文／Cha Cha
當大家還沉浸在 HPX71 的讀書會分組氛圍時，HPX 72 悄然登場了。這次 HPX72 一改過往多人分享的形式，只邀請了在美國求學的張永儒 Stanley （以下簡稱Stanley）一個人分享「如何透過行動科技來協助使用者研究」這個專題，讓針對這個議題有興趣的朋友能有更深入的探討。
一上台 Stanley 就破題跟大家說，這一個主題主要是來自於自己的研究內容與觀察心得。但也提醒與會者說自己等一下不會講述如何製作與設計行動科技、案例細節及買哪一台等細節。但是會讓大家了解傳統研究的優缺點、方法、例子、及研究過程中要注意的地方。
Stanley 首先從傳統研究方法的內容開始闡述；傳統研究包含了 Survey（調查：最常的方式就是問卷調查）、Qualitative Methods（質性研究：訪談、田野調查，著重在 how、why）、Diary Study（日常生活研究：日記法，透過不同時間頻率讓受試者自己記錄報告），但是這三種都會有 Self-report 著名的問題出現：Recall Error/Bias（Stanley 這時邀請大家馬上玩一個問答遊戲，大家都要回憶一些生活上的細節問答，然後接著拿出自己的手機自拍後回答問題剛剛發生的自拍細節）。
透過上述的活動，其實 Stanley 是要點出兩個問題：Retrospective (回顧) V.S Introspective (內省)，Retrospective 是傳統研究方法經常使用讓受訪者回顧並報告過去發生的事件跟情境，但受訪者可能會無法準確的回答，因為當下沒有放注意力、次數太多造成混淆、容易忘記，或用個人推論一般性規則而非回憶實際發生情況例如 7-11 很常去，就會變成是日常生活的一部份，將很難透過 interview 來瞭解使用者的習慣。有些心理學家因此現在透過 Memory Cues 來幫助回憶（但又容易發生沒有辦法當下準確回覆）。
如上所述為了解決上列的窘境，很多心理學家希冀透過行動科技來研究使用者，因為行動科技具有隨身攜帶、離使用者近、可隨時蒐集 data 三個特性，因此可更方便了解使用者的狀況，這也是 Experience Sampling Method（以下簡稱：ESM）方法誕生的由來。ESM 主要是用來捕捉使用者的使用習慣，早期研究是透過 BBcall ，接著是 PDA ，現在隨著科技的進步，智慧型手機成了最佳的研究工具。
ESM 最常被用來在醫療、健康、心理、情境方面的研究，資訊方面的知名大廠 Google 也會用這種方式（曾經一天8次調查大家在做什麼）。因此 ESM 可說是已被大家逐漸廣泛接受，其最大的優點是沒有 Recall Error/Bias 的問題，同時所取得的資料亦較為貼近現實生活與行為，而且可以研究較大量的受測者。但是有好的一面，也就會有不好的一面，首先是需要「肯配合的受試者」（Stanley 說這個很難呀！），其次就是可能會中斷受測者目前的活動、測試不可太長（如一個月）、不適合研究需要注意力的活動、太少發生或太頻繁發生的行為都不適合、打字太多的也不好，最後就是易有自我偏見。
另外研究者也開始利用手機紀錄 （Phone Sensing & Logging） 來記錄行為，例如可以看到不同的 APP 使用情境，可透過手機擷取到各類 Sensor 甚或在 Android 上可得到 Google 提供的移動數據，進而瞭解使用者手機和個人行為，同時研究者也可以透過視覺化的方式回饋（Ecological Feedback），產生一些互動，最後達到對行為有正面影響（Behavioral Change）。不過 Stanley 也說 Logging 這樣的方式還是有優缺點。
接著Stanley，提出他觀察到目前在學術裡使用行動科技研究的趨勢發展。
- 趨勢一：手機 Logging+Diary，如旅行日誌、健康日誌，研究者可以透過數據來讓受測者回想，讓受測者可以針對不同的時間來瞭解自己，優點是可以針對記錄到的特定事件來發問，同時也可以幫助受測者的紀錄&回憶，並佐證受測者的回應。但缺點就是日誌耗電（因為要 Logging）、需要自己開發 APP 及需要整合不同的資料（很花研究者的時間）。
- 趨勢二：Wearable Life－Logging，透過穿戴式相機捕捉日常生活，紀錄外出時間的行為及飲食狀況（運動手環僅是增加生理資訊，所以不加贅述）。同時也可以加上 Diary 的紀錄，透過照片來讓使用者回憶。該研究最大的缺點就是會讓受測者產生顧慮，像是會有不想被拍的行為出現，同時因為是記錄日常生活，電池要很夠力才夠用（最好可以撐上3天，但是目前還沒有這樣的工具出現）。
- 趨勢三：Context－Triggered ESM，當偵測到特定情境、事件、行為就發問（如研究受測者聽音樂、開車的行為。）舉例來說，當受測者滿足四個類型行為（事件總類、 滿足條件、時間條件、動作）時，就通知給一個問題。
- 趨勢四：ESM&Logging For Machine Learning，透過 ESM 拿到的情境資料與受測者回應來讓手機學習和預測行為。舉例來說，當受測者在大安森林公園時，就會問受測者在做什麼? 當受測者回答走路、跑步之後，讓機器學習知道使用的狀況。
以上這幾種趨勢，除了獨立分開研究之外，Stanley 笑著說也可以全部加起來，那資料就會很精彩了，但是切記：「可能產生失焦、且之後要做更多！」。
休息之後，Stanley 不藏私的分享三個在今年發表，並透過行動科技的研究案例。
- 案例一：研究人在外面時取得資訊的方式和行為? Stanley 說行動使用者可以透過手機、地圖、環境或者是問人的方式來達成目的，在這一個研究下，Stanley 透過一個商用 APP：Catch Note，來瞭解受測人在外面如何選擇得到資訊的方式，研究裡篩選受測者的資格為使用2年以上的手機者、觀察15週，共計10人。Stanley 表示大部分選擇資訊的方式透過 Survey 或訪問可以得到類似的結果；但是在一些特定情況才會發生的行為，例如受訪者在當環境受限（或手機使用受限時）而「不確定」要花多少時間跟精力才能用自己熟悉方式得到資訊的時候，常常會選擇自己平常不熟悉但比較確定的方式，問人去。這樣的行為發現特別是在外出的時候，因為所需要的資訊有時間性且需要及早拿到（如這一張圖）
- 案例二：如何瞭解使用者如何使用鈴聲設定。 方法是透過自行開發 APP，監測和記錄其通話、訊息、看通知、和調整鈴聲行為，資料是透過 Wifi 上傳資料（因而不會用到受訪者的行動網路），並每天請受訪者透過 email 做日誌，針對每天記錄到的事件（沒讀訊息、錯過電話、改變鈴聲模式）回報情境和原因，此外還要讓受測者自己標記自己的位置 （Location）將經緯度有系統化地轉成對個人有意義的地方資訊 （家、工作、朋友家），那個研究結束後，大約有40萬筆的資料。最後結果發現：鈴聲設定選擇震動比安靜模式更受歡迎，透過統計分析也發現鈴聲模式也會影響到個人訊息的接收習慣。Stanley 表示若對更多相關研究結果有興趣可以跟他要論文看。
- 案例三：如何透過 Mobile User 來研究和收集行為資料蒐集，這個研究目標在檢視什麼方式比較有效? 方法是透過自行研發 APP 來讓受測者在外面移動時回報交通模式，其比較的方式有三種如下：
- Participatory 受測者自行參與紀錄旅程
- In Situ (就是ESM) 偵測受測者移動行為並請受測者當下回報
- Post Hoc 手機先記錄交通行為後讓受測者之後檢視紀錄並回報
最後透過 Wearable Camera 來記錄並驗證受測者實際交通行為（需請求使用者戴整天） Stanley 只有短短敘述研究結果，發現其實手動紀錄比自動記錄更來的有效，同時自動記錄也容易發生錯誤訊息等。Stanley 表示若想知道更多相關研究結果可以跟他要論文看。
綜合以上，Stanley 最後分享透過行動科技來研究日常生活行為的研究步驟至少可分成三個部分：第一，Pre-Study：確認研究問題階段：準備收集資料的系統 → 找研究受試者 → 行前確認。這過程中需要留意研究的問題，另在蒐集資料時要特別留意手機系統（補充: 目前只有Android可以較好支援偵測事件跟紀錄）；第二，Data-collection：資料蒐集階段：研究中最重要的是受測者，要與受測者保持良好且善意的互動，同時定期主動聯絡（提醒受測者知道 I watch you）。第三，Post-Study：研究後的調查與訪談、匯集處理資料，此時要注意 Log 裡的雜訊、例外和模棱兩可情況，因為魔鬼常藏在細節裡，所以很重要的是自己要「親自去」看 data。
這些研究比較大的挑戰是，需要技術人員、及與受訪者相互信任、合作，尤其是信任其實是最讓研究者受挫的地方 （畢竟你要偵測和紀錄別人一舉一動），大家千萬不要輕易放棄。最後，Stanley 希望在場的大家都可以帶走這一句話：即用行動科技研究最大的優點就是「質化解釋量化，量化驗證質化。」
