Kausala relationer

4.8 Relationer: omständliga och kausala

Jag noterade ovan att leta efter och förklara intressanta relationer är en del av vad vi gör inom HCI-forskningen. Ofta utformas och genomförs ett kontrollerat experiment specifikt för detta ändamål, och om det görs på rätt sätt är en viss typ av slutsats möjlig. Vi kan ofta säga att det villkor som manipulerades i experimentet orsakade förändringarna i de mänskliga reaktioner som observerades och mättes. Detta är ett orsakssamband, eller helt enkelt ett orsakssamband.

I HCI är den manipulerade variabeln ofta ett attribut i nominell skala för ett gränssnitt, t.ex. enhet, inmatningsmetod, återkopplingsmodalitet, valteknik, menydjup, knapplayout och så vidare. Den variabel som mäts är vanligtvis ett mänskligt beteende i kvotskala, t.ex. tidsåtgång för att slutföra en uppgift, felprocent eller antalet knapptryckningar, rullningshändelser, blickförskjutningar osv.

Det ger en kraftfull slutsats att hitta ett orsakssamband i ett HCI-experiment. Om den mänskliga respons som mäts är viktig för HCI, t.ex. den tid det tar att utföra en vanlig uppgift, är det ett värdefullt resultat att veta att ett tillstånd som testas i experimentet minskar denna tid. Om villkoret är ett genomförande av en ny idé och det jämfördes med nuvarande praxis kan det verkligen finnas anledning att fira. Man har inte bara funnit ett orsakssamband, utan den nya idén förbättrar också den nuvarande praktiken. Detta är den typ av resultat som tillför värdefull kunskap till disciplinen; det för den tekniska utvecklingen framåt.9 Detta är vad HCI-forskning handlar om!

Att hitta ett samband betyder inte nödvändigtvis att det finns ett orsakssamband. Många samband är indirekta. De finns, och de kan observeras, mätas och kvantifieras. Men de är inte kausala, och varje försök att uttrycka förhållandet som sådant är fel. Det klassiska exemplet är förhållandet mellan rökning och cancer. Antag att en forskningsstudie följer ett stort antal människors vanor och hälsa under många år. Detta är ett exempel på den korrelationsmetod för forskning som nämndes tidigare. I slutändan finner man ett samband mellan rökning och cancer: cancer är vanligare hos de personer som rökte. Är det korrekt att dra slutsatsen av studien att rökning orsakar cancer? Nej. Det konstaterade sambandet är indicier, inte orsakssamband. Tänk på följande: När uppgifterna undersöks närmare upptäcker man att tendensen att utveckla cancer också är relaterad till andra variabler i datamaterialet. Det verkar som om de personer som utvecklade cancer också tenderade att dricka mer alkohol, äta mer fet mat, sova mindre, lyssna på rockmusik och så vidare. Kanske var det den ökade alkoholkonsumtionen som orsakade cancern, eller konsumtionen av fet mat, eller något annat. Sambandet är omständligt, inte kausalt. Detta betyder inte att indicierade samband inte är användbara. Att leta efter och hitta ett omständligt samband är ofta det första steget i vidare forskning, delvis på grund av att det är relativt enkelt att samla in data och leta efter omständliga samband.

Kausala samband framträder i kontrollerade experiment. För att leta efter ett orsakssamband krävs en studie där bland annat deltagarna väljs ut slumpmässigt från en population och slumpmässigt tilldelas testförhållanden. En slumpmässig fördelning säkerställer att varje grupp av deltagare är densamma eller likartad i alla avseenden utom när det gäller de förhållanden under vilka varje grupp testas. De skillnader som uppkommer beror alltså med större sannolikhet på (orsakas av) testförhållandena än på miljöförhållanden eller andra omständigheter. Ibland balanseras deltagarna i grupper där deltagarna i varje grupp granskas så att grupperna är lika i fråga om andra relevanta egenskaper. Ett experiment där man t.ex. testar två inmatningskontroller för spel skulle kunna slumpmässigt fördela deltagarna i grupperna eller balansera grupperna för att se till att spektrumet av spelupplevelser är ungefär lika stort.

Här är ett HCI-exempel som liknar exemplet med rökning kontra cancer: En forskare är intresserad av att jämföra multi-tap och prediktiv inmatning (T9) för textinmatning på en mobiltelefon. Forskaren ger sig ut i världen och vänder sig till mobiltelefonanvändare och ber om fem minuter av deras tid. Många går med på det. De svarar på några frågor om erfarenhet och användningsvanor, inklusive vilken metod de föredrar för att skriva in textmeddelanden. Femton användare som använder flera tryckknappar och 15 T9-användare hittas. Användarna ombeds att skriva in en föreskriven textfras medan de tidsbestäms. Tillbaka i labbet analyseras uppgifterna. T9-användarna var tydligen snabbare och skrev 18 ord per minut, jämfört med 12 ord per minut för multi-tap-användarna. Det är 50 procent snabbare för T9-användarna! Vad är slutsatsen? Det finns ett samband mellan inmatningsmetod och textinmatningshastighet, men sambandet är omständligt, inte kausalt. Det är rimligt att rapportera vad som gjordes och vad man fann, men det är fel att gå längre än vad metoden ger. Att dra slutsatsen från denna enkla undersökning att T9 är snabbare än multipla tryckningar skulle vara fel. När man granskar uppgifterna närmare upptäcker man att T9-användarna tenderade att vara mer tekniskt kunniga: de rapporterade betydligt mer erfarenhet av att använda mobiltelefoner och rapporterade också att de skickade betydligt fler textmeddelanden per dag än multi-tap-användarna, som i stort sett sa att de inte gillade att skicka textmeddelanden och att de gjorde det mycket sällan.10 Så den skillnad som observerats kan bero på tidigare erfarenhet och användningsvanor, snarare än på inneboende skillnader i textinmatningsmetoderna. Om det finns ett genuint intresse av att avgöra om en textinmatningsmetod är snabbare än en annan, krävs ett kontrollerat experiment. Detta är ämnet för nästa kapitel.

En sista punkt förtjänar att nämnas. Slutsatser om orsak och verkan är inte möjliga i vissa typer av kontrollerade experiment. Om den manipulerade variabeln är en naturligt förekommande egenskap hos deltagarna är slutsatser om orsak och verkan otillförlitliga. Exempel på naturligt förekommande attribut är kön (kvinna, man), personlighet (extrovert, introvert), handledarskap (vänster, höger), förstaspråk (t.ex. engelska, franska, spanska), politisk åskådning (vänster, höger) och så vidare. Dessa attribut är legitima oberoende variabler, men de kan inte manipuleras, det vill säga de kan inte tilldelas deltagarna. I sådana fall är en slutsats om orsak och verkan inte giltig eftersom det inte är möjligt att undvika förväxlingsvariabler (definierade i kapitel 5). Att vara man, att vara extrovert, att vara vänsterhänt och så vidare ger alltid upphov till andra attribut som systematiskt varierar mellan olika nivåer av den oberoende variabeln. Slutsatser om orsak och verkan är otillförlitliga i dessa fall eftersom det inte går att veta om den experimentella effekten berodde på den oberoende variabeln eller på den förväxlingsbara variabeln.