为了度量易学性，你需要确定度量标准，收集数据，并在一条线性曲线上绘制平均值，通过观察学习曲线的斜率和平台来分析学习曲线。
易学性是什么?
易学性是可用性的五大要素之一(其他四点是效率、记忆性、错误和满意度)。测试易学性对于用户频繁访问的复杂应用程序和系统尤其有价值，尽管了解用户适应你的界面的速度对于非常简单的系统也是有价值的。
易学性考虑的是用户第一次遇到界面时完成任务的难易程度，以及需要多少次重复才能有效完成任务。
在易学性研究中，我们希望生成一条学习曲线，它揭示了人类行为的一个量化方面的纵向变化。有了来自学习曲线的数据，我们可以确定用户达到饱和需要多长时间——饱和是图表数据中的一个平台，这个平台告诉我们用户已经尽可能多地学习了界面。
例如，假设我们正在重新设计一个企业文件备份应用程序，该应用程序将由IT管理员定期运行。我们假设用户会频繁地使用应用程序，这样他们就会沿着学习曲线向上发展。对于这样的应用程序，用户能够尽快完成他们的工作是至关重要的。在这种情况下，易学性研究将决定管理员学习如何快速有效地运行备份。我们招募了几个有代表性的用户，邀请他们到实验室。然后我们请他们执行备份，并测量他们第一次执行备份需要多长时间。接下来，我们让他们回到实验室，再做第二次任务——再次测量他们完成任务的时间。这个过程会重复几次。我们的研究结果将是一条学习曲线，它显示了一定数量的试验中的任务时间。
这个学习曲线显示了备份的假设完成时间是任务重复次数(或试验次数)的函数。注意，第一次重复的时间最长，然后完成的时间减少——在第4次试验中，它趋于平稳，达到饱和平台。尽管诸如需要多少重复才能达到饱和等细节会因情况而异，但这条学习曲线代表了所有人类学习的情况。
易学性和效率
易学性有3个不同的方面，每个方面对不同类型的用户都很重要:
- 第一次使用的易学性：第一次尝试使用设计有多容易?对于那些只执行一次任务的用户来说，这方面的易学性非常有趣。这些用户不会提高学习曲线，所以他们不关心它看起来如何。
- 学习曲线的陡度：通过重复使用设计，人们能多快变得更好?这方面的易学性对那些会多次使用设计的用户来说尤其重要，即使他们不会过度使用它。如果人们觉得自己在进步，越来越擅长使用你的系统，他们就会有动力坚持下去。(相反，如果人们觉得情况几乎没有好转，不管他们怎么努力，他们都会开始寻找更好的解决方案。)
- 最终平台的效率：一旦用户完全学会如何使用这个界面，他们可以达到的效率有多高?这方面对于经常和长期需要使用系统的人尤其重要——例如，当它是重要的日常任务的主要工具时。
当然，理想情况下，你的系统应该在所有3个方面都表现良好。但是，在现实世界中，设计折衷通常是必要的，你应该形成学习曲线，以主要满足那些具有最高业务价值的用户。
这些维度的相对重要性也取决于用户生活的各个阶段。新用户希望能够快速学习系统并尽快达到最优(平台)性能，但是专家用户希望平台尽可能低(即，最优任务时间越短越好)。
有时，这些不同的易学性属性可能会将设计拉向不同的方向。例如，一个可学习的系统并不总是高效的。回到我们的示例，让我们假设备份是通过带有大量说明和解释的分步向导工作流执行的。这个系统可能是高度可学习的:用户可能能够尽可能快地执行任务，即使他们是第一次完成它。但曲线会相当平坦:他们在第二次测试时的速度不会快得多，因为他们需要通过相同的屏幕，回答相同的问题。当用户对界面非常熟悉时，这种设计就会让人感觉被束缚，重复使用效率会很低。(出于这个原因，我们建议为专业用户实现加速器或流程快捷方式。)设计师必须仔细权衡易学性和效率。
此学习曲线显示具有向导流的备份应用程序的假设完成时间，它是任务重复次数(或试验次数)的函数。注意，尽管试验次数增加了，但任务时间保持在16分钟左右。这个系统是可以学习的，但是效率不高。
为什么要测量易学性?
易学性有助于可用性。它可以使用户快速上手系统，进而转化为低培训成本。此外，良好的易学性可以带来高满意度，因为用户会对自己的能力感到自信。
如果你的系统和相应的任务很复杂，而且用户经常访问，那么你的产品可能是一个很好的易学性研究案例。易学性研究需要时间和预算，所以不要随意向利益相关者推销它们。对于用户不经常完成或一次性完成的任务(例如，注册服务或提交年度税收)，测量其易学性是没有意义的，因为用户很可能在每次遇到该任务时都表现得像新用户一样。在这些情况下，一个标准的可用性测试会比一个易学性研究更适合和更划算。
开展易学性研究
在易学性研究中，我们关注于收集指标，这就是我们转向定量研究方法的原因。这种研究需要集中的任务和受控的实验，因此定量的可用性测试最适合研究系统的易学性。
参与者
在进行这类研究时，我们试图确定人们学习我们的界面有多容易。因此，收集那些几乎没有或根本没有使用系统经验的参与者是很重要的。
在测试易学性时，一个需要考虑的因素是以前使用类似系统的经验。以前的经验可能会帮助用户(例如，因为他们可能已经熟悉了域的惯例)，或者可能会降低他们的速度(例如，因为他们可能会厌恶改变)。然而，这些数据仍然是有价值的，特别是在发布新产品时，其目标是从现有产品中吸引客户。在可以的时候，招募没有类似系统经验的参与者和有类似系统经验的参与者，并计划比较两组的相应数据。
至于任何定量研究，我们建议你招募相当多的参与者(通常至少30-40人)。具体数字将取决于你的任务的复杂性，高度复杂的任务需要更多的参与者来解释更高的数据可变性，而简单的任务需要更少的参与者。
步骤1：确定度量标准
任务时间是易学性研究中最常见的指标。原因是学习的幂次定律，它说完成一项任务所需的时间会随着重复的次数而减少。本文的其余部分将假设你将收集任务的时间作为主要度量标准。
根据系统的不同，任务时间可能并不相关，因此你需要一个不同的度量标准。在这些情况下，可以考虑收集用户对给定任务所犯错误的数量。
步骤2：确定试验次数
下一步是决定收集这些指标的频率——每个数据收集实例都被称为试验。
记住，我们试图绘制这个随时间变化的度量，所以我们需要让相同的参与者多次完成相同的任务。我们建议你重复试验，直到达到一个平台。平坦的曲线表示我们的参与者已经尽可能多地学习了系统(特定于这个任务)。
在考虑试验时，你可能会问两个问题:我应该进行多少试验?试验的时间间隔应该多长?这两个问题的答案取决于你的情况。
要预测用户达到饱和学习所需的试验次数，请考虑你的系统复杂性。作为一个起点,考虑5 – 10次试验。但当有疑问时，计划比你认为你需要的更多次数的实验，原因有二：(1)可以确保已经达到了稳定平台，(2)一旦达到了稳定平台,取消实验通常比安排更多实验更容易。
如果你想知道试验之间需要多长时间，请考虑你预期客户使用该产品的频率，并尽可能匹配这个时间间隔。对于用户每天或每周执行几次的任务，可以间隔几天进行试验。但对于每月完成一次的任务，你可能需要在试验之间留出4周时间。
步骤3：收集和绘制数据
记住，为每个试验招募相同的参与者，并让他们在每个试验中完成相同的任务。(这与通常的情况不同，你希望不同的测试用户研究不同的设计迭代。)你可能希望运行一个易学性研究和测试与多个任务。如果是这种情况，一定要随机化你的任务，以避免影响结果。在研究中，用户从一项任务中获取知识，并将其应用到未来的任务中;任务随机化有助于缓解这种影响。
对于每个任务，计算每个试验的度量平均值，并将它们绘制在标有坐标轴的线图上。通过绘制每个试验的数据，你将获得该任务的学习曲线。
步骤4：分析曲线
与任何定量研究一样，你将需要分析数据的统计意义。换句话说，你必须调查试验效果是否确实显著——即，你在学习曲线中看到的下降是真实的还是数据中的噪声造成的。通常，所涉及的统计方法相当简单——以试验为因素的单因素重复测量方差分析。
一旦你完成了你的分析(大概发现了试验效果是显著的)，考虑大局:你的学习曲线的斜率是多少?不太易学的界面在曲线上的下降相对较小，需要多次试验才能达到饱和点。另外，高度易学性系统的曲线陡峭且下降迅速，重复次数较少后达到饱和点。
例如，在我们最初的文件备份示例中，用户尝试了4次才达到饱和平台并变得高效。这似乎是可以接受的。另一方面，如果他们需要30次试验才能达到同样的效果，那么他们的学习能力可能就太低了。
此外，考虑最终的效率:用户一旦学会如何执行任务，就会花费10分钟，这是否可以接受?答案可能取决于竞争对手产品的相对应的时间。如果竞争分析不可行，你也可以将结果与成本和投入产出比进行比较。如果管理员每天花10分钟以最佳方式完成备份任务，并连续一年每天执行该任务，那么这相当于3650分钟或大约60小时。按每小时100美元计算，这意味着该公司将花费6000美元来完成备份。这个数量是可以接受的，还是需要降低(通过改进设计)取决于每个产品的具体情况。
结论
一个产品的易学性告诉我们用户使用该产品达到最佳行为的速度有多快。度量相对频繁使用的用户界面的易学性非常重要。一项易学性研究包括对完成同一任务的同一参与者进行重复测量。易学性研究的结果是一个学习曲线，它将揭示为了用户有效地完成任务需要多少重复。
即使你没有进行一个完整的易学性研究项目来绘制完整的学习曲线，考虑这些概念将帮助你做出折衷决定，以设计针对你最重要的客户的产品。
原文链接：https://www.nngroup.com/articles/measure-learnability/
翻译：马克笔设计留学
如果对于设计专业留学和作品集有任何疑问，可以随时和我们联系，微信：13718574833，知无不言言无不尽！
