これが故障です：
それがどのように機能するか：
* 自由回答形式の質問： 研究者は、特定のトピック、製品、または経験に関するオープンエンドの質問に参加者に尋ねます。
* 特定の形式なし： 参加者は、事前に定義されたオプションやスケールに限定されることなく、自分の言葉で自由に自分自身を表現することをお勧めします。
* 定性的データ： 結果のデータは主に定性的です。つまり、個々の経験と視点に関する豊かで記述的な情報をキャプチャします。
例：
* 製品フィードバック： 「このウェブサイトを使ってあなたの経験について教えてください。あなたは何が簡単か困難だと思いましたか？」
* サービス評価： 「カスタマーサポートチームとの最近のやり取りを説明してください。彼らの有用性をどのように評価しますか？」
* ブランド認識： 「私たちのブランドについて考えると、何が思い浮かびますか？あなたの第一印象は何ですか？」
利点：
* 豊かな洞察： 構造化された調査で見逃される可能性のある微妙な詳細、感情、および個々の視点をキャプチャします。
* 公平な応答： 参加者は、事前に定義された選択の影響を受けず、より本物で自発的なフィードバックを可能にします。
* 探索的研究： 新しい洞察を明らかにし、ユーザーの行動の背後にある「なぜ」を理解するのに役立ちます。
短所：
* 主観性： 応答は、個々のバイアスと解釈の影響を受ける可能性があります。
* 分析が難しい： 定性的データは、参加者間で定量化して比較するのが難しい場合があります。
* 時間消費量： 口頭での説明のインタビューと転写は、時間を集中的にすることができます。
それを使用する時期：
* 研究の初期段階： アイデアを探求するか、問題を詳細に理解する。
* ディープダイブ： ユーザーの経験と動機を深く理解するため。
* 定性的研究： 数値測定ではなく、豊富な記述データに焦点を当てる場合。
他の方法との組み合わせ：
口頭説明方法は、次のような他の研究方法と一緒に使用できます。
* 観察： 口頭での説明を補完するためにユーザーの行動を観察します。
* 調査： 構造化された質問を使用して、定性的洞察とともに定量的データを収集します。
* カードソート： 参加者に情報を分類してメンタルモデルを理解するように依頼します。
最終的に、口頭での説明方法は、データの背後にある人間の経験を理解するための貴重なツールを提供し、研究者が隠れたままである可能性のある洞察を明らかにすることができます。