ব্যবহারকারীদের বোঝা — কন্টেক্সচুয়াল ইনকোয়ারি ও ফিল্ড স্টাডি

Understanding users — contextual inquiry & field studies

৭ মিনিট পড়া মধ্যম · Intermediate সম্পূর্ণ বাংলায়

এক নজরে · TL;DR

ব্যবহারকারীরা যা বলে আর বাস্তবে যা করে তার মধ্যে প্রায়ই বড় ফারাক থাকে — একে say-do gap বলে; তাই শুধু জিজ্ঞেস করা যথেষ্ট নয়।
Contextual inquiry মানে ব্যবহারকারীর নিজের কাজের পরিবেশে গিয়ে, তারা যখন প্রকৃতপক্ষে কাজটি করছে তখন পর্যবেক্ষণ ও প্রশ্ন করা।
Master-apprentice model: গবেষক নিজেকে "শিক্ষানবিশ" আর ব্যবহারকারীকে কাজের "বিশেষজ্ঞ/মাস্টার" হিসেবে দেখেন — উল্টো দিকের ক্ষমতা-সম্পর্ক, যা প্রথাগত ইন্টারভিউয়ে থাকে না।
চারটি মূলনীতি — context (প্রেক্ষাপট), partnership (অংশীদারিত্ব), interpretation (ব্যাখ্যা), focus (কেন্দ্রবিন্দু) — একটি ভালো কন্টেক্সচুয়াল ইনকোয়ারি সেশনকে গাইড করে।
ফিল্ড স্টাডি বাস্তবতা দেয় কিন্তু নিয়ন্ত্রণ কম; ল্যাব স্টাডি নিয়ন্ত্রণ দেয় কিন্তু বাস্তব পরিবেশের প্রভাবগুলো হারিয়ে যায় — এটি একটি সচেতন ট্রেড-অফ, একটির চেয়ে অন্যটি সবসময় ভালো নয়।

এই পাঠে যা শিখবেন

কেন শুধু ব্যবহারকারীকে জিজ্ঞেস করা যথেষ্ট নয় — say-do gap-এর প্রকৃত কারণ
Contextual inquiry-র master-apprentice model ব্যাখ্যা করতে পারা
Contextual inquiry-র চারটি মূলনীতি প্রয়োগ করতে পারা
Field study বনাম lab study — কখন কোনটা বেছে নেবেন তা যুক্তিসহ ব্যাখ্যা করা

১ · কেন "বলা" আর "করা"-র মধ্যে ফারাক থাকে

একজন ব্যবহারকারীকে সরাসরি জিজ্ঞেস করলে — "আপনি কীভাবে এই স্প্রেডশিটটা ব্যবহার করেন?" — তিনি যা বলবেন তা প্রায়ই তার প্রকৃত আচরণের একটি সরলীকৃত, রোমান্টিক করা সংস্করণ। মানুষ নিজের অভ্যাস সম্পর্কে সবসময় নিখুঁতভাবে সচেতন নয় — অনেক আচরণ অটোমেটিক হয়ে যায় (memorized shortcuts, workaround, ছোট ছোট "hack"), এবং সেগুলো মনে করে বলা কঠিন। এছাড়া মানুষ নিজেকে বেশি দক্ষ বা সঠিক পদ্ধতি অনুসরণকারী হিসেবে দেখাতে চায় — এটাই say-do gapSay-do gapব্যবহারকারী কী করেন বলে দাবি করেন আর বাস্তবে কী করেন তার মধ্যকার ফারাক — সাধারণত সেলফ-রিপোর্ট বায়াস, স্মৃতির সীমাবদ্ধতা ও সামাজিক আকাঙ্ক্ষার (social desirability) কারণে ঘটে।। এর সমাধান হলো — যতটা সম্ভব ব্যবহারকারীকে তার নিজের প্রকৃত পরিবেশে, প্রকৃত কাজ করার সময় পর্যবেক্ষণ করা।

২ · Contextual Inquiry — master-apprentice model ও চারটি মূলনীতি

Contextual inquiry একটি স্ট্রাকচার্ড ফিল্ড-রিসার্চ পদ্ধতি যেখানে গবেষক ব্যবহারকারীর নিজের কর্মক্ষেত্রে (অফিস, দোকান, হাসপাতাল, বাসা) গিয়ে তার সাথে থেকে কাজ পর্যবেক্ষণ করেন এবং সাথে সাথে প্রশ্ন করেন। এর ভিত্তি হলো master-apprentice model — গবেষক নিজেকে একজন "শিক্ষানবিশ" হিসেবে উপস্থাপন করেন, আর ব্যবহারকারীকে দেখা হয় তার নিজের কাজের "মাস্টার" বা বিশেষজ্ঞ হিসেবে। এই ভূমিকা-উল্টানো গুরুত্বপূর্ণ — একটি সাধারণ ইন্টারভিউয়ে গবেষক "বিশেষজ্ঞ" (প্রশ্নকর্তা) থাকেন, কিন্তু এখানে ব্যবহারকারীই বিশেষজ্ঞ, আর গবেষক শেখার ভঙ্গিতে থাকেন — এতে ব্যবহারকারী স্বাভাবিকভাবে নিজের কাজ দেখান ও ব্যাখ্যা করেন, বদলে "সঠিক উত্তর" দেওয়ার চেষ্টা করেন না।

Context (প্রেক্ষাপট)
যেখানে কাজটি সত্যিই হয় সেখানেই পর্যবেক্ষণ করুন — অফিস, ডেস্ক, দোকানের কাউন্টার — মেমোরি থেকে বর্ণনা নয়, বাস্তব পরিবেশ।

Partnership (অংশীদারিত্ব)
গবেষক ও ব্যবহারকারী একসাথে কাজটির অর্থ খুঁজে বের করেন — একতরফা জিজ্ঞাসাবাদ নয়, একটি সহযোগিতামূলক কথোপকথন।

Interpretation (ব্যাখ্যা)
যা দেখা যায় তার সরাসরি অর্থ স্পষ্ট নয় — গবেষক নিজের ব্যাখ্যা প্রস্তাব করেন ও ব্যবহারকারীর কাছে যাচাই করে নেন ("তার মানে কি আপনি...?")।

Focus (কেন্দ্রবিন্দু)
গবেষকের একটি স্পষ্ট লক্ষ্য/প্রশ্ন নিয়ে সেশনে যাওয়া উচিত — অগোছালোভাবে সবকিছু পর্যবেক্ষণ করলে গুরুত্বপূর্ণ প্যাটার্ন হারিয়ে যায়।

৩ · ফিল্ড স্টাডি বনাম ল্যাব-বেসড স্টাডি

ফিল্ড স্টাডি ব্যবহারকারীর নিজের পরিবেশে হয় — ইন্টারাপশন, শোরগোল, সহকর্মী, প্রকৃত ডেটা, সময়ের চাপ — সবকিছু বাস্তব থাকে, ফলে ফলাফল বেশি বাস্তবসম্মত (ecological validity বেশি)। কিন্তু নিয়ন্ত্রণ কম — একই পরিস্থিতি দুইজন অংশগ্রহণকারীর জন্য কখনোই হুবহু এক হয় না, তুলনা করা কঠিন হয়ে যায়। ল্যাব-বেসড স্টাডি (M7-এ বিস্তারিত ইউজেবিলিটি টেস্টিং নিয়ে আলোচনা হবে) একটি নিয়ন্ত্রিত পরিবেশে হয় — প্রতিটি অংশগ্রহণকারী একই টাস্ক, একই ডিভাইস, একই পরিবেশে পরীক্ষা দেন, ফলে ফলাফল তুলনাযোগ্য ও পরিমাপযোগ্য। কিন্তু বাস্তব পরিবেশের ইন্টারাপশন, মাল্টিটাস্কিং বা প্রকৃত ডেটার প্রভাব হারিয়ে যায়।

কখন কোনটা বেছে নেবেন

প্রশ্নটি "কে জানতে চান" এর ধরন দিয়ে নির্ধারিত হয়। "মানুষ আসলে কীভাবে কাজ করে, কোন অপ্রত্যাশিত ওয়ার্কঅ্যারাউন্ড ব্যবহার করে?" — এই প্রশ্নের উত্তরের জন্য ফিল্ড স্টাডি/contextual inquiry ভালো। "ডিজাইন A বনাম ডিজাইন B — কোনটাতে সাধারণ টাস্ক দ্রুত ও কম ভুলে সম্পন্ন হয়?" — এই তুলনামূলক প্রশ্নের জন্য নিয়ন্ত্রিত ল্যাব স্টাডি বেশি উপযুক্ত। অনেক প্রজেক্টে দুটোই ব্যবহৃত হয় — প্রথমে ফিল্ড স্টাডি দিয়ে বোঝা, পরে ল্যাব স্টাডি দিয়ে নির্দিষ্ট ডিজাইন সিদ্ধান্ত যাচাই করা।

ভাবনার প্রশ্ন

প্রতিটি প্রশ্ন নিজে কিছুক্ষণ ভাবুন — তারপর "→ উত্তর" চাপুন।

প্র ০১ একটি রেস্টুরেন্টের নতুন POS (point-of-sale) সিস্টেম ডিজাইন করছেন। ক্যাশিয়ারকে অফিসে ডেকে এনে জিজ্ঞেস করার বদলে রেস্টুরেন্টের কাউন্টারে গিয়ে তার কাজ পর্যবেক্ষণ করা কেন বেশি কার্যকর হতে পারে?

কাউন্টারে বাস্তব পরিস্থিতিতে — ব্যস্ত সময়ে একসাথে একাধিক অর্ডার, গ্রাহকের তাড়া, ভুল হিসাব সংশোধন করার দ্রুত ওয়ার্কঅ্যারাউন্ড, সহকর্মীর সাথে সমন্বয় — এসব প্যাটার্ন কেবল সরাসরি পর্যবেক্ষণেই ধরা পড়ে। অফিসে বসে স্মৃতি থেকে বর্ণনা করলে ক্যাশিয়ার হয়তো "স্বাভাবিক" প্রক্রিয়াটাই বলবেন, কিন্তু চাপের মুহূর্তে তৈরি হওয়া শর্টকাট বা সমস্যাগুলো মনে করে বলা কঠিন — এটাই say-do gap-এর একটি বাস্তব উদাহরণ।

প্র ০২ Master-apprentice model-এ গবেষকের ভূমিকা প্রথাগত ইন্টারভিউয়ের তুলনায় কীভাবে পরিবর্তিত হয়?

প্রথাগত ইন্টারভিউয়ে গবেষক প্রশ্ন প্রস্তুত করে "বিশেষজ্ঞ" ভঙ্গিতে থাকেন এবং ব্যবহারকারী "উত্তরদাতা"। Master-apprentice model-এ এই সম্পর্ক উল্টে যায় — ব্যবহারকারী তার নিজের কাজের বিশেষজ্ঞ, আর গবেষক শেখার ভঙ্গিতে থাকেন, স্বাভাবিকভাবে "এটা কেন এভাবে করলেন?" জিজ্ঞেস করেন যেমন একজন নতুন শিক্ষানবিশ জিজ্ঞেস করত। এতে ব্যবহারকারী রক্ষণাত্মক না হয়ে স্বাভাবিকভাবে ব্যাখ্যা করেন, কারণ তিনি নিজেকে "পরীক্ষা দিচ্ছেন" বলে মনে করেন না।

প্র ০৩ সময় বা বাজেট সীমাবদ্ধতার কারণে সম্পূর্ণ contextual inquiry সম্ভব নাও হতে পারে। তখন প্রেক্ষাপট কিছুটা ধরে রাখে এমন কী বিকল্প পদ্ধতি ব্যবহার করা যায়?

কিছু বিকল্প: (১) সংক্ষিপ্ত ফিল্ড ভিজিট — পূর্ণাঙ্গ সেশনের বদলে ৩০-৪৫ মিনিটের দ্রুত পর্যবেক্ষণ। (২) ডায়েরি স্টাডি — ব্যবহারকারী নিজে কয়েকদিন ধরে নিজের ব্যবহারের নোট/স্ক্রিনশট রাখেন। (৩) রিমোট স্ক্রিন-শেয়ার সেশন — সরাসরি উপস্থিত না হয়েও ব্যবহারকারীর স্ক্রিন ও কণ্ঠস্বর দিয়ে আংশিক প্রেক্ষাপট পাওয়া। এগুলো সম্পূর্ণ contextual inquiry-র মতো সমৃদ্ধ নয়, কিন্তু নিছক অফিস-ইন্টারভিউয়ের চেয়ে অনেক বেশি বাস্তবতা ধরে রাখে।

অনুশীলন

ডিজাইন করুন: ধরুন আপনি একটি হাসপাতালের নার্সদের জন্য একটি নতুন ওষুধ-প্রশাসন (medication administration) সিস্টেম ডিজাইন করছেন। একটি সংক্ষিপ্ত contextual inquiry পরিকল্পনা লিখুন — কোথায় যাবেন, চারটি মূলনীতি কীভাবে প্রয়োগ করবেন।

Context: হাসপাতালের ওয়ার্ডে গিয়ে, নার্সের সাথে থেকে সম্পূর্ণ শিফটের একটা অংশ (যেমন সকালের ওষুধ-রাউন্ড) পর্যবেক্ষণ করা — অফিসে ডেকে জিজ্ঞেস করা নয়। Partnership: নার্সকে বলা "আপনি যেভাবে সাধারণত করেন সেভাবেই করুন, আমি শুধু বুঝতে চাই" — এবং কাজের ফাঁকে সংক্ষিপ্ত প্রশ্ন করা, কাজ থামিয়ে না দিয়ে। Interpretation: লক্ষ্য করা কোথায় নার্স কাগজের নোট বা নিজের হাতে লেখা রিমাইন্ডারের উপর নির্ভর করছেন (সিস্টেমের ঘাটতির ইঙ্গিত), এবং সেই পর্যবেক্ষণ ব্যাখ্যা করে নার্সের কাছে যাচাই করা ("এটা কি কারণ সিস্টেমে ডোজ-টাইমিং দেখতে অসুবিধা হয়?")। Focus: এই ভিজিটের নির্দিষ্ট লক্ষ্য রাখা — যেমন "ওষুধ ভুল হওয়ার ঝুঁকি কোথায় বেশি তৈরি হয়" — যাতে পর্যবেক্ষণ ছড়িয়ে না যায়।
তুলনা করুন: একটি গাড়ির ড্যাশবোর্ড ইন্টারফেস ডিজাইন করছেন — দুটি ভিন্ন লে-আউট প্রস্তাব আছে এবং জানতে চান কোনটাতে ড্রাইভার কম সময়ে গুরুত্বপূর্ণ তথ্য (যেমন ফুয়েল লেভেল) খুঁজে পান। ফিল্ড স্টাডি নাকি ল্যাব স্টাডি বেছে নেবেন, এবং কেন?

এখানে ল্যাব স্টাডি বেশি উপযুক্ত (একটি ড্রাইভিং সিমুলেটরে) — কারণ প্রশ্নটি তুলনামূলক ("কোনটা দ্রুত?") এবং নিরাপত্তার কারণে বাস্তব রাস্তায় নিয়ন্ত্রিত তুলনা করা ঝুঁকিপূর্ণ। প্রতিটি অংশগ্রহণকারীকে একই পরিস্থিতিতে (একই গতি, একই রুট) দুটি লে-আউট দেখিয়ে সময় মাপা সহজ হয়। তবে চূড়ান্ত সিদ্ধান্তের আগে বাস্তব রাস্তায় একটি ছোট ফিল্ড টেস্ট — প্রকৃত ট্রাফিক, আলো, ক্লান্তির প্রভাব দেখতে — এখনো মূল্যবান হতে পারে, কারণ ল্যাব সিমুলেটর বাস্তবতার সবটুকু ধরতে পারে না।