ACM通信
风险研究
我们正在见证人机交互研究方式的转变。随着互联网和社交媒体的出现，现在可以将系统部署到数千或数百万的潜在用户。与在实验室中构建原型并在少数用户身上进行测试的旧模式不同，这种新的研究风格——我称之为风险研究(Venture research)——有可能接触到更多数量级的用户，并产生更大的影响。
然而，风险研究也带来了新的挑战。最重要的是为成功设计新的衡量标准。当你不能让人们进入实验室使用你的原型时，你如何衡量它的有效性?许多风险研究项目关注合作或基于社会网络的影响。当一个工具的价值只能在“野外”观察，而不是在受控的实验室环境中，你如何研究它?
成功的一个衡量标准是采用。Twitter估计用户超过2500万;Facebook声称有超过2.5亿活跃用户。是什么让这些网站如此成功?一个社交网站何时成功，何时失败，是否有科学原则来指导?显然，学习的一种方式就是实验;风险研究项目都是关于在公共领域试验社交软件。
然而，在互联网上部署软件与在实验室环境中部署原型是非常不同的。因此，风险研究项目需要不同于传统项目的技能集合。我们自己的CoScripter项目团队已经通过艰苦的方式学会了所有这些技能。例如，互联网总是开着;用户希望软件全天候可用。我们必须学习如何通过新版本和系统升级来设计我们的软件，以达到持续的可用性和稳定性。我们必须学习如何进行技术支持，回答用户的问题(以增加我们的用户基础)，并从领域中获取错误报告。我们已经(通过艰难的方式)了解到，对于一个没有人阅读说明书，但希望立即使用的产品来说，良好的设计和可用性测试是多么重要。
风险研究有多种形式。CoScripter和ManyEyes遵循独立的模式，部署独立的web应用程序，希望通过自己的方式扩大用户基数。其他人则利用现有的网站，比如Michael Bernstein的网站Collabio或者艾德·齐的在维基百科上工作．格雷格小的TurKit利用Mechanical Turk解决计算问题。所有这些项目的共同之处在于它们都与网络紧密耦合。研究的成败关系到网络上的成败，关系到真实的用户。
没有发现记录