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 =
本文件提供給「感性科技與產品設計」課程學生，做為第一次操作也能完成的 SD 法完整指南。SD 法能將「語音給人的感性印象」轉換為可分析的數據，本課將其應用於「安撫：AI 語音在成人情緒安撫中的設計」。

----

== 一、學習目標 ==
* 了解 SD 法的基本概念與研究邏輯。
* 學會設計 SD 問卷並收集主觀感性印象數據（最低樣本數：'''15 份/組'''）。
* 掌握資料清整、平均值與差異分析、雷達圖與長條圖視覺化。
* 能將結果轉換為具體的語音設計規則，支援互動產品原型。

----

== 二、核心名詞 ==
* '''刺激（Stimuli）'''：本課以「學生自製之安撫語音檔」為主（亦可輔以 openai.fm 產生之樣本）。
* '''詞對（對立形容詞對）'''：如「溫暖－冷漠」、「安心－焦躁」，用於捕捉主觀感性印象。
* '''量表（Scale）'''：採 7 點尺度（-3~+3 或 1~7），建議使用 7 點以提升分辨率。
* '''順序效應（Order Effect）'''：播放先後可能影響評分，須以 AB/BA 平衡或隨機化控制。

----

== 三、與課程進度對應 ==
* 第2週：感性工學與 SD 法基礎；建立「安撫感詞彙庫」。
* 第3週：自製語音樣本；設計問卷並施測（收樣進行中）。
* 第4週：彙整結果，結合情境/Persona 作為設計依據。
* 第10～16週：將 SD 發現落實於語音腳本、互動流程與使用者測試。

----

== 四、完整操作流程（一步步照做） ==

=== 步驟一：訂定研究目標與假設 ===
* 研究目標示例：比較不同語速/語調/音色之「安撫感」差異。
* 研究假設示例：慢速、較低語調之語音，較能提升「安心」「親近」「溫暖」評分。

;為何重要
* 無明確目標，資料將無法回應問題；先定義目標，才能聚焦詞對與樣本設計。
* 假設讓後續分析更有方向（支援或反駁），避免只做描述而無決策依據。

---

=== 步驟二：準備語音樣本（學生自製） ===
* 工具建議（含官方連結）：
** ElevenLabs（官網）：[https://elevenlabs.io/]
** ElevenLabs（Text to Speech 文件）：[https://elevenlabs.io/docs/capabilities/text-to-speech]
** ElevenLabs（Playground / 產品導覽）：[https://elevenlabs.io/docs/product-guides/playground/text-to-speech]
** OpenAI（Text-to-Speech 官方指南）：[https://platform.openai.com/docs/guides/text-to-speech]
** OpenAI（Audio / TTS 總覽）：[https://platform.openai.com/docs/guides/audio]
** Google Cloud（Text-to-Speech 產品頁）：[https://cloud.google.com/text-to-speech]
** Google Cloud（Text-to-Speech 文件首頁）：[https://cloud.google.com/text-to-speech/docs]
** Audacity（官網）：[https://www.audacityteam.org/]
** Audacity（官方下載頁）：[https://www.audacityteam.org/download/]
** Audacity（官方安裝教學）：[https://support.audacityteam.org/basics/downloading-and-installing-audacity]

* 文本：'''所有版本使用同一段文字（20–30 秒）'''，避免語意差異干擾。
: 建議文本（可直接用）：「請先深呼吸三次，慢慢吐氣。你現在很安全，一切都會好起來。我在這裡陪你，我們一步一步來。」

* 設計至少 2–3 種版本（控制變因並記錄）：
** 版本 A：溫柔女聲／慢速／柔和語調
** 版本 B：專業男聲／中速／平穩語調
** （可選）版本 C：中性 AI 音色／平穩語調

;輸出規格建議
* 檔案格式：WAV/MP3、48 kHz、單聲道；剪除空白、'''正規化至 -1.0 dB''' 以統一音量。
* 檔名規則：A_warm_female_slow.wav；B_pro_male_mid.wav；C_neutral_mid.wav

{| class="wikitable"
! 樣本ID !! 語速 !! 語調 !! 音色/情緒 !! 文字內容 !! 檔名
|-
| A || 慢 || 柔和 || 女聲/安撫 ||（同一段）|| A_warm_female_slow.wav
|-
| B || 中 || 平穩 || 男聲/專業 ||（同一段）|| B_pro_male_mid.wav
|-
| C || 中 || 平穩 || 中性/中性 ||（同一段）|| C_neutral_mid.wav
|}

;常見錯誤與修正
* 音量不一 → Audacity「效果＞正規化」；同一峰值。
* 情緒過度戲劇化 → 以「穩定、溫柔、自然」為準，避免誇張影響安撫判斷。
* 文本不一致 → 一律改回同一段，長度 20–30 秒。

=== 步驟三：建立詞對（SD 維度） ===
* 建議使用 '''10–12 組'''詞對，涵蓋安撫核心向度且不致疲勞。
* 推薦 12 組（可全用）：
# 溫柔 – 冷漠
# 安心 – 不安
# 親近 – 疏遠
# 自然 – 機械
# 專業 – 草率
# 穩定 – 混亂
# 柔軟 – 剛硬
# 可信 – 可疑
# 平靜 – 焦躁
# 真實 – 人工
# 友善 – 嚴肅
# 溫暖 – 冰冷

;用詞註解（避免理解歧異）
* 自然＝不像機器念稿、抑揚合宜；機械＝平板、毫無表情
* 專業＝穩健不慌亂、咬字清楚；草率＝含糊、節奏不穩
* 親近＝像在跟「我」說話；疏遠＝像對群眾廣播

;如何思考與設定詞對
* '''從研究目標出發'''：先問自己要檢驗什麼，例如「安撫感」、「專業感」、「親近感」等，再找出能代表這些概念的詞。
* '''挑選具體、易懂的詞彙'''：避免過於抽象或艱澀的詞，例如「存在感－缺席感」就不如「親近－疏遠」清楚。
* '''確保對立性明顯'''：一組詞必須能形成明顯對比，例如「溫暖－冷漠」，而不是「溫暖－柔和」這種太接近的詞。
* '''控制數量，避免疲勞'''：6–10 對能涵蓋主要面向；超過 12 對會讓受測者失去耐心。
* '''多維度思考'''：除了情緒安撫（安心、溫柔），也可加入社會互動感（親近、可信）、專業感（專業、穩定），讓分析更全面。
* '''可依情境客製化'''：如果研究聚焦在「醫療語音」，可新增「權威－不專業」；若是「睡眠輔助」，則可加入「放鬆－緊繃」。

;小組討論建議
* 每組先各自列 10 對可能的詞，然後投票選出最符合研究目的的 6–10 對。
* 在正式施測前，先找 2–3 位同學試答，檢查詞對是否容易理解，是否需要修改。

=== 步驟四：設計量表與問卷（Google 表單/Kobo） ===
* 尺度：'''7 點尺度'''（-3、-2、-1、0、+1、+2、+3）。
* 題幹寫法（務必含數字）：'''溫柔（-3）— 冷漠（+3）'''

{| class="wikitable"
! 詞對（示例） !! -3 !! -2 !! -1 !! 0 !! +1 !! +2 !! +3
|-
| 溫柔 — 冷漠 || ○ || ○ || ○ || ○ || ○ || ○ || ○
|-
| 安心 — 不安 || ○ || ○ || ○ || ○ || ○ || ○ || ○
|-
| 親近 — 疏遠 || ○ || ○ || ○ || ○ || ○ || ○ || ○
|-
| 自然 — 機械 || ○ || ○ || ○ || ○ || ○ || ○ || ○
|}

;問卷結構建議
# '''頁 1：研究說明與同意（必填）'''
#: 目的、匿名、僅教學研究、可隨時退出 → 是否同意（是/否）
# 基本資料：年齡（20–29/30–39/40–49/50+）、性別、語音助理使用經驗（常用/偶爾/從不）、聆聽裝置（耳機/喇叭）
# '''頁 2：語音 A（插入檔案或連結）→ 12 題線性刻度'''
# '''頁 3：語音 B（同上）'''
# （若有 C，另開一頁）

;順序效應處理
* 方案一：建立 AB 與 BA 兩份表單，分頭收樣。
* 方案二：同一表單加「學號單雙數」指引（單數先聽 A、雙數先聽 B）。

;品質控管
* 新增自評題：「我有完整聆聽音檔」是/否（否→標記或剔除）。
* '''最低有效樣本：15 份/組'''（未完整作答、明顯亂填者剔除）。

---

=== 步驟五：受測者招募與施測 ===
* 對象：20–50 歲成人；盡量平衡性別與「是否使用語音助理」。
* 方式：便利取樣（同學、朋友、家人）、課程社群發布。
* 環境：安靜空間＋耳機；避免噪音與音響差異。
* 隱私與倫理：問卷首頁載明同意、匿名、用途。

---

=== 步驟六：資料整理（Google 試算表） ===
* 表單匯出至 Sheets；建立 3 個分頁：'''Raw / Clean / Summary'''。
* Clean：刪除失效樣本、將題目轉為數字尺度（-3~+3），補上欄名（A_溫柔…、B_溫柔…）。
* 反向題處理（若有使用 1~7 制）：轉換公式＝'''8 – 原始分數'''。

{| class="wikitable"
! 受測者ID !! 樣本 !! 溫柔 — 冷漠 !! 安心 — 不安 !! 親近 — 疏遠 !! 自然 — 機械
|-
| P001 || A || -2 || -2 || -1 || -1
|-
| P001 || B || +1 || -1 || +0 || +1
|-
| P002 || A || -3 || -2 || -2 || -1
|}

;Summary 分頁公式範例（示意）
* 平均值（語音 A／溫柔）：
: <code>=AVERAGE(FILTER(Clean!C2:C, Clean!C2:C<>""))</code>
* 平均值（語音 B／溫柔）：
: <code>=AVERAGE(FILTER(Clean!O2:O, Clean!O2:O<>""))</code>
* 差異（A-B）：
: <code>= [A_溫柔平均] - [B_溫柔平均]</code>

;品質檢查
* 以 <code>FILTER</code> 排除空值；檢視離群（例如 12 題全同值）並註記處理。

---

=== 步驟七：視覺化與解讀 ===
* 圖表：'''雷達圖（建議）＋長條圖（選配）'''
** 雷達圖：12 個詞對 × 兩條數列（語音 A／語音 B 平均）。
** 長條圖：A 平均、B 平均、差異（A-B）。

;閱讀要點
* 與安撫直接相關的向度（溫柔、安心、親近、自然、溫暖、平靜）更外圈＝更安撫。
* 專業、冷靜向度更外圈，代表「更專業」，不一定＝更安撫，需依情境判斷。

---

=== 步驟八：設計應用（把數據變成規則） ===
* 一句話總結：哪個版本更安撫？用 3–4 個數據點佐證。
* 將關鍵參數條文化：
** 語速：慢（A）優於中（B）→ 安撫場景用慢速；提醒/醫療可用中速。
** 語調：句尾略降、抑揚幅度小→ 提升安心與平靜。
** 音色：女性/溫暖音色提升親近；中性音色需增加微小抑揚避免疏遠。
* 實作建議：把上述規則寫入產品「語音風格指南」（Voice Style Guide），期末原型照規則輸出。

----

== 五、常見錯誤與注意事項 ==
* 詞對模糊或同義重複 → 先做小組預試，保留可區辨之詞對。
* 文本不一致或長度差距過大 → 一律使用同一段 20–30 秒文本。
* 音量未對齊 → 全部檔案正規化至同一峰值。
* 問卷未標示數字尺度 → 一率加上（例：溫柔（-3）— 冷漠（+3））。
* 固定播放順序 → 採 AB/BA 或隨機化，於報告註記流程。
* 只看整體平均 → 務必針對「安撫相關維度」單獨比較與解讀。

----

== 六、成果繳交與評分檢核 ==
;必要繳交（逐項對照）
* 語音檔 2–3 個（雲端連結/QR Code；含設計參數說明）
* 問卷連結（或 PDF 匯出）＋研究同意文字
* '''有效樣本 ≥ 15 份/組'''（含品質控管說明）
* 試算表（Raw/Clean/Summary；平均值、差異、雷達圖）
* 分析重點（3–5 點）與設計決策（條列）
* 「語音風格指南」初稿（語速/語調/音色/情感之規則化條目）

;加分項
* AB/BA 順序平衡並分層比較
* 族群分層（常用語音助理 vs 從不）
* 第二輪微調（依數據小幅調參）與再測計畫

----

== 七、案例示範（摘要表） ==
{| class="wikitable" style="text-align:center"
! 形容詞對 !! 語音A（慢/柔和/女） !! 語音B（中/平穩/男）
|-
| 溫柔 – 冷漠 || -2.4 || +0.8
|-
| 安心 – 不安 || -2.0 || -1.2
|-
| 親近 – 疏遠 || -1.8 || +0.2
|-
| 自然 – 機械 || -1.5 || +1.0
|-
| 專業 – 草率 || -0.5 || +2.1
|}

;解讀
* A 在「溫柔、安心、親近、自然」全面領先，適合安撫場景（冥想、睡前、情緒舒緩）。
* B 在「專業」明顯優勢，適合提醒/醫療/任務導向情境，但可微量增加抑揚降低疏離。

----

== 八、兩週實作時程建議 ==
* 第 1 週（課內）：定文本 → 產製語音 A/B/C → 內測 3 人 → 正規化音量 → 建表單（AB/BA）。
* 第 1 週（課外）：發放問卷，回收 '''≥15 份'''；紀錄招募與品質控管。
* 第 2 週（課內）：Clean/Summary → 平均值、差異、雷達圖 → 撰寫結論與設計決策。
* 第 2 週（課外）：依結論微調聲音參數；（選做）第二輪小樣本再測。

----

== 九、快速檢核表（TA/自檢） ==
* [ ] 文本一致（20–30 秒），檔名規範、音量正規化
* [ ] 10–12 組詞對（題幹含數字：-3~+3）
* [ ] AB/BA 或隨機順序控制，報告有註記
* [ ] 有效樣本 ≥ 15 份，品質控管題已設
* [ ] 試算表三分頁（Raw/Clean/Summary）與公式正確
* [ ] 雷達圖/長條圖完成，重點維度有解讀
* [ ] 結論有 3–5 個數據證據，決策條文化
* [ ] 已產出「語音風格指南」初稿

----

== 十、附錄：可直接複製的文字區塊 ==
;研究說明與同意（問卷頁首範例）
: 本問卷旨在比較不同安撫語音的主觀感受。您的作答完全匿名，資料僅用於本課程之教學研究與學術報告，不涉及個資。填答前請於安靜環境以耳機完整聆聽每段語音（約 20–30 秒）。您可於任何時間停止作答。按「我同意」代表您年滿 20 歲並同意參與。

;12 題線性刻度題幹（複製到表單）
: 溫柔（-3）— 冷漠（+3）
: 安心（-3）— 不安（+3）
: 親近（-3）— 疏遠（+3）
: 自然（-3）— 機械（+3）
: 專業（-3）— 草率（+3）
: 穩定（-3）— 混亂（+3）
: 柔軟（-3）— 剛硬（+3）
: 可信（-3）— 可疑（+3）
: 平靜（-3）— 焦躁（+3）
: 真實（-3）— 人工（+3）
: 友善（-3）— 嚴肅（+3）
: 溫暖（-3）— 冰冷（+3）

;平均值公式（Summary 分頁示例）
: =AVERAGE(FILTER(Clean!C2:C, Clean!C2:C<>""))
: =AVERAGE(FILTER(Clean!O2:O, Clean!O2:O<>""))
: 差異（A-B）＝ [A_平均] - [B_平均]

----

== 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：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》。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/