ট্রাস্ট, স্যাটিসফ্যাকশন ও পার্সিভড কন্ট্রোল পরিমাপ

১ · কেন এগুলো আলাদাভাবে মাপা দরকার

L39-এ আমরা দেখেছি টাস্ক-সাকসেস রেট ও টাইম-অন-টাস্ক কীভাবে মাপা যায় — কিন্তু একজন ব্যবহারকারী একটি টাস্ক সফলভাবে শেষ করেও AI সিস্টেমটির উপর বিরক্ত, অবিশ্বাসী, বা নিয়ন্ত্রণহীন বোধ করতে পারেন। এই তিনটি ধারণা — ট্রাস্ট, স্যাটিসফ্যাকশন, ও পার্সিভড কন্ট্রোল — একে অপরের থেকে আলাদা এবং প্রতিটি ভিন্ন ডিজাইন সমস্যার সংকেত দেয়:

একটি ফিচার উচ্চ টাস্ক-সাকসেস রেট পেলেও নিম্ন পার্সিভড কন্ট্রোল স্কোর পেতে পারে — যেমন একটি অটো-করেকশন ফিচার যা প্রায়ই সঠিক কাজ করে, কিন্তু ব্যবহারকারী অনুভব করেন তিনি এটি নিয়ন্ত্রণ করতে পারছেন না। এই দুই সংকেত একসাথে না দেখলে এই সমস্যাটি ধরাই পড়বে না।

২ · System Usability Scale (SUS) ও এর প্রকৃত স্কোরিং ফর্মুলা

System Usability Scale (SUS)System Usability Scaleএকটি প্রতিষ্ঠিত, ১০-প্রশ্নের স্ট্যান্ডার্ড ইউজেবিলিটি প্রশ্নমালা, যেখানে প্রতিটি প্রশ্নের উত্তর ১-৫ স্কেলে দেওয়া হয় এবং একটি নির্দিষ্ট ফর্মুলা দিয়ে ০-১০০ স্কেলের একক স্কোরে রূপান্তর করা হয়। একটি দশকের-পর-দশক ব্যবহৃত, স্ট্যান্ডার্ড ১০-প্রশ্নের প্রশ্নমালা, যেখানে প্রতিটি প্রশ্নের উত্তর ১ (দৃঢ়ভাবে দ্বিমত) থেকে ৫ (দৃঢ়ভাবে একমত) স্কেলে দেওয়া হয়। প্রশ্নগুলো পর্যায়ক্রমে ইতিবাচক ও নেতিবাচকভাবে লেখা থাকে (যেমন "আমি মনে করি সিস্টেমটি ব্যবহার করা সহজ" বনাম "আমি মনে করি সিস্টেমটি অপ্রয়োজনীয়ভাবে জটিল"), তাই স্কোর করার নিয়মও আইটেম-নম্বর অনুযায়ী বদলায়:

• বিজোড়-নম্বর আইটেম (১, ৩, ৫, ৭, ৯) — ইতিবাচকভাবে লেখা, তাই কন্ট্রিবিউশন = (স্কোর − ১)
• জোড়-নম্বর আইটেম (২, ৪, ৬, ৮, ১০) — নেতিবাচকভাবে লেখা, তাই কন্ট্রিবিউশন = (৫ − স্কোর)
• সব ১০টি কন্ট্রিবিউশনের যোগফল (সর্বোচ্চ সম্ভাব্য ৪০) কে ২.৫ দিয়ে গুণ করলে পাওয়া যায় চূড়ান্ত স্কোর, যা ০ থেকে ১০০ স্কেলে থাকে।

৩ · সত্যিকারের ডেমো — একাধিক অংশগ্রহণকারীর SUS স্কোর গণনা

ধরা যাক তিনজন অংশগ্রহণকারী একটি AI-ভিত্তিক ডকুমেন্ট-সামারাইজার ফিচার ব্যবহারের পর SUS প্রশ্নমালা পূরণ করেছেন। নিচের কোডে উপরের সঠিক ফর্মুলা ব্যবহার করে প্রতিজনের স্কোর এবং গড় স্কোর গণনা করা হয়েছে।

def sus_score(responses):
    """
    responses: আইটেম ১ থেকে ১০ ক্রমে ১০টি Likert (১-৫) স্কোরের লিস্ট।
    বিজোড় আইটেম (১,৩,৫,৭,৯): কন্ট্রিবিউশন = স্কোর - ১
    জোড় আইটেম (২,৪,৬,৮,১০): কন্ট্রিবিউশন = ৫ - স্কোর
    সব কন্ট্রিবিউশনের যোগফল * ২.৫ = ০-১০০ স্কেলের SUS স্কোর
    """
    total = 0
    for i, score in enumerate(responses, start=1):
        if i % 2 == 1:
            total += (score - 1)
        else:
            total += (5 - score)
    return total * 2.5

# প্রতিটি লিস্টে আইটেম ১..১০-এর জন্য একজন অংশগ্রহণকারীর প্রকৃত Likert উত্তর
participants = {
    "P1": [4, 2, 5, 1, 4, 2, 5, 1, 4, 2],
    "P2": [3, 3, 4, 2, 3, 3, 4, 2, 3, 3],
    "P3": [5, 1, 5, 1, 5, 1, 5, 1, 5, 1],
}

scores = {}
for name, responses in participants.items():
    scores[name] = sus_score(responses)
    print(f"{name}-এর SUS স্কোর: {scores[name]:.1f}")

mean_sus = sum(scores.values()) / len(scores)
print(f"\nতিনজনের গড় SUS স্কোর: {mean_sus:.2f}")

৪ · ট্রাস্ট ও পার্সিভড কন্ট্রোল মাপার অন্যান্য পদ্ধতি

SUS মূলত সাধারণ ইউজেবিলিটি মাপে — ট্রাস্ট বা পার্সিভড কন্ট্রোল নির্দিষ্টভাবে মাপার জন্য গবেষকরা প্রায়ই নিজস্ব সংক্ষিপ্ত Likert-স্কেল প্রশ্নমালা তৈরি করেন, যেমন:

• ট্রাস্ট আইটেম — "আমি এই সিস্টেমের পরামর্শের উপর নির্ভর করতে স্বাচ্ছন্দ্য বোধ করি"-এর মতো কয়েকটি বিবৃতিতে ১-৫ বা ১-৭ স্কেলে একমত/দ্বিমত জানানো, তারপর গড় নেওয়া।
• পার্সিভড কন্ট্রোল আইটেম — "আমি যখন চাই তখন সিস্টেমের সিদ্ধান্ত পরিবর্তন বা বাতিল করতে পারি"-জাতীয় বিবৃতির প্রতিক্রিয়া।
• গুণগত ইন্টারভিউ — সংখ্যার পাশাপাশি "কখন আপনি সিস্টেমটির উপর সবচেয়ে কম বিশ্বাস করেছিলেন?" জাতীয় খোলা প্রশ্ন প্রায়ই সংখ্যার পেছনের কারণ বুঝতে সাহায্য করে।