カードのソート分析で参加者をグループ化しますか？
カードを分類する参加者の大きな主題プールを1つ用意する代わりに、補足調査で参加者をセグメント化して、どのペルソナに分類できるかを定義したことはありますか？もしそうなら、カードソートデータを分析し、各ペルソナグループの結果をセグメント化するにはどうしましたか？
（私はconceptcodify.comでカードソートを実行するように調査を設定しましたが、Qualtricsからそれらをそこに誘導したいと思います。そこで、グループ化変数として使用できる質問をします。）
質問は有効ですが、いくぶん「逆」の香りがします。
通常は、いくつかの研究目標を念頭に置いて、研究（カードの並べ替えなど）を行います。目標は、さまざまなペルソナを説明します。言い換えれば、ペルソナを説明する研究目標によって定義された適合基準に基づいて参加者を募集します。
たとえば、2つの主要なペルソナ-N（ドメイン初心者用）とE（ドメイン専門家用）があるサイト（またはアプリ上）を考えてみます。また、それらの間のサイト使用率のシェアはNで20％、Eで80％であることも知っています。研究の妥当性のために、カードに同じ量の参加者タイプNとEをソートする必要があると主張します（たとえば12各グループ）。分析段階では、2つのグループを分離します。つまり、それぞれを個別に分析します。 2つのグループ間の結果に大きな差異がある場合は、視聴者ベースのIAを示唆している可能性があります。しかし、そのような道をたどらない場合は、グループE（80％）が結合された結果により多くの重みを持つはずです。
参加者のみをセグメント化する場合後カードの並べ替えを行うと、いくつかの問題が発生する可能性があります-20人の参加者がグループNに属し、4人だけがグループEに属する場合はどうなりますか？それはそのような習慣に対して警告するためだけです。
しかし、私が従うべき一般的な原則は、一次ペルソナグループが二次ペルソナグループ（または追加のペルソナ分類）に比べて重みが大きくなるということです。
多くのオンラインカードソートアプリケーションでは、ユーザーをさまざまな人口統計に分類するために使用できる質問を提供したり、人口統計に基づいて応答者を事前に選択したりできます。したがって、全体的な結果だけに頼るのではなく、分析のためにユーザーをグループ化することは常に標準的な方法です。ただし、特定の研究でこれを行うことが常に可能であるとは限りません。非常に少数の場合は特にそうです。
年齢に基づいてセグメント化する理由がわかります。特に、コンピュータリテラシーの影響が、使用可能時間の特定の側面における所要時間や外れ値に影響する場合は特にそうです。性別は、デザインの好みや美学にも一定のバイアスがあることが知られています。
ただし、ペルソナを導き出すことができるようにユーザーに関するより詳細な分析の観点から、考慮すべきいくつかの問題があるかもしれません：
- 参加者がユーザー集団をどの程度代表しているのかを知るのは難しいので、結果をどれだけ読む必要がありますか？
- 人々が調査やアンケートに時間をかけたくない場合、追加の調査は回答の信頼性と品質にどの程度影響しますか？
- ユーザーをさらに小さなグループに分割した後、結果の正確さの点でどれだけ犠牲にしていますか？
これらのオンラインカードソートツールには、ユーザーを定義したり、意味のあるグループに分類したりするのに役立ついくつかの標準的な質問が付属していると思いますが、最初に、それらが何であるかについて合意する必要があるかもしれません。