Jak probíhá syntéza poznatků ve fázi Define tak, aby byla dohledatelná a obhajitelná? Popište postup (afinitní diagram / tematická analýza), rozdíl pozorování vs. interpretace a jak zajišťujete, že insighty vedou k rozhodnutí.
Proč je syntéza kritická
- Syntéza převádí data na rozhodnutí; bez ní jsou jen „poznámky“.
- Riziko: domněnky se začnou tvářit jako fakta.
Postup: afinitní diagram (praktická verze)
- Atomic notes: citace/pozorování jako samostatné jednotky.
- Shlukování podle významu: ne podle „témat z osnovy“, ale podle toho, co data říkají.
- Pojmenování clusterů: posun od popisu k interpretaci (např. „nejistota o dalším kroku“).
- Vyšší úroveň témat: slučování a vztahy mezi tématy.
Tematická analýza (formálnější verze)
- Kódování → kategorie → témata.
- Důležitá je traceability: u každého tématu ukázat, z jakých dat vzniklo.
Pozorování vs. interpretace vs. implikace
- Pozorování: co se stalo (konkrétně, v kontextu).
- Interpretace (insight): proč se to děje (mechanismus, motivace, bariéra).
- Implikace: co z toho plyne pro návrh (princip/hypotéza/HMW).
Jak zajistit obhajitelnost
- Práce s kontrapřípady (co tématu odporuje).
- Týmová kalibrace (intersubjektivita): shoda na významu kódů.
- Dokumentace rozhodnutí (decision log) a přímé citace.
Kdy je insight „dobrý“
- Je akceschopný: lze z něj odvodit designové kritérium či hypotézu.
- Není to jen frekvence („hodně lidí řeklo…“), ale dopad a mechanismus.
- Má jasné vymezení: pro koho, kdy, za jakých podmínek.
Typické chyby
- Předčasné pojmenování témat, míchání úrovní abstrakce, reifikace („persona je realita“).
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