ご苦労様でしたぁ☆
それじゃあ、早速結果を解析してみましょう!
解析には便利な
「ラフ集合解析ソフト」を使いましょうね。
※解析ソフトの詳しい内容を知りたい方はこちらからどうぞ!
え〜とまずは、被験者Aさんのアンケートのぉ‥結果を決定表の決定属性値欄に入力して‥解析ソフトでぽちっとな。
‥ジャジャーン♪そうして出てきた結果が以下の表です!(表4参照)
ぃいやぁ〜ぁぁあっ!いやすぎるぅ〜っ何なのこの、ゴチャゴチャしたリスト!!!
私こーゆーのすっごい苦手なのよぉっ。
まぁまぁ、落ち着いてください。ゆっくり読み解いていきましょうね。
これは被験者Aさんの解析結果なのですが、一番上段に注〜目!!
ここのC.I.値の欄に0.5(今回の解析結果の中で一番高い数値)の値が出ています。
谷間の装飾_外向き/アンダーの装飾_なし/肩ひもの装飾_なし
という条件にC.I.値0.5の反応を示しているというのは、
つまりこの様な条件を含むものに、かわいいと感じているといえると思います☆
ふぅ〜〜ん♪なるほどぉ、そうゆうことがわかるのねぇ。面白いわ。
Aさんはアンケートで単純にサンプル写真のブラジャーがかわいいと思う/かわいいと思わない、と選んだだけ
だったんだけど、
解析にかけてみるとAさんが「かわいい」と思ったサンプル達に共通するものは以上の
要素の組み合わせだった訳なのですよ。
へぇーーっ!何か自分の潜在意識を読み解かれたみたいで少し恥ずかしいかも!
実はAさんて私なんだぴょん。
サンプルを単純にかわいいと思う/かわいいと思わない、で分けている時はそんなつもりで
選んでるわけじゃなかったよ。
うっふっふ。
選定している時は「直感」で選んでいたというわけですよね。
でも実際はこの様な要素の組み合わせに反応していたんですねぇ。
僕がI子クンにブラジャーをプレゼントする時は、まずこの要素を抑えておけば好みを大きくハズすことは
きっとないということになりまーす。メモメモ。
気が付かなかったぁ‥
あとね、私けっこう光沢素材のモノが好きだと思っていたんだけど?
うんうん。
良い質問ですね〜。
他の方法で解析した結果がありますので、比較してみましょう。
数量化II類という方法です。
手法の違いによる結果の比較をしますネ。
先ほど出てきたラフ集合の解析結果「かわいい」の決定ルール条件部でC.I.値が最も高かった「谷間の装飾_外向き/アンダーの装飾_なし/肩ひもの装飾_なし」は、数量化II類の結果では
「谷間の装飾_外向き」 カテゴリスコア-0.110830074454891。
「アンダーの装飾_なし」 カテゴリスコア-0.422210294。
「肩ひもの装飾_なし」 カテゴリスコア-0.406600137。
となりました。(表5 青丸印の部分)
スコア値は低いのですが、3つの要素とも「かわいい」に寄与していることになります。
ただしスコアの値が低いので、数量化II類の結果としては「無視してしまう項目」になりそうなんですね。
なるほどー。値が低いと重要な要素には見えないもんね。
そうなんですよ。
逆に、数量化II類で「かわいい」に高く寄与している「カップの素材_光沢」
(表5 オレンジ丸印の部分)については、
ラフ集合の決定ルールでは「カップの素材_光沢」だけの単体の属性値で現れなかったんですよ。
「谷間の装飾_なし/カップの素材_光沢」
「装飾の面積_なし/カップの素材_光沢」
「カップの素材_光沢/オーナメントの位置_胸元」
..まだあるのですが、以上のような感じで他の属性値との組み合わせで結果として出現しているのです。
‥そして‥‥これら同様なことが他の被験者さんの結果からも現れたのですっ!!
い、いつの間に残りの2人を解析したの?仕事早いわね〜♪ひゅぅひゅぅっ♪
ひゅぅひゅぅひゅぅ〜っ♪
ひゅぅひゅぅひゅぅ〜っ♪
やぁ、やぁめぇてぇよ〜♪
‥えー、以上のことから、ラフ集合では様々な組み合わせでかわいいの要素を抽出し、
数量化II類では一途にかわいいブラジャーの要素を抽出するイメージでしょうかね。
それから、数量化II類のカテゴリスコアが低い値でも、
ラフ集合では決定ルールとして現れることが特徴的です。
つまり、数量化II類のカテゴリスコアがどんなに小さい値(正/負の値)でも
ラフ集合なら組み合わせてかわいいに寄与しているとして、救済してくれている感じでしょうか。
確かに、光沢好きだけど、そればかりじゃこまるし、
ボンヤリとだけど、かわいいと感じた要素たちをばっさり切り捨てられちゃうのも何か違うしね。
なるほどねぇ〜。
デザインするときの使い勝手(イメージの発想の手助けなど)を考えると、
結果が組み合わせで出現するラフ集合の方が確かにデザイナー好みにかもしれないわね!
ね、そんな予感がしますでしょう?
あと、ちょっと注意!ラフ集合の結果でちょっと気をつけたい事は、
単体の属性値が重要なのではなく、あくまでも、その属性値の組み合わせのルールが「かわいい」と言うことです。
ちなみに、もっとラフ集合の結果の信頼性(C.I.値)を上げたい場合は
併合ルールというものがありますので、そちらを使ってみましょうね。
詳しく知りたい方は本を読んでみてくださぁい☆
さてさて、長いことお付き合いいただいてありがとうございました!
次回の予告ですぅ!
「解析法に基づきかわいいを分析する!」第二回では、実際にもう少し多くの人にアンケートをとって、ラフ集合で解析してみる予定よ!
そして、併合ルールをつかってみて出た結果で、
かわいいブラジャーをデザインしてみるところまで挑戦してみるので、楽しみにしててね!!