「SD法操作與實驗設計說明」：修訂間差異
建立內容為「= 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…」的新頁面 |
無編輯摘要 |
||
| 第1行： | 第1行： | ||
= SD法（語意差異法）操作手冊（課程版） = | = SD法（語意差異法）操作手冊（課程版・整合重製） = | ||
本文件提供給「感性科技與產品設計」課程學生， | 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 == | == 一、學習目標 == | ||
* 了解 SD 法的基本概念與研究 | * 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。 | * 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 | * 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 | * 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 == | == 二、核心名詞 == | ||
* '''刺激（Stimuli）'''：本課 | * '''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 | * '''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）''' | * '''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 | * '''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 == | == 三、與課程進度對應 == | ||
* 第2週： | * 第2週：感性工學與 SD 法基礎；建立「安撫感詞彙庫」。 | ||
* 第3週： | * 第3週：自製語音樣本；設計問卷並施測（收樣進行中）。 | ||
* 第4週： | * 第4週：彙整結果，結合情境/Persona 作為設計依據。 | ||
* 第10～16週：將 SD | * 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 == | == 四、完整操作流程（一步步照做） == | ||
=== 步驟一：訂定研究目標與假設 === | === 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 === | === 步驟二：準備語音樣本（學生自製） === | ||
* 工具 | * 工具建議：ElevenLabs / OpenAI TTS / Google Cloud TTS（產生）；Audacity（剪輯/正規化）。 | ||
* | * 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" | {| class="wikitable" | ||
! 樣本ID !! 語速 !! 語調 !! 情緒 | ! 樣本ID !! 語速 !! 語調 !! 音色/情緒 !! 文字內容 !! 檔名 | ||
|- | |- | ||
| A || 慢 || | | A || 慢 || 柔和 || 女聲/安撫 ||（同一段）|| A_warm_female_slow.wav | ||
|- | |- | ||
| B || 中 || | | B || 中 || 平穩 || 男聲/專業 ||（同一段）|| B_pro_male_mid.wav | ||
|- | |- | ||
| C || | | 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 === | === 步驟三：建立詞對（SD 維度） === | ||
詞對 | * 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 | |||
--- | --- | ||
=== 步驟四：設計量表與問卷 === | === 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" | {| class="wikitable" | ||
! 詞對 !! | ! 詞對（示例） !! -3 !! -2 !! -1 !! 0 !! +1 !! +2 !! +3 | ||
|- | |- | ||
| 溫 | | 溫柔 — 冷漠 || ○ || ○ || ○ || ○ || ○ || ○ || ○ | ||
|- | |- | ||
| 安心 | | 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 === | === 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 === | === 步驟六：資料整理（Google 試算表） === | ||
* 匯出 | * 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" | {| class="wikitable" | ||
! 受測者ID !! 樣本 !! 溫 | ! 受測者ID !! 樣本 !! 溫柔 — 冷漠 !! 安心 — 不安 !! 親近 — 疏遠 !! 自然 — 機械 | ||
|- | |- | ||
| P001 || A || | | P001 || A || -2 || -2 || -1 || -1 | ||
|- | |- | ||
| P001 || B || | | 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> | |||
除 | ;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 | === 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 === | === 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） == | ||
* 詞對 | * [ ] 文本一致（20–30 秒），檔名規範、音量正規化 | ||
* 樣本 | * [ ] 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 | * 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 | * 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》 | * 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/ | * 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/ | ||
於 2025年9月22日 (一) 01:25 的修訂
SD法（語意差異法）操作手冊（課程版・整合重製）
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：ElevenLabs / OpenAI TTS / Google Cloud TTS（產生）；Audacity（剪輯/正規化）。
- 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
| 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
---
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）
| 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。
| 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）：
=AVERAGE(FILTER(Clean!C2:C, Clean!C2:C<>""))
- 平均值（語音 B／溫柔）：
=AVERAGE(FILTER(Clean!O2:O, Clean!O2:O<>""))
- 差異（A-B）：
= [A_溫柔平均] - [B_溫柔平均]
- 品質檢查
- 以
FILTER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）
| 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/