سپنتا پویا — طراح محصول

مقایسهٔ پرسش جهت‌دار و پرسش خنثی در مصاحبهٔ کاربری
منبع: بنیاد طراحی تعامل (IxDF) · بازنویسی آزاد: سپنتا پویا · مرداد ۱۴۰۵ · زمان مطالعه: حدود ۱۱ دقیقه

سوگیری (Bias) در طراحی چیست؟

💡 این متن «بازنویسی آزاد» است: ایده‌ها و مفاهیم مطلب اصلی با نگارش کاملاً مستقل فارسی و مثال‌های تازه بازگو شده‌اند و ترجمهٔ کلمه‌به‌کلمه نیست. بخش‌های افزودهٔ مترجم در جعبهٔ منبع مشخص شده‌اند.

دو مقالهٔ قبلی این مجموعه — اثر لنگر و اقتصاد رفتاری — دربارهٔ سوگیری‌های کاربر بودند. این یکی دربارهٔ سوگیری‌های خود ماست: تیمی که پژوهش می‌کند، تفسیر می‌کند و تصمیم می‌گیرد.

و این موضوع دشوارتری است، به دلیلی که منبع اصلی هم به آن اشاره می‌کند: تشخیص سوگیری در دیگران بسیار آسان‌تر از تشخیص آن در خودمان است. شما نمی‌توانید با «دقت بیشتر» سوگیری خودتان را ببینید؛ اگر می‌شد، دیگر سوگیری نبود.

مسیر مقاله: تعریف، بعد سوگیری‌هایی که در اتاق طراحی رخ می‌دهند، بعد پژوهش که بیشترین آسیب را می‌بیند، بعد شکاف داده، بعد آنچه واقعاً برای کاهشش کار می‌کند، و در پایان اینکه نمونهٔ کاربران در ایران معمولاً چه کسانی را جا می‌گذارد.

سوگیری چیست؟

سوگیری یعنی اینکه ما اطلاعات را نه آن‌طور که هست، بلکه از دریچهٔ ارزش‌ها و باورها و انتظارهای خودمان تفسیر می‌کنیم — و نحوهٔ ارائه اطلاعات هم بر این تفسیر اثر می‌گذارد.

نکتهٔ مهم این است که سوگیری، نقص شخصیتی یا بی‌دقتی نیست. سازوکار عادی ذهن است: مغز برای صرفه‌جویی، میان‌بر می‌زند و از الگوهای قبلی استفاده می‌کند. در بیشتر موقعیت‌های زندگی این میان‌برها مفیدند؛ در پژوهش و تصمیم‌گیری محصولی، گمراه‌کننده‌اند.

و نتیجهٔ عملی این تعریف: راه‌حل، «بی‌طرف بودن» نیست — چون کسی نمی‌تواند. راه‌حل، ساختن رویه‌هایی است که سوگیری را قابل مشاهده کنند. بخش پنجم دربارهٔ همین است.

آنچه در اتاق طراحی اتفاق می‌افتد

شش سوگیری رایج در جلسهٔ طراحی و نشانهٔ قابل مشاهدهٔ هرکدام
نمودار از سپنتا پویا برای این ترجمه (sepantapouya.com)

شش سوگیری که بیش از بقیه در کار تیمی دیده می‌شوند:

  • - سوگیری تأیید: دنبال شواهدی می‌گردیم که فرضیهٔ فعلی‌مان را تأیید کند و داده‌های ناسازگار را کم‌اهمیت می‌بینیم. Nickerson در مرور مشهورش (۱۹۹۸) نشان داد این یکی در تقریباً همهٔ حوزه‌ها حاضر است.
  • - هم‌رنگی جماعت: در جلسه، همراهی با نظر اکثریت آسان‌تر از مخالفت است — به‌ویژه وقتی مدیر ارشد اول نظرش را گفته باشد.
  • - سوگیری تازگی: آخرین مصاحبه یا آخرین شکایت کاربر، وزن بیشتری از کل داده پیدا می‌کند.
  • - سوگیری شباهت: به بازخورد کاربرانی که شبیه خودمان‌اند بیشتر بها می‌دهیم — چون حرفشان «منطقی‌تر» به‌نظر می‌رسد.
  • - اثر هاله: برداشت مثبت از یک ویژگی، قضاوت ما دربارهٔ بقیهٔ ویژگی‌ها را روشن می‌کند. محصولی که خوش‌ظاهر است، کاربردپذیرتر هم به‌نظر می‌رسد — همان بحثی که در زیبایی‌شناسی داشتیم.
  • - لنگر در صورت‌بندی پرسش: اینکه چطور بپرسید، جواب را شکل می‌دهد. بخش بعدی دربارهٔ همین است.

پژوهش: جایی که بیشترین آسیب وارد می‌شود

این بخش افزودهٔ مترجم است. منبع اصلی سوگیری را عمدتاً در سطح ایده‌پردازی و تصمیم بررسی می‌کند، اما به‌نظر من پرهزینه‌ترین جایش پژوهش است — چون پژوهشِ سوگیرانه بدتر از نبودِ پژوهش است: به شما اطمینان کاذب می‌دهد و بعد با اعتبار «داده» از تصمیم غلط دفاع می‌کند.

چهار جایی که سوگیری وارد پژوهش می‌شود:

  • - صورت‌بندی پرسش. «چقدر این قابلیت جدید برایتان مفید بود؟» فرض کرده که مفید بوده و کاربر را در همان مسیر می‌اندازد. جایگزین خنثی: «اگر اصلاً از این بخش استفاده کردید، برایم تعریف کنید آخرین بار کِی و برای چه کاری بود.» تفاوت این دو در نتیجه، بزرگ‌تر از چیزی است که به‌نظر می‌رسد.
  • - خوشایندگویی. آدم‌ها تمایل دارند به کسی که روبه‌رویشان نشسته خبر خوب بدهند — به‌ویژه اگر بدانند او سازندهٔ محصول است. به همین دلیل هرگز نگویید «این را من طراحی کرده‌ام»، و به‌جای پرسیدن نظر، از آن‌ها بخواهید کاری انجام دهند و ساکت تماشا کنید.
  • - نمونه‌گیری. اگر مشارکت‌کنندگان را از میان کاربران فعال، یا از شبکهٔ آشنایان، یا از کسانی که به ایمیل دعوت پاسخ داده‌اند انتخاب کنید، نمونه‌تان از پیش جهت‌دار است. کسانی که رفته‌اند و کسانی که هرگز نتوانستند وارد شوند، در نمونه نیستند — و معمولاً همان‌ها مهم‌ترین یافته را داشتند.
  • - تفسیر. همان نوار ویدیو را دو نفر با دو فرضیهٔ متفاوت تماشا می‌کنند و هرکدام تأییدی برای خودش پیدا می‌کند. این خطرناک‌ترین مرحله است، چون به‌نظر عینی می‌رسد.

و یک قاعدهٔ ساده که بیشتر از هر چیز دیگری کمک می‌کند: در مصاحبه، دربارهٔ رفتار گذشته بپرسید، نه دربارهٔ نظر یا آینده. «دفعهٔ قبل چه کار کردید؟» جوابی دارد که کاربر واقعاً می‌داند. «آیا از این استفاده می‌کنید؟» جوابی دارد که کاربر حدس می‌زند — و حدسش خوشبینانه است. تفصیلش در مصاحبهٔ کاربری آمده.

شکاف داده: آنچه اندازه نگرفته‌ایم

دستهٔ دیگری از سوگیری در خودِ داده نشسته است، پیش از آنکه کسی تفسیرش کند. Caroline Criado Perez در Invisible Women (۲۰۱۹) نشان داد چقدر از داده‌های پایه‌ای که جهان بر اساسشان طراحی شده، از مردان جمع‌آوری شده و به‌عنوان «انسان» تعمیم داده شده — از اندازهٔ آدمک‌های آزمون تصادف تا دمای استاندارد ساختمان‌های اداری.

معادل دیجیتالش کمتر دیده می‌شود اما هست: مجموعه‌داده‌ای که مدل تشخیص گفتار با آن آموزش دیده، الگوهای مصرفی که «کاربر عادی» را تعریف می‌کنند، و آزمون‌هایی که فقط روی گوشی‌های پرچم‌دار انجام شده‌اند. در همهٔ این‌ها، غایب‌ها در داده دیده نمی‌شوند — چون غایب‌اند.

پرسش عملی‌اش این است: چه کسی در این داده نیست؟ و این را باید صریح پرسید، چون هیچ نموداری خودش به شما نمی‌گوید چه کسی را نشمرده است.

چه چیزی واقعاً کار می‌کند

این بخش هم افزودهٔ مترجم است. توصیهٔ رایج «سوگیری‌هایتان را بشناسید و آگاه باشید» تقریباً بی‌اثر است — همان‌طور که در اثر لنگر دیدیم، آگاهی از یک سوگیری، معمولاً آن را خنثی نمی‌کند. آنچه کار می‌کند رویه است:

  • - پیش از پژوهش، انتظارتان را بنویسید. یک پاراگراف: «فکر می‌کنم مشکل اینجاست و انتظار دارم کاربران این را بگویند.» بعد از پژوهش، مقایسه کنید. این ساده‌ترین راه برای دیدنِ سوگیری تأیید در خودتان است، چون حافظه پس از دیدن نتیجه، انتظار قبلی را بازنویسی می‌کند.
  • - پرسش‌ها را کس دیگری بازبینی کند. جهت‌داری پرسش، از بیرون بسیار راحت‌تر دیده می‌شود تا از درون. پنج دقیقه کافی است.
  • - در جلسه، نظرها را هم‌زمان و بی‌نام جمع کنید. پیش از بحث، هرکس نظرش را بنویسد. این تنها کار مؤثری است که برای هم‌رنگی جماعت می‌شناسم — و اگر مدیر ارشد آخر نفر حرف بزند، اثرش دوچندان می‌شود.
  • - جای بازیگر داستان را عوض کنید. در سناریوی کاربری، نقش را به آدمی با سن، جنسیت، سواد یا توانایی متفاوت بدهید و ببینید آیا داستان هنوز کار می‌کند. این ترفند ساده، فرض‌های نگفته را بیرون می‌کشد.
  • - مشارکت‌کنندهٔ ناجور را عمداً دعوت کنید. اگر همهٔ مصاحبه‌شونده‌هایتان حرف مشابهی می‌زنند، احتمالاً همه را از یک جا آورده‌اید.

نمونهٔ کاربران در ایران معمولاً چه کسی را جا می‌گذارد؟

فاصلهٔ نمونهٔ رایج پژوهش با جمعیت واقعی کاربران در ایران
نمودار از سپنتا پویا برای این ترجمه (sepantapouya.com)

این بخش هم افزودهٔ مترجم است. در تیم‌های ایرانی، نمونهٔ پژوهش معمولاً از چند مسیر مشخص می‌آید — شبکهٔ آشنایان تیم، کاربران فعال محصول، و پاسخ‌دهندگان به فرم در شبکه‌های اجتماعی. هر سه مسیر، جمعیت مشابهی می‌آورند و همان جمعیت، شبیه خود تیم است. کسانی که به‌طور نظام‌مند جا می‌مانند:

  • - کاربران خارج از تهران و شهرهای بزرگ. هم شبکهٔ آشنایان تیم عمدتاً تهرانی است و هم دعوت‌ها معمولاً به همان‌جا می‌رسد. تفاوت‌ها هم واقعی‌اند: کیفیت شبکه، الگوی خرید، و اعتماد به پرداخت آنلاین.
  • - کاربران مسن‌تر. دعوت از راه شبکهٔ اجتماعی، عملاً یک فیلتر سنی است. و همین گروه بیشترین مشکل را با آیکون بدون برچسب و اشارهٔ پنهان دارد.
  • - کاربران کم‌سوادتر یا با سواد دیجیتال کمتر. کسی که در پرکردن فرم دعوت به پژوهش مشکل دارد، در نمونهٔ شما نخواهد بود — یعنی دقیقاً همان کسی که محصولتان برایش سخت‌ترین است.
  • - کاربران با گوشی و اینترنت ضعیف‌تر. اگر جلسهٔ پژوهش را با تماس ویدیویی می‌گیرید، کسانی که پهنای باندشان کافی نیست خودبه‌خود حذف می‌شوند.
  • - کاربرانی که رفته‌اند. پرارزش‌ترین گروه و همیشه غایب. تیم‌ها با کاربران فعلی حرف می‌زنند و از کسانی که محصول را رها کرده‌اند نمی‌پرسند چرا.

هیچ‌کدام از این‌ها با بودجهٔ بزرگ حل نمی‌شود؛ با تغییر مسیر دعوت حل می‌شود. چند کار عملی: به‌جای فرم شبکهٔ اجتماعی، از فهرست مشتریان نمونه‌گیری تصادفی کنید؛ چند مصاحبه را تلفنی بگیرید نه ویدیویی؛ و یک بار در سال با ده نفر که اشتراکشان را لغو کرده‌اند تماس بگیرید. این آخری معمولاً ناخوشایندترین و مفیدترین پژوهشی است که یک تیم انجام می‌دهد.

جمع‌بندی

  • - سوگیری نقص شخصیتی نیست؛ سازوکار عادی ذهن است. پس راه‌حل «بی‌طرف بودن» نیست، ساختن رویه‌هایی است که سوگیری را قابل مشاهده کند.
  • - در اتاق طراحی، سوگیری تأیید و هم‌رنگی جماعت و تازگی و شباهت و اثر هاله بیشتر از بقیه دیده می‌شوند.
  • - پرهزینه‌ترین جای سوگیری، پژوهش است: پژوهش سوگیرانه بدتر از نبود پژوهش است، چون اطمینان کاذب می‌دهد.
  • - در مصاحبه دربارهٔ رفتار گذشته بپرسید، نه نظر یا آینده. «دفعهٔ قبل چه کردید؟» جوابی دارد که کاربر می‌داند.
  • - بخشی از سوگیری در خودِ داده نشسته است؛ پرسش درست این است که «چه کسی در این داده نیست؟»
  • - آگاهی از سوگیری آن را خنثی نمی‌کند. آنچه کار می‌کند رویه است: نوشتن انتظار پیش از پژوهش، بازبینی پرسش‌ها توسط دیگری، جمع‌آوری بی‌نام نظرها پیش از بحث، و عوض‌کردن بازیگر داستان.
  • - در ایران، نمونه معمولاً کاربران غیرتهرانی، مسن‌تر، با سواد دیجیتال کمتر، با اینترنت ضعیف‌تر، و مهم‌تر از همه کسانی که رفته‌اند را جا می‌گذارد. راه‌حلش تغییر مسیر دعوت است، نه بودجهٔ بیشتر.

منبع

این نوشته «بازنویسی آزاد» است از مطلب What is Bias in Design? در وب‌سایت بنیاد طراحی تعامل (Interaction Design Foundation — IxDF؛ بدون نام نویسندهٔ مشخص). مفاهیم پایه — تعریف سوگیری به‌عنوان تفسیر اطلاعات از دریچهٔ ارزش‌ها و باورها و تأثیر نحوهٔ ارائه بر آن، شش سوگیری لنگر و هم‌رنگی جماعت و تأیید و تازگی و شباهت و اثر هاله، این نکته که تشخیص سوگیری در دیگران آسان‌تر از خودمان است و طراحان نسبت به ادراک خود نقطهٔ کور دارند، ارجاع به مرور Nickerson (۱۹۹۸) دربارهٔ فراگیر بودن سوگیری تأیید و به کتاب Invisible Women از Caroline Criado Perez (۲۰۱۹)، و روش‌های کاهش شامل عوض‌کردن بازیگر در سناریوی کاربری و آزمون با گروه‌های متنوع و روش شش کلاه تفکر — از این منبع گرفته شده. متن فارسی، ساختار بخش‌ها و همهٔ مثال‌ها کاملاً مستقل نوشته شده‌اند.

متن مقالهٔ اصلی تحت هیچ لایسنس بازی منتشر نشده است؛ به همین دلیل اینجا ترجمهٔ کلمه‌به‌کلمه ارائه نشده و متن کامل انگلیسی (به‌همراه همهٔ تصاویر) در لینک زیر در دسترس است.

بخش‌های افزودهٔ مترجم: تمرکز کل مقاله بر سوگیری تیم به‌جای سوگیری کاربر، برای تفکیک صریح از دو مقالهٔ پیشین این مجموعه؛ استدلال اینکه راه‌حل «بی‌طرف بودن» نیست چون ممکن نیست، و باید رویه ساخت؛ کل بخش «پژوهش: جایی که بیشترین آسیب وارد می‌شود» شامل این ادعا که پژوهش سوگیرانه بدتر از نبود پژوهش است، چهار نقطهٔ ورود سوگیری (صورت‌بندی پرسش، خوشایندگویی، نمونه‌گیری، تفسیر) با مثال بازنویسی‌شدهٔ پرسش جهت‌دار و خنثی، و قاعدهٔ پرسیدن از رفتار گذشته به‌جای نظر یا آینده؛ بسط شکاف داده به معادل دیجیتالی‌اش و پرسش «چه کسی در این داده نیست؟»؛ کل بخش «چه چیزی واقعاً کار می‌کند» با تأکید بر بی‌اثر بودن آگاهی صرف و پنج رویهٔ مشخص از جمله نوشتن انتظار پیش از پژوهش و جمع‌آوری بی‌نام نظرها پیش از بحث؛ و کل بخش پایانی دربارهٔ اینکه نمونهٔ پژوهش در ایران چه کسانی را جا می‌گذارد و اینکه راه‌حل تغییر مسیر دعوت است نه بودجهٔ بیشتر.

تصاویر: هر سه نمودار این صفحه طراحی مستقل مترجم است. تصاویر نسخهٔ اصلی با لایسنس CC BY-SA 3.0 به نام Yu Siang و بنیاد طراحی تعامل و چند تصویر با لایسنس‌های باز دیگر منتشر شده‌اند؛ هیچ‌یک اینجا بازتولید نشده و در مطلب اصلی قابل مشاهده‌اند.

مشاهدهٔ مقالهٔ اصلی
سپنتا پویا

مترجم: سپنتا پویا

طراح ارشد محصول. مقالات تخصصی UI/UX را با حفظ ساختار و لحن نسخهٔ اصلی به فارسی برمی‌گردانم.

دربارهٔ من

در این مقاله

  • - سوگیری چیست؟
  • - در اتاق طراحی
  • - سوگیری در پژوهش
  • - شکاف داده
  • - چه چیزی کار می‌کند
  • - نمونه در ایران
  • - جمع‌بندی

برچسب‌ها

  • سوگیری
  • پژوهش کاربر
  • نمونه‌گیری
  • UX
  • ترجمه