Nähe und Entfernung – Auswertung von offenem Cardsorting

Bei der Neukonzeption der Informationsarchitektur einer Webseite über ein offenes Cardsorting werden die Inhaltselemente zunächst möglichst vollständig erfasst. Die Benennungen der Elemente werden aufgenommen. Dann werden von Probanden aus den Elementen Gruppen gebildet und diese benannt. Über Beobachtung und Befragung werden zusätzliche qualitative Daten generiert. Aus diesen Daten soll eine Informationsarchitektur entstehen, die dem mentalen Modell des Nutzers möglichst gut entspricht und ihn in seiner Suche nach Inhalten unterstützt. Das Ergebnis ist nichts anderes, als eine nutzerzentriert geschaffene Klassifikation der Inhalte. Die reine Erhebung der Daten über ein Cardsorting ist denkbar einfach. Die Kunst der Methode liegt aber im Übergang von den Daten zum Entwurf der Informationsarchitektur. Hierauf soll in diesem Beitrag genauer eingegangen werden. Welche Besonderheiten haben die Daten aus einem offenen Cardsorting? Wie können Tools wie die Similarity Matrix und Dendogramme eingesetzt werden? Inwieweit können Erkenntnisse aus dem Bereich der Klassifikation den Vorgang der Entwicklung einer neuen Informationsarchitektur unterstützen?

Die Daten aus einem Cardsorting

Das offene Cardsorting wird von uns vorzugsweise qualitativ durchgeführt mit einer Stichprobe von 10 bis 15 Probanden. Es ist keine evaluative, sondern eine generative Methode. Aus den Daten heraus wird etwas Neues entwickelt. Dabei gibt es eine erhöhte Streuung zwischen den Entwürfen der einzelnen Probanden und dies macht die Arbeit mit den Daten aufwändig. Es gibt einen großen Spielraum bei der Interpretation der Daten. Dennoch muss auch hier methodisch vorgegangen werden. Die Dokumentation von Entscheidungswegen bei der Gestaltung der neuen Informationsarchitektur ist für die spätere Argumentation und Nachvollziehbarkeit besonders wichtig. Im Folgenden werden einige Hilfsmittel vorgestellt, die Regeln für die Vorgehensweise bei der Datenauswertung an die Hand geben und die Validität der neuen Informationsarchitektur erhöhen.

Einbeziehung der qualitativen Daten

Es gilt, beim Cardsorting qualitativen Erkenntnisse genau zu dokumentieren und dann in die Auswertung einzubeziehen. Bei welchen Karten ist die Zuordnung schwierig? Wie gestalten sich die Entscheidungswege der Probanden bei der Zuordnung zu Gruppen und bei ihrer Benennung? Welche Alternativen werden erwogen und weshalb werden sie wieder verworfen? Es entstehen auch durch die Beobachtung während der Cardsortings und das Zuhören wichtige Erkenntnisse. Diese Informationen liefern Anhaltspunkte für Entscheidungen für und gegen Alternativen im Prozess der Erstellung einer neuen Informationsarchitektur.

Similarity Matrix

Zentral für die Entwicklung der neuen Informationsarchitektur ist die inhaltliche Nähe und Entfernung zwischen Inhaltselementen im Verständnis der Nutzer. Welche Elemente werden häufig zusammengruppiert, welche sind immer in unterschiedlichen Gruppen? Antwort auf diese Frage kann man in einer Similarity Matrix finden. Optimalworkshop bietet im Cardsorting Tool Optimalsort diese Art der Visualisierung an. Wir arbeiten auch bei qualitativen Cardsortings mit Optimalsort. Die Ergebnisse der einzelnen Cardsortings werden in Optimalsort eingegeben, um so eine statistisch unterstützte Auswertung vornehmen zu können.

Veranschaulichung der Nutzervorstellungen

Abb. 1: In dieser Similarity Matrix kann man gut erkennen, wie nah oder entfernt die einzelnen Elemente inhaltlich in der Vorstellung der Nutzer sind.

In dieser Visualisierung ist gut zu erkennen, wie nah oder entfernt die einzelnen Elemente inhaltlich in der Vorstellung der Nutzer sind. Auf dieser Basis können Gruppen gebildet werden. Hierbei ist beides interessant: eine an den Werten zu sehende starke Zusammengehörigkeit, aber auch die ausgeprägte Entfernung zwischen Elementen. Extreme Werte nach der einen oder anderen Richtung sind in diesem Schritt von Bedeutung.

Dendogramme

Auch im Dendogramm ist die Nähe und Entfernung zwischen Inhaltselementen gut zu erkennen. Hier sind sie auch bereits in Gruppen zusammengestellt und es ist leicht zu sehen, wo Abgrenzungen zwischen den verschiedenen Gruppen sind.

Dendogramme helfen beim offenem Cardsorting

Abb. 2: Ein weiteres effektives Hilfsmittel – ein Dendogramm.

Relevante Erkenntnisse aus dem Bereich der Klassifikation

Zur Analyse der Merkmale, die dazu führen, dass Inhaltselemente von Nutzern zusammen oder getrennt gedacht werden, können Erkenntnisse aus dem Bereich der Klassifikation herangezogen werden. Die Qualität einer guten Klassifikation besteht darin, dass Klassen nach innen in Bezug auf eine bestimmte Ausprägung eines Merkmals homogen sind. Getrennte Klassen sind dann gut bestimmt, wenn es zwischen ihnen keine Überschneidungen in den Ausprägungen dieses Merkmals gibt. Wenn die bisherige Analyse also ergibt, dass bestimmte Inhaltselemente zusammen oder getrennt geordnet werden, lohnt es sich, genauer zu analysieren, welches mögliche Merkmal es ist, das diese Elemente zusammenbringt oder trennt. Zum Beispiel könnte ein Merkmal, das die Inhalte einer Webseite strukturiert, der Ablauf einer Transaktion sein. Inhaltselemente, die einer Phase dieses Ablaufs zugeordnet werden, haben alle die Merkmalsausprägung dieser Phase gemeinsam. Nach einem solchen geeigneten Merkmal gilt es in Anbetracht der Gruppierungen der Elemente zu suchen. Häufig können diese Merkmale unter zeitlichen oder räumlichen Gesichtspunkten bestimmt werden.

Fazit

Der Prozess der Erstellung einer neuen Informationsarchitektur über ein offenes Cardsorting stützt sich auf Daten mit einer hohen Streuung. Es gibt eine erhöhte Unsicherheit und dies eröffnet einen größeren Spielraum für die Auswertung. Entscheidungen können über die qualitativen Daten und, mit Bedacht, über statistische Hilfsmittel fundiert werden. Zur Analyse der logischen Struktur von Gruppen können Erkenntnisse aus dem Bereich der Klassifikation hinzugezogen werden. Mit diesen Instrumenten kann der Übergang von den Daten zur neuen Informationsarchitektur methodisch unterstützt werden.

Wie sind Ihre Erfahrungen bei der Auswertung von offenem Cardsorting? Kennen Sie weitere Herangehensweisen an die Daten zur Entwicklung einer neuen Informationsarchitektur? Ich freue mich über Ihre Kommentare.

Portraitfoto: Rita Strebe

Rita Strebe

Senior User Experience Consultant

eresult GmbH

Bisher veröffentlichte Beiträge: 14

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.