Teknillisen korkeakoulun matkahallintajärjestelmän ... - TML - TKK
Teknillisen korkeakoulun matkahallintajärjestelmän ... - TML - TKK
Teknillisen korkeakoulun matkahallintajärjestelmän ... - TML - TKK
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
tyt apuvälineet, käyttäjien selkeät tunnetilan muutokset ja käyttäjien korostamat seikat<br />
järjestelmän käytössä. Lisäksi erinäisiä havaintoja yhdistettiin ja välillä abstraktiotasoa<br />
nostettiin, jotta havaintoja saatiin paremmin yhdistettyä. Epäoleellisen tuntuisia havaintoja,<br />
kuten nenän niistämistä tai henkilökohtaisia keskusteluja, ei kirjattu ylös, eikä niitä<br />
havaintoja, jotka olivat jo toistuneet monessa edellisessä testissä.<br />
Webfoorumista otettiin ylös mielenkiintoisia lausahduksia sitä mukaa kun niitä<br />
tuli. Näiden pohjalta muodostettiin havaintoihin verrattavia kommentteja. Myös esitutkimuksen<br />
pohjalta tehdyistä muistiinpanoista pyrittiin löytämään mielenkiintoisia havaintoja.<br />
3.3.2 Tiedon luokittelu<br />
Tieto jäsenneltiin affiniteettidiagrammin avulla tiettyihin luokkiin ja alaluokkiin.<br />
Tutkija kirjasi havaintojen, haastatteluiden ja web-keskusteluiden pohjalta ylös ilmiöitä<br />
lapuille, jotka järjestettiin diagrammiksi. Diagrammeja tehtiin kolme, yksi jokaisesta<br />
käyttäjäroolista. Jäsennellyt ilmiöt kirjattiin luokittain ylös. Luokitellun tiedon avulla<br />
pystyttiin rajaamaan havainnot ja ilmiöt tietyltä näkökantilta tarkasteltaessa, jolloin vältyttiin<br />
turhilta aineiston selailuilta. Havaintoihin ja muihin muistiinpanoihin jouduttiin<br />
kuitenkin välillä palaamaan, kuten niissä tapauksissa, joissa haluttiin tarkentaa jonkin<br />
ilmiön aiheuttamia seikkoja.<br />
Vaikka tutkimuksen pääpaino oli testeissä, niin webfoorumille saadut kommentit<br />
ja kahvipöytäkeskusteluissa ylös nousseet toteamukset saivat yhtä paljon arvoa tiedon<br />
luokittelun yhteydessä, kuin testien havainnotkin. Jälkeenpäin saatujen lisätietojen avulla<br />
havaintoja täydennettiin ja tarkennettiin. Suurin osa tiedosta oli kuitenkin jo noussut<br />
esille, joten ne lähinnä vain tukivat ylösnousseita ilmiöitä.<br />
Mielenkiintoisiksi ilmiöiksi luokiteltiin mm. oleellisesti käyttöön, käyttöympäristöön<br />
tai prosessiin liittyvät tekijät, kuten ongelmat, tavoitteet, toimintatavat, informaation<br />
vaihdot ja taustatiedot.<br />
3.3.3 Tiedon jatkokäsittely<br />
Luokiteltujen ilmiöiden perusteella muodostettiin skenaariot, jotka havainnollistavat<br />
ilmiöt kuvitteellisissa tarinoissa. Muodostetut skenaariot eivät niinkään vastaa normikäyttöä<br />
vaan kuvastavat pikemminkin niitä ilmiöitä, joita käytön yhteydessä nousi<br />
esille.<br />
Luokitelluista ilmiöistä muodostettiin myös tehtäväanalyysit eri rooleille. Tehtäväanalyysi<br />
muodostettiin ajatuskarttamaisesti kirjaamalla käyttäjän tehtäviä ja niihin liittyviä<br />
välineitä, henkilöitä ja tietoja. Samaan kaavioon tuli siis myös henkilöiden väliset<br />
vuorovaikutukset.<br />
Käyttäjäryhmät muodostettiin kerätyn tiedon perusteella keräämällä ilmiöitä ryhmittäin<br />
ja tiivistämällä eri ryhmät selkeiksi kokonaisuuksiksi. Selkeämmän kokonaiskuvan<br />
saamiseksi tarpeetonta tietoa karsittiin. Tarpeelliseksi tiedoksi katsottiin käyttökontekstin,<br />
ongelmien, parannusehdotusten ja käyttäjätarpeiden kuvaamiseen tarvittavat tiedot,<br />
sekä tiedot, jotka havainnollistivat yleiskuvaa.<br />
Tiedosta kerättiin myös ympäristöön ja artefakteihin liittyviä ilmiöitä, joiden<br />
pohjalta muodostettiin fyysinen malli ja artefakti-analyysi. Fyysisestä mallista ei noussut<br />
ennakko-oletusten lisäksi kuin muutama uusi ilmiö ja sama koski myös artefaktianalyysia.<br />
Näistä ei saatu kuin vain vähän tarpeellista tietoa, joten em. analyyseja käy-<br />
22