「SD法操作與實驗設計說明」：修訂間差異

出自CCW Lecture
 
行 375： 行 375：


== 參考資料（中文） ==
== 參考資料（中文） ==
* 曾國維、林靖（2010）。〈以語意差異法評價建築立面意象〉，《設計學報》，15(1)，27–48。Airiti Library: https://www.airitilibrary.com/Article/Detail/10163212-201003-201007050055-201007050055-27-48
* 曾國維、林靖（2010）。〈以語意差異法評價建築立面意象〉，《設計學報》，15(1)，27–48。Airiti Library: https://www.airitilibrary.com/Article/Detail/10163212-201003-201007050055-201007050055-27-48
* 林銘泉（2013）。〈整合感性語意差異的顧客需求設計分析〉。南華大學碩士論文。PDF：https://nhuir.nhu.edu.tw/bitstream/987654321/18616/1/1022221E343005.pdf
* 林銘泉（2013）。〈整合感性語意差異的顧客需求設計分析〉。南華大學碩士論文。PDF：https://nhuir.nhu.edu.tw/bitstream/987654321/18616/1/1022221E343005.pdf
* 洪偉肯（2010）。〈如何量測產品的矛盾語意〉，《設計學報》。https://www.jodesign.org.tw/index.php/JODesign/article/view/857/452
* 洪偉肯（2010）。〈如何量測產品的矛盾語意〉，《設計學報》。https://www.jodesign.org.tw/index.php/JODesign/article/view/857/452
* 辜婷資（2013）。〈心理因素對環境色彩喜好之研究〉。中國文化大學碩士論文。PDF：https://ir.lib.pccu.edu.tw/bitstream/987654321/25449/2/fb150116132242.pdf 
* 張信宏（2016）。〈以視覺認知探討手工具不同類型表面處理對產品價值〉。朝陽科技大學碩士論文。PDF：https://ir.lib.cyut.edu.tw/bitstream/310901800/31887/1/104CYUT0038007-001.pdf 
* AhaSlides Blog（2024）。〈語意差異量表及其應用與範例〉：https://ahaslides.com/zh-TW/blog/semantic-differential-scale/
* AhaSlides Blog（2024）。〈語意差異量表及其應用與範例〉：https://ahaslides.com/zh-TW/blog/semantic-differential-scale/

於 2025年9月22日 (一) 09:36 的最新修訂

SD法（語意差異法）操作手冊

本文件提供給「感性科技與產品設計」課程學生，做為第一次操作也能完成的 SD 法完整指南。SD 法能將「語音給人的感性印象」轉換為可分析的數據，本課將其應用於「安撫：AI 語音在成人情緒安撫中的設計」。

一、學習目標

  • 了解 SD 法的基本概念與研究邏輯。
  • 學會設計 SD 問卷並收集主觀感性印象數據（最低樣本數：15 份/組）。
  • 掌握資料清整、平均值與差異分析、雷達圖與長條圖視覺化。
  • 能將結果轉換為具體的語音設計規則，支援互動產品原型。

二、核心名詞

  • 刺激（Stimuli）：本課以「學生自製之安撫語音檔」為主（亦可輔以 openai.fm 產生之樣本）。
  • 詞對（對立形容詞對）：如「溫暖－冷漠」、「安心－焦躁」，用於捕捉主觀感性印象。
  • 量表（Scale）：採 7 點尺度（-3~+3 或 1~7），建議使用 7 點以提升分辨率。
  • 順序效應（Order Effect）：播放先後可能影響評分，須以 AB/BA 平衡或隨機化控制。

三、與課程進度對應

  • 第2週：感性工學與 SD 法基礎；建立「安撫感詞彙庫」。
  • 第3週：自製語音樣本；設計問卷並施測（收樣進行中）。
  • 第4週：彙整結果，結合情境/Persona 作為設計依據。
  • 第10～16週：將 SD 發現落實於語音腳本、互動流程與使用者測試。

四、完整操作流程（一步步照做）

步驟一：訂定研究目標與假設

  • 研究目標示例：比較不同語速/語調/音色之「安撫感」差異。
  • 研究假設示例：慢速、較低語調之語音，較能提升「安心」「親近」「溫暖」評分。
為何重要
  • 無明確目標，資料將無法回應問題；先定義目標，才能聚焦詞對與樣本設計。
  • 假設讓後續分析更有方向（支援或反駁），避免只做描述而無決策依據。

---

步驟二：準備語音樣本（學生自製）

  • 工具建議（含官方連結）：
    • ElevenLabs（官網）：[1]
    • ElevenLabs（Text to Speech 文件）：[2]
    • ElevenLabs（Playground / 產品導覽）：[3]
    • OpenAI（Text-to-Speech 官方指南）：[4]
    • OpenAI（Audio / TTS 總覽）：[5]
    • Google Cloud（Text-to-Speech 產品頁）：[6]
    • Google Cloud（Text-to-Speech 文件首頁）：[7]
    • Audacity（官網）：[8]
    • Audacity（官方下載頁）：[9]
    • Audacity（官方安裝教學）：[10]
  • 文本：所有版本使用同一段文字（20–30 秒），避免語意差異干擾。
建議文本（可直接用）：「請先深呼吸三次，慢慢吐氣。你現在很安全，一切都會好起來。我在這裡陪你，我們一步一步來。」
  • 設計至少 2–3 種版本（控制變因並記錄）：
    • 版本 A：溫柔女聲／慢速／柔和語調
    • 版本 B：專業男聲／中速／平穩語調
    • （可選）版本 C：中性 AI 音色／平穩語調
輸出規格建議
  • 檔案格式：WAV/MP3、48 kHz、單聲道；剪除空白、正規化至 -1.0 dB 以統一音量。
  • 檔名規則：A_warm_female_slow.wav；B_pro_male_mid.wav；C_neutral_mid.wav
樣本ID 語速 語調 音色/情緒 文字內容 檔名
A 慢 柔和 女聲/安撫 （同一段） A_warm_female_slow.wav
B 中 平穩 男聲/專業 （同一段） B_pro_male_mid.wav
C 中 平穩 中性/中性 （同一段） C_neutral_mid.wav
常見錯誤與修正
  • 音量不一 → Audacity「效果＞正規化」；同一峰值。
  • 情緒過度戲劇化 → 以「穩定、溫柔、自然」為準，避免誇張影響安撫判斷。
  • 文本不一致 → 一律改回同一段，長度 20–30 秒。

步驟三：建立詞對（SD 維度）

  • 建議使用 10–12 組詞對，涵蓋安撫核心向度且不致疲勞。
  • 推薦 12 組（可全用）：
  1. 溫柔 – 冷漠
  2. 安心 – 不安
  3. 親近 – 疏遠
  4. 自然 – 機械
  5. 專業 – 草率
  6. 穩定 – 混亂
  7. 柔軟 – 剛硬
  8. 可信 – 可疑
  9. 平靜 – 焦躁
  10. 真實 – 人工
  11. 友善 – 嚴肅
  12. 溫暖 – 冰冷
用詞註解（避免理解歧異）
  • 自然＝不像機器念稿、抑揚合宜；機械＝平板、毫無表情
  • 專業＝穩健不慌亂、咬字清楚；草率＝含糊、節奏不穩
  • 親近＝像在跟「我」說話；疏遠＝像對群眾廣播
如何思考與設定詞對
  • 從研究目標出發：先問自己要檢驗什麼，例如「安撫感」、「專業感」、「親近感」等，再找出能代表這些概念的詞。
  • 挑選具體、易懂的詞彙：避免過於抽象或艱澀的詞，例如「存在感－缺席感」就不如「親近－疏遠」清楚。
  • 確保對立性明顯：一組詞必須能形成明顯對比，例如「溫暖－冷漠」，而不是「溫暖－柔和」這種太接近的詞。
  • 控制數量，避免疲勞：6–10 對能涵蓋主要面向；超過 12 對會讓受測者失去耐心。
  • 多維度思考：除了情緒安撫（安心、溫柔），也可加入社會互動感（親近、可信）、專業感（專業、穩定），讓分析更全面。
  • 可依情境客製化：如果研究聚焦在「醫療語音」，可新增「權威－不專業」；若是「睡眠輔助」，則可加入「放鬆－緊繃」。
小組討論建議
  • 每組先各自列 10 對可能的詞，然後投票選出最符合研究目的的 6–10 對。
  • 在正式施測前，先找 2–3 位同學試答，檢查詞對是否容易理解，是否需要修改。

步驟四：設計量表與問卷（Google 表單/Kobo）

  • 尺度：7 點尺度（-3、-2、-1、0、+1、+2、+3）。
  • 題幹寫法（務必含數字）：溫柔（-3）— 冷漠（+3）
詞對（示例） -3 -2 -1 0 +1 +2 +3
溫柔 — 冷漠 ○ ○ ○ ○ ○ ○ ○
安心 — 不安 ○ ○ ○ ○ ○ ○ ○
親近 — 疏遠 ○ ○ ○ ○ ○ ○ ○
自然 — 機械 ○ ○ ○ ○ ○ ○ ○
問卷結構建議
  1. 頁 1：研究說明與同意（必填）
    目的、匿名、僅教學研究、可隨時退出 → 是否同意（是/否）
  2. 基本資料：年齡（20–29/30–39/40–49/50+）、性別、語音助理使用經驗（常用/偶爾/從不）、聆聽裝置（耳機/喇叭）
  3. 頁 2：語音 A（插入檔案或連結）→ 12 題線性刻度
  4. 頁 3：語音 B（同上）
  5. （若有 C，另開一頁）
順序效應處理
  • 方案一：建立 AB 與 BA 兩份表單，分頭收樣。
  • 方案二：同一表單加「學號單雙數」指引（單數先聽 A、雙數先聽 B）。
品質控管
  • 新增自評題：「我有完整聆聽音檔」是/否（否→標記或剔除）。
  • 最低有效樣本：15 份/組（未完整作答、明顯亂填者剔除）。

---

步驟五：受測者招募與施測

  • 對象：20–50 歲成人；盡量平衡性別與「是否使用語音助理」。
  • 方式：便利取樣（同學、朋友、家人）、課程社群發布。
  • 環境：安靜空間＋耳機；避免噪音與音響差異。
  • 隱私與倫理：問卷首頁載明同意、匿名、用途。

---

步驟六：資料整理（Google 試算表）

  • 表單匯出至 Sheets；建立 3 個分頁：Raw / Clean / Summary。
  • Clean：刪除失效樣本、將題目轉為數字尺度（-3~+3），補上欄名（A_溫柔…、B_溫柔…）。
  • 反向題處理（若有使用 1~7 制）：轉換公式＝8 – 原始分數。
受測者ID 樣本 溫柔 — 冷漠 安心 — 不安 親近 — 疏遠 自然 — 機械
P001 A -2 -2 -1 -1
P001 B +1 -1 +0 +1
P002 A -3 -2 -2 -1
Summary 分頁公式範例（示意）
  • 平均值（語音 A／溫柔）：
=AVERAGE(FILTER(Clean!C2:C, Clean!C2:C<>""))
  • 平均值（語音 B／溫柔）：
=AVERAGE(FILTER(Clean!O2:O, Clean!O2:O<>""))
  • 差異（A-B）：
= [A_溫柔平均] - [B_溫柔平均]
品質檢查
  • 以 FILTER 排除空值；檢視離群（例如 12 題全同值）並註記處理。

---

步驟七：視覺化與解讀

  • 圖表：雷達圖（建議）＋長條圖（選配）
    • 雷達圖：12 個詞對 × 兩條數列（語音 A／語音 B 平均）。
    • 長條圖：A 平均、B 平均、差異（A-B）。
閱讀要點
  • 與安撫直接相關的向度（溫柔、安心、親近、自然、溫暖、平靜）更外圈＝更安撫。
  • 專業、冷靜向度更外圈，代表「更專業」，不一定＝更安撫，需依情境判斷。

---

步驟八：設計應用（把數據變成規則）

  • 一句話總結：哪個版本更安撫？用 3–4 個數據點佐證。
  • 將關鍵參數條文化：
    • 語速：慢（A）優於中（B）→ 安撫場景用慢速；提醒/醫療可用中速。
    • 語調：句尾略降、抑揚幅度小→ 提升安心與平靜。
    • 音色：女性/溫暖音色提升親近；中性音色需增加微小抑揚避免疏遠。
  • 實作建議：把上述規則寫入產品「語音風格指南」（Voice Style Guide），期末原型照規則輸出。

五、常見錯誤與注意事項

  • 詞對模糊或同義重複 → 先做小組預試，保留可區辨之詞對。
  • 文本不一致或長度差距過大 → 一律使用同一段 20–30 秒文本。
  • 音量未對齊 → 全部檔案正規化至同一峰值。
  • 問卷未標示數字尺度 → 一率加上（例：溫柔（-3）— 冷漠（+3））。
  • 固定播放順序 → 採 AB/BA 或隨機化，於報告註記流程。
  • 只看整體平均 → 務必針對「安撫相關維度」單獨比較與解讀。

六、成果繳交與評分檢核

必要繳交（逐項對照）
  • 語音檔 2–3 個（雲端連結/QR Code；含設計參數說明）
  • 問卷連結（或 PDF 匯出）＋研究同意文字
  • 有效樣本 ≥ 15 份/組（含品質控管說明）
  • 試算表（Raw/Clean/Summary；平均值、差異、雷達圖）
  • 分析重點（3–5 點）與設計決策（條列）
  • 「語音風格指南」初稿（語速/語調/音色/情感之規則化條目）
加分項
  • AB/BA 順序平衡並分層比較
  • 族群分層（常用語音助理 vs 從不）
  • 第二輪微調（依數據小幅調參）與再測計畫

七、案例示範（摘要表）

形容詞對 語音A（慢/柔和/女） 語音B（中/平穩/男）
溫柔 – 冷漠 -2.4 +0.8
安心 – 不安 -2.0 -1.2
親近 – 疏遠 -1.8 +0.2
自然 – 機械 -1.5 +1.0
專業 – 草率 -0.5 +2.1
解讀
  • A 在「溫柔、安心、親近、自然」全面領先，適合安撫場景（冥想、睡前、情緒舒緩）。
  • B 在「專業」明顯優勢，適合提醒/醫療/任務導向情境，但可微量增加抑揚降低疏離。

八、兩週實作時程建議

  • 第 1 週（課內）：定文本 → 產製語音 A/B/C → 內測 3 人 → 正規化音量 → 建表單（AB/BA）。
  • 第 1 週（課外）：發放問卷，回收 ≥15 份；紀錄招募與品質控管。
  • 第 2 週（課內）：Clean/Summary → 平均值、差異、雷達圖 → 撰寫結論與設計決策。
  • 第 2 週（課外）：依結論微調聲音參數；（選做）第二輪小樣本再測。

九、快速檢核表（TA/自檢）

  • [ ] 文本一致（20–30 秒），檔名規範、音量正規化
  • [ ] 10–12 組詞對（題幹含數字：-3~+3）
  • [ ] AB/BA 或隨機順序控制，報告有註記
  • [ ] 有效樣本 ≥ 15 份，品質控管題已設
  • [ ] 試算表三分頁（Raw/Clean/Summary）與公式正確
  • [ ] 雷達圖/長條圖完成，重點維度有解讀
  • [ ] 結論有 3–5 個數據證據，決策條文化
  • [ ] 已產出「語音風格指南」初稿

十、附錄：問卷完整範例（可直接參考建立表單）

A. 研究說明與同意（問卷首頁）

本問卷旨在比較不同安撫語音的主觀感受。
您的作答完全匿名，資料僅用於本課程之教學研究與學術報告，不涉及個資。
填答前請於安靜環境以耳機完整聆聽每段語音（約 20–30 秒）。
您可於任何時間停止作答。
按「我同意」代表您年滿 20 歲並同意參與。
  • 單選題：您是否同意參與本研究？
    • ○ 我同意
    • ○ 我不同意（選擇後直接結束問卷）

---

B. 基本資料（頁面 2）

  • 年齡（單選）
    • ○ 20–29
    • ○ 30–39
    • ○ 40–49
    • ○ 50+
  • 性別（單選）
    • ○ 男
    • ○ 女
    • ○ 其他
  • 使用語音助理經驗（單選）
    • ○ 經常使用
    • ○ 偶爾使用
    • ○ 從不使用
  • 聆聽裝置（單選）
    • ○ 耳機
    • ○ 手機喇叭
    • ○ 電腦喇叭

---

C. 語音樣本 A（頁面 3）

請完整播放下方音檔，再依直覺回答問題。
尺度說明：左側為「-3」，右側為「+3」，0 代表中立。

題目（12 題線性刻度，-3 ~ +3）：

  • 溫柔（-3）— 冷漠（+3）
  • 安心（-3）— 不安（+3）
  • 親近（-3）— 疏遠（+3）
  • 自然（-3）— 機械（+3）
  • 專業（-3）— 草率（+3）
  • 穩定（-3）— 混亂（+3）
  • 柔軟（-3）— 剛硬（+3）
  • 可信（-3）— 可疑（+3）
  • 平靜（-3）— 焦躁（+3）
  • 真實（-3）— 人工（+3）
  • 友善（-3）— 嚴肅（+3）
  • 溫暖（-3）— 冰冷（+3）
  • 額外自評題（必填）：我有完整聆聽音檔 A
    • ○ 是
    • ○ 否

---

D. 語音樣本 B（頁面 4）

語音 B 題目結構與 A 完全相同。
請完整播放音檔後作答。

題目（複製與 A 相同的 12 題線性刻度）：

  • 溫柔（-3）— 冷漠（+3）
  • 安心（-3）— 不安（+3）

…（其餘 10 題相同）

  • 額外自評題：我有完整聆聽音檔 B
    • ○ 是
    • ○ 否

---

E. （可選）語音樣本 C（頁面 5）

若小組設計了第三個版本，題目結構同 A/B。

---

F. 數據整理（公式示例，放在試算表）

  • 平均值（語音 A／溫柔）：
=AVERAGE(FILTER(Clean!C2:C, Clean!C2:C<>""))
  • 平均值（語音 B／溫柔）：
=AVERAGE(FILTER(Clean!O2:O, Clean!O2:O<>""))
  • 差異（A-B）：
= [A_溫柔平均] - [B_溫柔平均]

---

G. 問卷最終長相應該包含

  • 頁首研究說明與同意題
  • 基本資料（年齡／性別／語音助理使用經驗／聆聽裝置）
  • 語音 A（音檔＋12 題 SD 法評估＋自評題）
  • 語音 B（音檔＋12 題 SD 法評估＋自評題）
  • （可選）語音 C（同上結構）
  • 結束頁：感謝語（例如「感謝您花時間完成本研究！」）

參考資料（中文）

取自「https://chenwei.synology.me/mediawiki/index.php?title=SD法操作與實驗設計說明&oldid=243」