檢視 SD法操作與實驗設計說明的原始碼

= SD法（語意差異法）操作手冊（課程版） =
本文件提供給「感性科技與產品設計」課程學生，作為實際操作 SD 法的完整流程指南。SD 法是一種心理測量工具，能幫助我們將「語音給人的感性印象」轉換為可以分析的數據。本課程會將 SD 法應用在語音樣本的安撫感評估，協助學生理解不同語速、語調與情緒風格對感受的影響，並將結果用於互動產品設計。

----

== 一、學習目標 ==
* 了解 SD 法的基本概念與研究方法。
* 學會設計 SD 問卷並收集主觀感性印象數據。
* 掌握數據整理、分析與視覺化的方法。
* 能將 SD 法的研究結果轉換為具體的語音設計規則。

----

== 二、核心名詞 ==
* '''刺激（Stimuli）'''：本課使用由 openai.fm 產生的語音樣本。
* '''詞對（對立形容詞對）'''：如「溫暖－冷漠」、「安心－焦躁」，用來捕捉主觀感性印象。
* '''量表（Scale）'''：5 點或 7 點尺度，用來記錄受測者感覺傾向。
* '''順序效應（Order Effect）'''：播放樣本的先後可能影響感受，必須控制或隨機化。

----

== 三、與課程進度對應 ==
* 第2週：學習感性工學與 SD 法，建立安撫感「詞彙庫」。
* 第3週：以 openai.fm 產生語音，設計 SD 問卷並施測。
* 第4週：將 SD 結果與焦慮情境需求問卷結合，作為 Persona 與情境設計依據。
* 第10～16週：將 SD 法的發現應用到語音腳本、互動設計與使用者測試。

----

== 四、完整操作流程 ==

=== 步驟一：訂定研究目標與假設 ===
在開始操作 SD 法之前，必須先明確定義研究目標與研究假設。研究目標通常是圍繞著「想知道某個特定刺激會引起什麼樣的感性反應」，例如：比較慢速與快速語音在安撫感上的差異。研究假設則是基於經驗或推測提出的預期結果，例如「慢速、低語調的語音會比快速、高語調的語音更能讓人感到安心」。這樣的假設能使後續的研究設計更聚焦。

之所以需要這一步，是因為沒有明確的目標與假設，研究會失去方向，所蒐集的資料可能無法回答問題。訂定研究目標的過程，其實就是在為整個研究劃定邊界，幫助學生在後續操作中清楚知道要觀察什麼、比較什麼，最後又要如何解釋結果。它讓數據不只是數字，而是能夠支持或推翻一個具體的想法。

---

=== 步驟二：準備語音樣本 ===
* 工具：[openai.fm](https://openai.fm)
* 操作方式：
# 輸入同一句文字（如「晚安，今天辛苦了，請好好休息。」）。
# 產生至少三種不同風格的語音，僅改變語速／語調／情緒。
# 儲存檔案，命名為 A、B、C 以利問卷編碼。

{| class="wikitable"
! 樣本ID !! 語速 !! 語調 !! 情緒風格 !! 文字內容 !! 檔名
|-
| A || 慢 || 低 || 平靜 || 晚安，今天辛苦了，請好好休息。 || A.wav
|-
| B || 中 || 中 || 中性 || 晚安，今天辛苦了，請好好休息。 || B.wav
|-
| C || 快 || 高 || 緊張 || 晚安，今天辛苦了，請好好休息。 || C.wav
|}

刺激樣本的設計必須嚴謹，因為它直接決定了受測者所要評估的對象。在本課程中，我們要求使用相同的文字內容，僅改變語速、語調或情緒風格，這樣才能避免「語意差異」干擾結果。例如，如果語音內容不一致，受測者可能因文字本身的差異而產生不同感受，而不是因為語音參數造成的差異。

透過準備多組語音樣本（如 A、B、C），學生可以在後續分析中比較不同語音的感性印象。這個步驟不僅是技術操作，更是在訓練你如何「控制變因」：只有控制了其他條件一致，才能把差異歸因於所關心的語音特徵。這是進行任何科學性調查時最重要的研究設計原則。

---

=== 步驟三：建立詞對 ===
詞對是 SD 法的核心工具，受測者將透過詞對來評價樣本。學生需要根據課堂上建立的「安撫感詞彙庫」選出 6–10 對清楚的對立形容詞，例如「溫暖－冷漠」、「安心－焦躁」、「柔和－刺耳」、「舒適－不舒適」、「安靜－吵雜」。這些詞對能從不同角度捕捉語音的印象，形成一個多維度的評估框架。

選擇詞對時要注意幾點：第一，詞意必須簡單明確，避免讓受測者產生歧義；第二，詞對必須有對立關係，不能是兩個意義相近的詞；第三，數量要適中，太少會讓研究過於片面，太多則會增加受測者的疲勞感。一般建議控制在 6–10 對之間，既能涵蓋安撫感的多個面向，又能讓受測者在合理的時間內完成問卷。

---

=== 步驟四：設計量表與問卷 ===
* 建議使用 7 點尺度：
** 1 = 極端偏左側詞
** 4 = 中立或不確定
** 7 = 極端偏右側詞
* 工具：Google 表單 / KoboToolbox

{| class="wikitable"
! 詞對 !! 1 !! 2 !! 3 !! 4 !! 5 !! 6 !! 7
|-
| 溫暖－冷漠 || ○ || ○ || ○ || ○ || ○ || ○ || ○
|-
| 安心－焦躁 || ○ || ○ || ○ || ○ || ○ || ○ || ○
|-
| 柔和－刺耳 || ○ || ○ || ○ || ○ || ○ || ○ || ○
|-
| 舒適－不舒適 || ○ || ○ || ○ || ○ || ○ || ○ || ○
|}

量表設計的關鍵在於「尺度」與「呈現方式」。7 點尺度能提供比 5 點更細緻的數據，使研究者更容易觀察到語音間的差異。每一分數都代表了一種「程度」，因此受測者能更準確地表達自己的感受。使用 Google 表單或 KoboToolbox 能讓數據自動化收集並匯出，節省大量整理時間。

問卷設計時要注意版面清晰，每個樣本應分開成獨立一頁，以避免受測者混淆。在題目說明中要清楚標示「1 表示偏左側詞，7 表示偏右側詞」，並提供範例。這樣的引導能減少誤差，讓每位受測者對尺度的理解一致，提升數據的信度。

---

=== 步驟五：受測者招募與施測 ===
為了讓結果具有代表性，建議至少招募 10 名以上的受測者。如果人數更多，分析結果會更穩定，也更能顯示出不同語音風格的差異。施測時應保持環境安靜，並要求所有受測者使用耳機聆聽，避免噪音干擾或音響設備差異對感受造成影響。研究的可靠性往往取決於這些細節的控制。

另一個需要注意的重要因素是樣本播放的順序。若所有人都以同樣的順序聆聽樣本，最後的樣本可能會受到「疲勞效應」或「習慣效應」影響，導致分數偏低或偏高。因此必須隨機化播放順序，例如第一位受測者聽 A-B-C，第二位聽 B-C-A，第三位聽 C-A-B。這樣能有效減少順序對結果的干擾。

---

=== 步驟六：資料整理 ===
* 匯出 Google 表單 → CSV 或 Sheets。
* 為每個樣本計算平均分數與標準差。
* 注意反向題：若有詞對方向顛倒，需先轉換（7 點制計算公式：8 – 原始分數）。

{| class="wikitable"
! 受測者ID !! 樣本 !! 溫暖－冷漠 !! 安心－焦躁 !! 柔和－刺耳 !! 舒適－不舒適
|-
| P001 || A || 6 || 6 || 5 || 6
|-
| P001 || B || 5 || 4 || 4 || 5
|-
| P001 || C || 2 || 3 || 3 || 2
|}

資料整理的第一步是將問卷結果匯出，並依據樣本分類。每個受測者的回答都必須保留完整紀錄，避免遺漏或抄寫錯誤。接下來要對每個樣本計算平均值，這能呈現「整體受測者的趨勢」。若有反向題（例如「緊張－放鬆」），必須先做反向計算，否則會讓分析方向出現錯誤。

除了平均值之外，標準差也是一個重要指標。它能告訴我們「受測者之間是否一致」。例如，語音 A 在「安心－焦躁」的平均值很高，但標準差很小，這代表大多數人都有一致的體驗；反之，如果標準差很大，則表示不同人對同一語音的感受差異很大，這時候就要思考樣本設計或受測者背景是否影響了結果。

---

=== 步驟七：視覺化分析 ===
視覺化是將數據轉換成圖像的過程，使不同樣本之間的差異更直觀。最常用的圖表是雷達圖，因為它能同時顯示多個詞對的平均分數，並以「形狀」的方式呈現不同樣本的特徵。舉例來說，如果樣本 A 的曲線在「安心」、「溫暖」、「柔和」方向都較外側，代表它在這些維度上的安撫感更高。

解讀雷達圖時，學生需要關注的不只是「哪個樣本分數最高」，還要理解「樣本之間在哪些維度差異最大」。這些差異往往能指出設計上最重要的方向。例如，如果樣本 A 與 B 在「舒適－不舒適」差不多，但在「安心－焦躁」差異很大，那麼設計決策應該特別重視語音在「安心感」上的優化。

---

=== 步驟八：設計應用 ===
最後一步是將 SD 法的研究結果轉換為設計規則，並應用到後續的語音互動產品設計中。這意味著學生需要將「數據」轉換為「設計語言」，例如「慢速、低語調的語音能顯著提升安心感，因此我們的產品將固定使用慢速輸出，並在句尾降低語調」。這樣的規則能使設計更有依據，而不只是憑直覺。

應用的過程中，學生也要注意不同維度之間的平衡。有時候某個語音在「安心感」很高，但在「親近感」卻不理想。這時候就要根據產品目標來取捨：是要強調放鬆與安撫，還是要強調陪伴與親近。透過這樣的轉換，SD 法不只是研究工具，更成為產品設計的決策依據。

----

== 五、常見錯誤與注意事項 ==
* 詞對不清楚 → 需事先小組內預試。
* 樣本文字不一致 → 會影響結果。
* 樣本播放順序固定 → 造成偏誤。
* 問卷太長 → 受測者疲勞，建議控制在 6–10 對詞。

----

== 六、成果繳交清單 ==
* SD 問卷（Google Form 連結或 PDF 匯出）
* 原始數據檔（CSV 或 Sheets）
* 分析圖表（雷達圖／長條圖）
* 簡短分析報告（300–600 字）
* 設計規則表（以表格呈現）
* 期中後原型的語音設定（影片或 Demo）

----

== 七、參考資料（中文） ==
* 曾國維、林靖（2010）。〈以語意差異法評價建築立面意象〉，《設計學報》，15(1)，27–48。Airiti Library: https://www.airitilibrary.com/Article/Detail/10163212-201003-201007050055-201007050055-27-48  
* 林銘泉（2013）。〈整合感性語意差異的顧客需求設計分析〉。南華大學碩士論文。[PDF下載](https://nhuir.nhu.edu.tw/bitstream/987654321/18616/1/1022221E343005.pdf)  
* 洪偉肯（2010）。〈如何量測產品的矛盾語意〉，《設計學報》。JODesign: https://www.jodesign.org.tw/index.php/JODesign/article/view/857/452  
* AhaSlides Blog（2024）。〈語意差異量表及其應用與範例〉：https://ahaslides.com/zh-TW/blog/semantic-differential-scale/