Popište, jak byste navrhli primární výzkum ve fázi Discover pro nejasně zadaný problém digitální služby. Jak formulujete výzkumné otázky, vybíráte metody, rekrutujete účastníky a zajišťujete validitu/reliabilitu a etiku?
1) Od zadání k výzkumným otázkám
- Zadání často popisuje symptom nebo institucionální perspektivu.
- Převod na otevřené otázky porozumění (ne „potvrďte náš nápad“):
- Co lidé dělají v situaci X? (deskriptivní)
- Proč se to děje? (explanační)
- Jak kontext ovlivňuje chování? (kontextové)
2) Volba metod podle typu nejistoty
- Rozhovory (polostrukturované): motivace, významy, cíle.
- Pozorování / stínování / kontextové šetření: rozdíl mezi „říká“ vs „dělá“, vliv prostředí.
- Deníkové studie: procesy rozložené v čase.
- Doplňkově kvantitativně: analytika, dotazník (odpověď na „kolik/jak často“).
- Cíl: triangulace (metody se doplňují, ne duplikují).
3) Kontekst použití (ISO 9241-210)
- Explicitně popsat: uživatelé, úkoly, vybavení, fyzické/sociální prostředí.
- Praktický důsledek: test/výzkum bez kontextu vede k návrhu „správných obrazovek“, které selžou v realitě.
4) Nábor a velikost vzorku
- Nábor podle relevantních segmentů a situací, ne podle dostupnosti.
- „Kolik rozhovorů stačí“: argumentace přes saturaci / information power:
- užší cíl + relevantní účastníci + kvalitní data → menší vzorek může stačit
- heterogenní populace + široký cíl → větší vzorek
5) Kvalita evidence: validita a reliabilita
- Validita: zda metoda zachycuje to, co potřebujeme (měření/interpretace/kauzalita).
- Reliabilita: konzistence postupu (např. stabilní scénář, kalibrace týmu).
- V kvalitativnu zvýšení důvěryhodnosti: audit trail, práce s citacemi, hledání kontrapříkladů.
6) Etika a ochrana dat
- Informovaný souhlas, minimalizace dat, bezpečné ukládání.
- GDPR a citlivé skupiny: asymetrie moci, harm reduction.
- Transparentní komunikace účelu a možnosti odstoupit.
Výstup Discover
- Ne „názory“, ale evidence + pozorování + první hypotézy připravené na syntézu.
Všechny otázky - Design zamereny na cloveka
- 1. Dvojí diamant jako řízení nejistoty
- 2. Primární výzkum v Discover: plán a kvalita
- 3. Syntéza: od dat k insightům
- 4. HMW a problem statement: most k ideaci
- 5. Divergence a konvergence: rozhodování a kritéria
- 6. Behaviorální modely: persona, scénáře, journey
- 7. Ideace: od insightů k alternativám
- 8. Prototyp jako experiment: volba fidelity
- 9. Testování: scénáře, metriky a interpretace
- 10. Použitelnost vs UX: co měřit a kdy
- 11. Přístupnost: součást kvality, ne doplněk
- 12. Kvantitativní evidence: významnost a A/B testy
- 13. Iterace, handoff a měření dopadu po nasazení
- 14. Etika, inkluze a dark patterns v HCD