Why 5 Participants Are Okay in a Qualitative Study, but Not in a Quantitative One為什麼定性研究中5名參與者足夠，但定量研究中卻不夠？
定性可用性研究旨在發現介面中的問題，而定量可用性研究則需要收集能夠代表整體使用者行為的指標。5名參與者在定性研究中足夠，但在定量研究中無法提供可靠的資料。
定量可用性研究：為什麼需要超過5名參與者？
目標：定量可用性研究通常是總結性的，旨在評估系統的可用性並提供資料，如任務成功率、任務時間、錯誤率和使用者滿意度等。
關鍵特點：
- 統計支援： 透過彙總每位參與者的資料，計算均值、成功率等指標，並生成置信區間來預測總體使用者行為。
- 樣本量的重要性：
- 小樣本可能導致觀測值無法準確反映總體的真值。
- 為了得到有意義的置信區間（如75%–90%的成功率），通常需要至少40名參與者。
示例：如果一項任務的成功率在研究中觀察到是70%，但由於樣本量過少，其置信區間可能為40%–90%，這使得資料過於寬泛而無法提供決策支援。
定性可用性研究：5人規則的假設
目標：定性研究以探索為主，旨在發現設計中的問題並推動迭代改進，而非透過統計方式描述使用者行為。
關鍵假設：
- 目標是發現問題： 定性研究關注的是使用者在介面中遇到的問題，而不是測量某個具體指標。
- 問題的普遍性假設： 假定每個使用者遇到的問題都是需要修復的。例如，若某使用者在測試中“掉入一個坑”，這意味著這個問題需要解決，而無需透過1000名使用者驗證。
- 問題出現的機率： 假設每個使用者遇到問題的機率為 31%。
數學模型：根據Nielsen和Landauer的研究，5名參與者可以發現介面中 85% 的可用性問題。
測試流程建議：使用5名參與者發現大部分問題，修復後重新測試下一輪，逐步改進。
質疑5人規則的假設
1. 是否每個使用者遇到的問題都需要修復？
- 某些問題可能隻影響少數使用者。
- 如果需要判斷問題的普遍性，可進行定量研究，但這會顯著增加研究成本。
- 定性研究依賴研究人員的專業判斷來優先解決關鍵問題，而非僅依賴資料。
2. 使用者遇到問題的機率是否為31%？
- 這一資料基於20世紀90年代的研究，當前介面設計的整體可用性可能已有顯著提高。
- 隨著迭代次數的增加，問題出現的機率可能下降，從而需要更多使用者才能發現問題。
調整模型：如果問題機率降低（例如20%或10%），則需要更多參與者：
- 若機率為20%，則需要9名使用者發現85%的問題。
- 若機率為10%，則需要18名使用者。
5人規則的實際應用
- 初步測試：
- 當介面存在大量問題時，測試5名使用者通常足夠找到大部分問題。
- 多輪迭代：
- 修復問題後，用新的5名使用者進行測試。
- 若測試中發現的問題越來越少，可適當增加參與者人數。
- 靈活調整：
- 若首次測試未能發現足夠多的見解，可增加參與者人數。
- 若問題較少且迭代迅速，可減少參與者人數至3人。
定性與定量研究的差異
| 研究型別 | 目標 | 樣本量要求 | 結果的可信度 |
| 定性研究 | 發現介面中的問題，推動改進 | 5人通常足夠，問題機率越低需更多參與者 | 研究結果不用於推測總體行為，只提供問題列表 |
| 定量研究 | 衡量指標並預測整體使用者行為 | 通常需要30–40人，具體依賴研究目標 | 資料需透過置信區間和統計顯著性驗證 |
結論
- 定性研究適合探索問題：
- 透過5人測試發現大部分問題，逐步改進設計。
- 不嘗試推測整體使用者行為，僅依賴研究人員的判斷來優先處理問題。
- 定量研究需要更大樣本：
- 用於生成可推廣的指標，確保資料具有統計意義。
- 5名參與者不足以提供準確、可靠的結論。
關鍵點：定性和定量研究目標不同，因此樣本量需求不同。5人規則適用於定性研究，但在定量研究中應遵循統計要求，招募更多參與者。