на соответствие критериям включения/исключения.
Пример: «200 статей проверено полностью; 175 исключено из-за несоответствия критериям».
Включение (Included): Количество исследований, включенных в обзор или мета-анализ

Схема на картинке. К своему стыду, я видел такое в статьях по многочисленных исследованиях, но никогда не погружался, а как собственно делаются метаобзоры литературы.
https://libguides.derby.ac.uk/ld.php?content_id=34356887

https://biasconf.ru/talks/955d60dc159c461db5bb3b8ad236e30c/?referer=%2Fpersons%2F138ea273803a48cdb97845c2ba66f542%2F

В субботу зажигаем, запись выложу потом - как используем методы из военки в проектировании интерфейсов

На примере проектирования редактора бизнес-процессов в системе таск-трекинга «Яга» от Ростелекома покажу, как можно использовать метод исследования когнитивных процессов, основанный на выполнении 4 базовых шагов, которые предлагает Cognitive Task Analysis: task diagram interview, knowledge audit, simulation interview, cognitive demands table. Обсудим, как эти шаги использовать в рабочей практике исследователя.

Метод анализа когнитивных задач (Cognitive Task Analysis, CTA) и его прикладная версия, Applied Cognitive Task Analysis (ACTA), становятся все более востребованными инструментами в области когнитивных наук, проектирования человеко-машинных интерфейсов и профессионального обучения. ACTA позволяет выявлять скрытые когнитивные процессы, лежащие в основе выполнения сложных задач, что делает его незаменимым для анализа экспертных знаний и их передачи новичкам.

В докладе представлю обзор метода ACTA, включая его ключевые этапы: сбор данных через интервью с экспертами, построение когнитивных карт и идентификацию узких мест в принятии решений. Особое внимание уделю практическим примерам применения ACTA в области проектирования бизнес-процессов.

Это было круто, преза в комментариях
А вот видеозапись будет позже

В целом, я думаю, что скрытые знания и проблема экспликации знания - это проблема на которую будет спотыкаться автоматизации и гиперавтоматизация в период ЛЛМ: есть шанс, что это будет магистральным путем для работы будущих поколений в компаниях

P.S. Занятно, что пару раз разные лекторы вспомнили про психотехнику 20ых

Рубрика "Странное"

Маркиз де Сад — изобретатель интерфейса

Для персонажей де Сада любое взаимодействие—эксцесс или экстаз, любое высказывание—инструкция или манифест; причем манифест и инструкция призваны не предупредить эксцесс и экстаз, а, напротив, усилить их, растворить в них, использовать рациональные элементы не для выстраивания баланса чувств и оптимума переживания, но для того чтобы окончательно вырвать какую бы то ни было почву из под ног, не для обоснования, а для ниспровержения, для создания семиотическими средствами эффекта головокружения.

Подобным образом и в интерфейсе: действие сводится к сценарию или инструкции, которое именно предполагаемой собой последовательностью дает скорее не логику, но ритм, потоковое переживание, в которое включаются для того, чтобы отключится!

https://journals.rcsi.science/0869-5377/article/view/290124/267272

Но идея поиска корней интерфейса в поздней эпохе Просвещения - глубокая и недооцененная

Классы и расы

Вышла занятная статья о том, что на самом деле существует множество ролей
в исследованиях: https://serendipity99.substack.com/p/matching-ux-research-rigor-to-risk?r=20ox72&utm_campaign=post&utm_medium=web&triedRedirect=true

На самом деле в российской реальности, на мой взгляд, есть два-три устойчивых типа, один из которых связан с менеджментом, второй касается дизайн-мыслителей-консалтеров с ярким уклоном в фасилитации, а третий тип - все остальные, которые вынуждены заниматься всем: от опросников и количественных методов и до глубинок, тестирований и защитам у топ-менеджмента.


4 типа исследователей UX

Люди, занимающиеся исследованиями, имеют самые разные профессиональные корни. Хотя навыки можно развивать множеством способов, исследователи обычно соответствуют одному из четырех архетипов. Эти архетипы — не строгие категории, а отправная точка, чтобы отойти от представления, что существует только один «тип» исследователя UX. Каждый тип обладает уникальными сильными сторонами и интересами, которые лучше или хуже подходят для разных исследовательских задач.

Ученые-бихевиористы
Эти исследователи начинали карьеру с формальной подготовки в научных методах, этике и анализе данных. Их путь часто начинался в академической среде, в таких областях, как психология, человеческие факторы или взаимодействие человека с компьютером (HCI). Они глубоко понимают, как проектировать исследования, собирать достоверные и надежные данные и тщательно их анализировать. Также они обладают глубокими знаниями о процессе одобрения IRB.

Аналитики UX
Этот путь выбирают исследователи, развившие навыки структурированного исследования и критического мышления вне традиционных поведенческих наук. Их опыт может включать журналистику, расследования, историю или другие гуманитарные и естественные науки. Они превосходно синтезируют информацию, выявляют закономерности в сложных данных и создают убедительные, основанные на доказательствах повествования.

Прагматичные исследователи
Это путь профессионалов, перешедших в роль исследователя UX на полный рабочий день из других областей, таких как дизайн или управление продуктами. Их привлекла к исследованиям практическая потребность в понимании пользователей, и их путь характеризуется подходом «учиться на практике». Они часто используют готовые шаблоны и структуры для быстрого получения выводов, а их сила — в тесной связи с циклом разработки продукта.

Случайные исследователи
Этот путь выбирают профессионалы, которые интегрируют исследования в свою основную роль, например, дизайнеры, маркетологи или менеджеры проектов. Они проводят исследования по необходимости, потому что в их команде нет выделенного исследователя или компании требуется больше данных, чем могут предоставить штатные исследователи. Их сила — в способности быстро собирать контекстуальные данные, напрямую связанные с бизнес-целями. Их путь характеризуется фокусом на эффективности и немедленном влиянии на проекты.

Mind Matter Interaction

Взаимодействие разума и материи (Mind Matter Interaction) — это идея, что целенаправленное ментальное намерение может влиять на физические события на расстоянии. MMI также относится к изучению и разработке теорий и технологий, основанных на влиянии разума на материальные события.

В 1979 году ученые из лаборатории PEAR Принстонского университета (Princeton Engineering Anomalies Research) начали изучение этого феномена. Для экспериментов они использовали генератор случайных событий (REG). Это устройство, использующее процессы квантового туннелирования, создает случайную последовательность нулей и единиц, что похоже на подбрасывание монеты, только 200 раз в секунду и на квантовом уровне.

Теория вероятности утверждает, что при подбрасывании монеты 200 раз каждая сторона выпадет примерно 100 раз, то есть 100 (орёл/решка) — это среднее ожидаемое значение. Но, поскольку процесс случайный, одна из сторон может выпасть, например, 101 раз (отклонение = 1) или 96 раз (отклонение = -4). Если повторять серию испытаний многократно, среднее арифметическое всех отклонений будет стремиться к нулю, а сами значения отклонений будут иметь нормальное распределение. Когда устройство работало в пустой комнате, так и было, но когда за устройством наблюдал человек, изначально ожидая увидеть больше единиц, чем нулей, отклонения действительно чаще были в пользу единиц. Подробнее об исследовании можно прочитать здесь: Correlations of Random Binary Sequences with Pre-Stated Operator Intention: A Review of a 12-Year Program.
https://randonauts.fandom.com/wiki/Mind_Matter_Interaction

Машина, используемая в «базовых» экспериментах этой программы, представляет собой микроэлектронный генератор случайных событий (REG), управляемый коммерческой шумовой платой (Elgenco #3602A - 15124), включающей обратное смещение полупроводникового перехода, прецизионные предварительные усилители и фильтры. Для базовых экспериментов этот REG настроен на генерацию испытаний по 200 бинарных выборок каждое, которые подсчитываются со скоростью 1000 в секунду.За 12-летний период экспериментов 91 индивидуальный оператор, все анонимные, неоплачиваемые взрослые, никто из которых не заявлял о необычных способностях, накопили в общей сложности 2 497 200 испытаний, распределенных по 522 триполярным сериям в этом базовом эксперименте.Хотя локальные сегменты, отражающие индивидуальных операторов или определенные периоды работы, могут немного отличаться от этих общих размеров эффекта, как описано ниже, порядок величины 10⁻⁴, как правило, характеризует практически все аномальные корреляции, достигнутые в этих экспериментах.

Разделение общей базы данных REG, описанной выше, на компоненты мужских и женских операторов выявило несколько заметных различий. Как видно на рисунке 4, хотя три женщины-оператора показали самые высокие индивидуальные z-счеты, общие корреляции смещений средних значений с намерением у женщин значительно слабее, чем у мужчин.

Также из эксперимента стало известно, что эффект не зависит от того, как далеко человек находится от генератора, и даже от того, сколько времени прошло между измерением и наблюдением. Для работы эффекта достаточно, чтобы наблюдатель имел ожидания и мог видеть результат. К сожалению, эффект был настолько мал, что даже данных, собранных за 26 лет, оказалось недостаточно, чтобы убедить академическое сообщество в его существовании, из-за чего само исследование подвергается резкой критике.

Divisumma 18 — это бизнес-калькулятор с электронной печатью, выпущенный компанией Olivetti в 1972 году по проекту миланского архитектора Марио Беллини.

Большинство реакций вызывает цвет устройства. Этот смелый оранжевый оттенок одновременно игривый и напористый. В 70-х он был радикальным, отходя от серых и бежевых тонов типичной офисной техники.

https://en.wikipedia.org/wiki/Divisumma_18

Хотел бы помочь с проведением опроса - у меня же тут много айтишников, самого широкого профиля и сотрудников айти-команд, менеджеров в айти-подразделениях

Что хотим узнать
— Какие русскоязычные формулировки сейчас используются вместо resilience (устойчивость, живучесть, робастность, отказоустойчивость и др.).
— Как это влияет на постановку требований, метрики (MTTR/SLO/SLA), дизайн отказов и восстановление.
— Насколько «устойчивость» понимается однозначно в инженерных командах и где возникает путаница со stability/sustainability.
— Готовность сообщества поддержать выделение отдельного термина «резилентность» для описания способности системы переживать нарушения и возвращаться к приемлемому уровню работы.

https://forms.yandex.ru/cloud/6899feb8eb61464f73ca92ac/

Проходим, на вопросы отвечаем

RSS или что-то лучше?

Кроме чтения arxiv.org по меткам по теме HCI, еще иногда играюсь с RSS лентами, которые отбирают обновления на сайтах ведущих журналов по HCI, UX и т.д.

Не сказать, что очень удобно, но вот как-то так. Наверное, есть гибкие инструменты умных лент или софты для отслеживания библиометрии, но пока ничего лучше feeder.co не нашел

Cognitive Task Analysis: Eliciting Expert Cognition in Context

Достаточно много было вопросов и обсуждений относительно метода когнитивного анализа задач, рад, что у методологии ощущается методологический потенциал. Приятно также осознать, что ряд авторов и на Западе продолжают писать по теме предлагая новые методологические обзоры с описанием метода и его работ. Британская команда исследователей из Ливерпуля, Лондона и школы менеджмента при университете Бата как раз на днях опубликовали статью с обзором метода когнитивного анализа задач, в 2025 году. Такая синхронизация задач не может не радовать, что внушает робкую надежду на то, что мудрые мысли приходят в голову многим одновременно, а сам метод является достаточно обоснованным
https://journals.sagepub.com/doi/10.1177/10944281241271216

Немного отрывков.
Хотя изучение суждений, экспертизы и принятия решений когда-то считалось прерогативой когнитивной психологии, теперь это устоявшаяся и бурно развивающаяся область в исследованиях управления и организаций. Исследователи управленческого и организационного познания (MOC) внесли значительный вклад в широкий спектр научных исследований, таких как разъяснение влияния эвристик и предубеждений на принятие решений и демонстрация взаимодействия между познанием, интуицией и эмоциями на индивидуальном и групповом уровнях в организациях.

Анализ когнитивных задач (CTA) является перспективным методологическим подходом для исследователей, изучающих управленческое познание, предоставляя альтернативу позитивистским подходам и способствуя исследованию познания в контексте. CTA — это набор качественных методов, основанных на интервью, которые используются для выявления когнитивных процессов и навыков, необходимых для выполнения сложных задач в требовательных и контекстно-зависимых рабочих доменах (Militello & Hutton, 1998; например, управление в чрезвычайных ситуациях, медицина). Разработанные на основе трех десятилетий исследований, методы CTA широко используются в сообществах, занимающихся человеческими факторами, эргономикой и когнитивной психологией, но недостаточно применяются учеными в области управления, несмотря на их потенциал предоставить множество идей.

Методы CTA были первоначально разработаны в ответ на обеспокоенность тем, что существующие методы неадекватно раскрывают когнитивные процессы, связанные с принятием решений экспертами, работающими в сложных средах, где глубокое понимание окружающего контекста и его влияний имеет первостепенное значение для понимания познания
CTA — это серия качественных методов, разработанных для исследования сложного познания экспертов на рабочем месте с учетом роли контекста (Klein & Militello, 2001), при этом обеспечивая, чтобы результаты имели прикладную ценность для практиков (Klein et al., 1989). Методы CTA обычно основаны на интервью, признавая, что голоса отдельных лиц, принимающих решения, необходимы для выявления сложного познания на работе; однако они также могут включать наблюдения и анализ документов

Как методологический подход, CTA ориентирован на три фазы исследования: (i) выявление знаний; (ii) анализ данных; (iii) представление знаний (Crandall et al., 2006).
На практике эти три компонента можно понимать как:
(i) интервью или наблюдение за экспертом для разбиения на шаги, необходимые для выполнения конкретной сложной задачи;
(ii) выявление и извлечение когнитивных процессов, используемых экспертом при выполнении задачи;
(iii) анализ и картирование требований к знаниям, сигналов, стратегий и навыков, используемых экспертом при выполнении задачи, и представление этого в доступном формате, который может улучшить передачу знаний на рабочем месте
Хотя фаза анализа данных использует качественные методы, уже знакомые ученым в области управления (например, тематический анализ, контент-анализ), фазы выявления знаний и представления знаний (подробно обсуждаемые ниже) представляют новый подход

Методы CTA были специально разработаны для понимания принятия решений в сложных, неопределенных и вызывающих трудности контекстах. Предположение использования CTA заключается в том, что полученные сведения о когнитивных навыках и процессах, принятых экспертами в определенной области задач, будут связаны с самой этой областью. Таким образом, CTA стремится специально понять, как люди принимают решения, когда, например, контекстные требования нарушают типичные процессы или когда в рабочую среду вносится непредвиденный хаос.

Методы CTA актуальны только для исследований, сосредоточенных на сложном познании, особенно на аспектах познания, которые трудно сформулировать и наблюдать . Как отмечено Roth et al. (2014), недостаточно просто рассказать убедительную историю о рабочих действиях с использованием CTA; результаты также должны дать представление о когнитивных вызовах и сосредоточиться на роли экспертизы в обеспечении возможности практикам преодолевать эти вызовы.

Если исследовательский вопрос в первую очередь сосредоточен на выявлении характеристик или атрибутов задачи, то, вероятно, более подходящим будет альтернативный метод, такой как CIT - метод критических инцидентов. Действительно, хотя методы CTA изначально были разработаны как расширение CIT, и оба метода сосредоточены на сложных инцидентах, цели и применение этих двух методов различны. Например, CIT используется для описания целей деятельности и того, что человек делает для их достижения, путем реконструкции и описания деталей конкретного инцидента. Таким образом, метод CIT сосредоточен на разработке описательного повествования о том, как конкретные поведения связаны с конкретным инцидентом. В отличие от этого, цель CTA — раскрыть лежащие в основе когнитивные процессы, принятые экспертом, работающим в сложной среде задач. Таким образом, вместо того чтобы быть основным объектом исследования, задача (или инцидент) используется как контекст для исследования этих когнитивных процессов (через углубленные пробы).

В простых терминах эксперта можно определить как человека, который «выделяется по скорости, точности и автоматичности выполнения» (Hatano & Inagaki, 1984, с. 31). Однако методы CTA также позволяют изучать экспертизу более нюансированно. Вместо традиционного подхода, сравнивающего экспертов с новичками, или определения эксперта с использованием предписывающей формулы, CTA охватывает множество уровней экспертизы, которые существуют, когда человек развивается от подмастерья до мастера, и, таким образом, не рассматривает экспертизу как конечную точку в организационном обучении, а скорее как процесс

ACTA — это техника интервьюирования, разработанная для выявления ключевых когнитивных элементов, необходимых для выполнения экспертных задач . Обычно она включает три фазы: (i) разработка диаграммы задачи; (ii) интервью по аудиту знаний; (iii) анализ данных и представление знаний. Иногда, чтобы исследовать альтернативные представления познания в фазе интервью по аудиту знаний, исследователи также используют CDM и/или симуляционное интервью или симулированное упражнение

Иногда сюда добавляют критический инцидент, иногда нет

ACTA особенно полезна, когда исследователь заинтересован в получении подробных знаний о рабочих действиях высокопроизводительного эксперта, выполняющего задачу, специфичную для домена
Хотя мы предполагаем, что как CDM, так и ACTA подходят для широкого спектра управленческих контекстов, мы также отмечаем, что их различия предполагают, что могут быть различия в их применении . … мы предлагаем, чтобы CDM лучше всего применялся в исследованиях, которые соответствуют его названию, то есть в исследовательских контекстах, в которых целью является выявление и документирование когнитивных процессов, принятых в поддержку критического принятия решений.

Фаза 1: Разработка диаграммы задачи. Рекомендуется, чтобы исследователи сначала разработали диаграмму задачи, чтобы предоставить общий «обзор общей картины» задачи и выявить наиболее сложные элементы как среды, так и процесса принятия решений, которые затем могут быть исследованы во второй
Фаза 2: Аудит знаний. Аудит знаний представляет вторую фазу метода ACTA и включает структурированный набор вопросов и проб для раскрытия и документирования экспертных знаний в отношении конкретной задачи или инцидента, выявленного в фазе 1. Аудиты знаний изначально были разработаны для обзора различных аспектов экспертизы, необходимых для эффективного выполнения задачи. Любопытно, что когда пробовали делать аудит знаний без фазы 1, то респонденты путались, ответы смешивались
Фаза 3: Анализ данных и представление знаний. Хотя ACTA в целом является более упрощенным методом, чем CDM, он все же собирает богатые и детализированные данные: Как и в случае с CDM, данные, собранные с помощью ACTA, могут анализироваться различными способами, в зависимости от целей исследования и эпистемологической позиции исследования
Результаты ACTA обычно представляются в таблице когнитивных требований для практического применения

По телеграму носится видео шагоходов ВНИИ Трансмаш 1980, сначала подумал, что фейк, но все не так просто
https://www.youtube.com/watch?v=hQSO-6LvINQ

Первые эксперименты по шагающим машинам в СССР начались на рубеже 70-х годов ХХ века и были пионерскими, опережая аналогичные исследования в США. Ключевую роль в этих работах сыграл академик Д.Е. Охоцимский, тогда член-корреспондент АН СССР, который был организатором и вдохновителем исследований. В период 1972–1975 годов прототипы многоногих шагающих роботов были созданы в Институте прикладной математики АН СССР (рук. Д.Е. Охоцимский), в Институте механики МГУ (рук. проф. Е.А. Девянин), а чуть ранее — в Институте машиноведения АН СССР (рук. академик И.И. Артоболевский, проф. А.П. Бессонов и Н.В. Умнов).

Но отцы-основатели шагоходов не чужие этому каналу и теме UX и HCI - среди них, например, был Сазерленд, человек, который создал Скетчпад, стоял у истоков популярных шагоходов

https://www.keldysh.ru/papers/2013/prep2013_101.pdf
Из архива Института Келдыша

Книга «Качественные исследования в бизнесе»: лист ожидания

Мы (Константин Ефимов и Анастасия Жичкина) пишем книгу-руководство по качественным методам исследований.
Она готова на 90 процентов, и мы надеемся, что она выйдет в январе 2026.

Эта книга - для тех, у кого есть уже некоторое представление о том, что такое исследования. Для тех, кому недостаточно кастдева, проблемных и решенческих интервью, а Квале, Страусс, Белановский и Штейнберг - недостаточно практико-ориентированы. Для тех, кто ищет обоснованную и работающую методологию.

Содержание книги - ниже.

(нажмите, чтобы посмотреть содержание)

ВВЕДЕНИЕ: ЧТО ТАКОЕ КАЧЕСТВЕННЫЕ ИССЛЕДОВАНИЯ?

1. НУЖНО ЛИ ПРОВОДИТЬ ИССЛЕДОВАНИЕ
1.1. Стоит ли сразу говорить с людьми?
1.2. «За» и «против» исследования

2. ПЛАНИРОВАНИЕ ИССЛЕДОВАНИЯ: С КЕМ ГОВОРИТЬ?
2.1. Формирование выборки: как понять, кто нам нужен
2.2. Откуда берутся респонденты
2.3. Интервью: сколько респондентов достаточно?
2.4. Платить или не платить респондентам?
2.5. Вознаграждения в b2b: что дать человеку, у которого все есть?

3. ВЫБОР МЕТОДА КАЧЕСТВЕННОГО ИССЛЕДОВАНИЯ
3.1. Глубинное интервью
3.2. проблемное, решенческое и jtbd-интервью
3.3. UX-тест
3.4. Фокус-группа
3.5. Этнография
3.6. Проективные методы
3.7. Интервью, наблюдение, дневники – как выбрать метод изучения сх
3.8. Выбор метода и роли исследователя

4. ГАЙД ИНТЕРВЬЮ: ХОРОШИЕ И ПЛОХИЕ ВОПРОСЫ
4.1. Нарративное интервью: расскажите это как историю
4.2. Готовые вопросы
4.3. «Задавайте только открытые вопросы»
4.4. Вопросы о чувствах
4.5. Отборочные вопросы в сценарии интервью
4.6. «Не задавайте вопросы про будущее»
4.7. Структура гайда
4.8. Гайды для конкретных случаев: изучение потребностей, тестирование концепций и ценовых ожиданий
4.9. Короткий или подробный гайд?
4.10. Чеклист: работающий гайд

5. ПРОВЕДЕНИЕ ИССЛЕДОВАНИЯ: СЛЫШАТЬ ИСТОРИИ ЛЮДЕЙ
5.1. Как начать интервью
5.2. Неискренность респондента: как повысить достоверность данных
5.3. Как уточнять?
5.4. B2B интервью: драматургия эмпатии
5.5. Ведение интервью: когда ошибки не играют роли

6. АНАЛИЗ КАЧЕСТВЕННЫХ ДАННЫХ: EXPECTED OUTCOME
6.1. Что писать в отчете? Дескриптив vs аналитика
6.2. Извлечение сути: кодировать или рассказывать?

7. ПОПУЛЯРНЫЕ ФРЕЙМВОРКИ: КАЖДОЕ ПОКОЛЕНИЕ ДУМАЕТ, ЧТО ИМЕННО ОНО ИЗОБРЕЛО СЕКС
7.1. JTBD: инструмент для инноваций
7.2 JTBD как потребностная модель
7.3. JTBD: эволюция фреймворка
7.4. Почему JTBD и почему не JTBD
7.5. Персоны, роли и сегменты
7.6. Сторителлинг как синтез подходов к анализу качественных данных

8. КАК СОЗДАТЬ РАБОТАЮЩУЮ СЕГМЕНТАЦИЮ
8.1. История попыток: маркетинговые типологии людей
8.2. Человек или ситуация: от чего зависит то, что люди делают с продуктом?
8.3. Так сегментация или ситуация? Каждый раз определяем заново
8.4. Основа сегментации – различия в использовании продукта
8.5. Чеклист: требования к работающей сегментации

9. ПОЧЕМУ ЛЮДИ ВЕДУТ СЕБЯ ТАК, А НЕ ИНАЧЕ: АВТОРСКИЙ ФРЕЙМВОРК Х-RAYS
9.1. Давление ситуации: обстоятельства непреодолимой силы
9.2. Опыт: привычка как броня, компетентность как третий глаз
9.3. Личностные черты: продукт как индивидуально подобранное оружие
9.4. Идентичность: с помощью продукта я становлюсь лучше

10. ИССЛЕДОВАНИЯ И БИЗНЕС-ПРОЦЕСС: ОТНОШЕНИЯ С ЗАКАЗЧИКОМ.
10.1. Необычные ожидания заказчика
- «дайте цифры»: заказчик просит количественные данные
- «ваши данные нерепрезентативны»
- «это декларативно»
10.2. Тандемное интервью: когда вас много, а респондент один
10.3. Польза от исследований: чья это ответственность

ЗАКЛЮЧЕНИЕ

Будет очень много кейсов, разбор исследовательских ошибок, практические рекомендации и чек-листы.
По стилистике это руководство будет близко к нашему каналу @postpostresearch: с иронией, базой, примерами из практики и неочевидными решениями, но систематичнее и подробнее.
Мы постараемся, чтобы книга была доступна и в России, и во всем мире.

Если у вас есть знакомые, которым может быть полезна такая книга, перешлите им это сообщение.

Нам важно понять, какой тираж печатать. Если вы планируете купить книгу, запишитесь у бота:
@postpostbook_bot

B. Shneiderman. Revisiting the astonishing growth of human–computer interaction research. IEEE Computer,50(10):8–11, 2017.

Обзор компьютерных инноваций, на которые HCI оказала существенное, если не решающее, влияние.