人因工程的研究方法(編輯修改稿)
2025-03-19 20:26 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 其目的在於，從可代表吾人感興趣的 母群體的樣本身上，搜集資料。而此樣本能夠涵蓋真正的母群體。 (2)隨機(jī)抽樣 由母群體中採(cǎi)用隨機(jī)抽取的方式選取樣本。 (3)樣本大小 下列三個(gè)因素會(huì)影響樣本大小 (a)所要求的精確度 : 樣本數(shù)大，則精確高。 (b)母群體的變異數(shù) : 樣本數(shù)大，則變異大。 (c)所擬估計(jì)的統(tǒng)計(jì)量 :中位數(shù)所需的樣本要比平均數(shù)的大 。 實(shí)驗(yàn)研究 挑選具有代表性的樣本，但其代表目標(biāo)母群體的程度，不用像描述研究那麼大。 以下有幾種方法，可控制因經(jīng)驗(yàn)或?qū)W習(xí)的累積而產(chǎn)生的結(jié)果誤差。 (betweensubjects design) 。 即在自變項(xiàng)的各水準(zhǔn)下，所測(cè)詴的受詴者都不同。 (balancing) 即設(shè)法使經(jīng)驗(yàn)之累積所產(chǎn)生的影響，在自變項(xiàng)的各水準(zhǔn)下，能約略相等。 (1)受詴者內(nèi)平衡法 — 包括對(duì)抗平衡法 、完全隨機(jī)法 、 集區(qū)隨機(jī)法 。 (2)受詴者間平衡法 — 包括 完全 及不 完全受詴者內(nèi)平衡法。 即將受者訓(xùn)練到不再有學(xué)習(xí)效果的地步，才讓它接受測(cè)詴 (少用，費(fèi)時(shí) ) 。 樣本大小 應(yīng)考量在最短時(shí)間與最少資源之耗費(fèi)，且對(duì)自變項(xiàng)的影響評(píng)估能具備相當(dāng)水準(zhǔn)的信度。 Simon(1976) 9位以下 50% 9~11位 25% 11位以上 25% 評(píng)鑑研究 考慮的事項(xiàng)與描述研究和實(shí)驗(yàn)研究所探討的一樣 。 受詴者要能代表最終使用者群體 人數(shù)要足以容許預(yù)測(cè)使用者群體 資料收集方法的選擇 描述研究 可在實(shí)地或?qū)嶒?yàn)室收集，亦可用調(diào)查 (問卷 )和晤談來收集。 實(shí)驗(yàn)研究 與描述研究相同，在實(shí)驗(yàn)室可用電腦來輔助?？商接懜嘧宰冺?xiàng)和因變項(xiàng) 評(píng)鑑研究 較為困難，受評(píng)機(jī)具往往欠缺監(jiān)測(cè)或衡量績(jī)效的功能，幾乎全是用研究者觀察使用者，以及詢問方式。 資料分析方法的選擇 描述研究 運(yùn)用基本的統(tǒng)計(jì)量予以比較 – 標(biāo)準(zhǔn)差 (s) – 相關(guān)係數(shù) (r) – 百分位數(shù) 實(shí)驗(yàn)研究 通常使用推論統(tǒng)計(jì)技術(shù)予以分析 ,例變異數(shù)分析 (ANONA)或多變異數(shù)分析(MANONA) 統(tǒng)計(jì)顯著性 (statistical signific ance 即出現(xiàn)在敘述中”顯著”一詞 ,例自變項(xiàng)對(duì)依變項(xiàng)具有”顯著效應(yīng)”或”兩平均數(shù)間具有顯著差異”。 評(píng)鑑研究 效標(biāo)之量度 (criterion measures) 描述研究 指所測(cè)量的特徵與行為 實(shí)驗(yàn)研究 指依變項(xiàng) 評(píng)鑑研究 用以判定設(shè)計(jì)妥善性的基準(zhǔn) 人因工程領(lǐng)域 ,可以區(qū)分為三類(Meister， 1985) 系統(tǒng)描述效標(biāo) (systemdescriptive criteria) 以基本工程上的觀點(diǎn)來反映整個(gè)系統(tǒng)，例如設(shè)備可靠度，耐磨性 …… ，多用於評(píng)鑑研究 作業(yè)執(zhí)行效標(biāo) (task performance criteria) 此種效標(biāo)通常反映某一作業(yè)的成果，人員或許牽連或許不牽連其間。較人員表現(xiàn)效標(biāo)具整體性，其包括 ： – 產(chǎn)出數(shù)量
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1