怎样提升使用者洞悉的产品质量？也许，你需要借助于一定的形式形式，比如说“VLBI”法。不过，你知道甚么是使用者科学研究中的“VLBI”法吗？使用者科学研究中的“VLBI”，又存在着什么样竞争优势和不足之处呢？比不上来看看译者的答疑吧。
“VLBI”在使用者新体验科学研究应用领域已经开始变为一个流行时尚用词。它到底是甚么？它能怎样协助你提高使用者洞悉的产品质量呢？
一、甚么是“VLBI”？
1. 表述“VLBI”而此名词源于几何，它指的是依照未知的点向未明的点构筑正方形的形式来确认该点的边线。
在自然科学应用领域，VLBI指采用多种不同进行调查形式来科学研究同一类现象（例如专访或定量分析进行调查等）。而此基本概念跟病理学中的“交叠责难”（cross- examination）吻合，通过查问多名袭击者的供词更易吻合事件真相。这是透过发现数据的连续性和见下文来实现的。
依照《科学研究设计辞典》（Encyclopedia of Research Design）的表述：
VLBI是指使用多
科学研究的可信性通常包涵：
外部科学性（或认定科学研究的可信性）：他们在量测自己想量测的小东西吗？外部科学性（或认定科学研究的可奥皮尔河）：他们正在量测的小东西能利用到现实生活世界吗？安全性（或认定科学研究的安全性）：如果他们再做一次科学研究，是否会得出结论同样的结果？2. 类别Denzin [1] 认为，没有哪一类的形式、理论或常驻能捕捉几项科学研究中所有相关或者重要表达方式。而VLBI法正是被提出来解决而此问题的。Denzin 在 20 世纪 70 年代确认了三种主要类别的VLBI法，如今依旧被科学研究学术界广泛地普遍认可。
（[1]沃尔特·K.邓津，宾夕法尼亚大学香槟酒分校社会学系荣誉教授，质性科学研究法终身成就奖获得者之一）
1）数据VLBI（多数据集）
指在几项科学研究中使用不同的数据源。尤其是，透过不同的样本策略收集数据，例如收集不同时间、不同环境或不同的科学研究对象的数据。这种形式能用其他数据的优点来弥补当前数据存在的不足，这样能提升结果的科学性和安全性。
2）科学研究员VLBI（多科学研究员）
该形式指在同一进行调查中采用多个进行调查人员 / 评估人员。为了搞好VLBI，每一位评估者都会使用相同形式（例如专访、观察）进行相同的实验，之后将所有评估者的发现进行比较。如果所有科学研究人员都得出结论了一样的结论，那么其科学性就成立。
在使用者新体验科学研究中，同样能透过让多个科学研究人员分析同一组认定数据来实现。使用不同种族、年龄、性别和阶级群体的科学研究人员能纠正诸如观察者或专访者偏见的问题。
3）理论VLBI（多理论）
该形式只涉及一组数据，但科学研究人员会采用不同的理论或替代的理论进行诠释。人们甚至透过一些相互矛盾的理论视角来看待数据。
4）形式VLBI（多形式）
指在使用不同的形式来科学研究一类情景或现象。其目的是用其他形式的优点补足某一类形式的不足和偏差。该类别的VLBI与在自然科学科学研究中所使用的“混合科学研究形式”（mixed-method approaches）类似，用一类形式得出结论的结果来提升、增强和阐述另一类形式的结果。
二、使用者科学研究中的“VLBI”
不同的形式能答疑不同的问题，但同样也有一定的不足之处。在使用者科学研究（或者说任何一类自然科学研究）中没有哪种形式是完美的。
利益相关者或初级科学研究员们会经常来问我，到底该怎样解决各种科学研究形式的不足之处，我的答疑通常就是“VLBI”。即使是计划周密、控制得当的科学研究依旧会存在局限。但针对特定的问题采用多个视角（形式、数据点、科学研究人员以及理论），能提升他们的信心，协助他们获得可信性。
在使用者新体验科学研究中，最常用的VLBI类别就是“形式VLBI”（例如透过进行调查和专访来科学研究同样的问题）和“科学研究员VLBI”（例如多个科学研究员分析同一组数据）。VLBI使他们对科学研究数据更有信心，揭示意想不到的发现，对现象有更清晰的认识。
使用者科学研究中应用VLBI的例子针对一个问题使用多种不同形式进行科学研究以理解使用者的行为及其原因。例如，他们能进行调查使用者怎样使用一个特定的功能，然后透过深度专访来探究为甚么使用者会这样用。使用混合形式常常能让他们用更清晰的视角看问题。
通常来说，科学研究会从认定的形式开始，以确定和缩小问题。例如，在做发现科学研究时，他们能从专访开始，一旦他们确认了一些主题，就能用定量分析的形式来验证他们的见解。当然过程也能反过来，这取决于他们已经开始科学研究的问题。
三、“VLBI”的不足之处
无论是哪种
这意味着，使用VLBI能增加他们对自己的见解的信心。
然而使用而此形式的同时，需要警告的是，它也可能导致“证实偏差”。可能你不太熟悉而此含义，“证实偏差”就是描述他们潜在的倾向，即注意、聚焦且更相信那些符合他们现有信念的证据。
如果你之前并未使用过VLBI，请记住它有时会得出结论矛盾和不一致的结果。在这些
VLBI有助于他们对已经开始科学研究的现象有更宽泛的视野但依旧不是全貌。不用说，合适的设计科学研究依旧对保证可信性至关重要。如果你的设计科学研究较差，那么VLBI将对你协助不大 ——输出的产品质量往往取决于输入的产品质量。
四、何时使用“VLBI”
理想情况下，他们希望有数月的时间以及无限的预算来进行科学研究。但是事实是，他们通常会发现他们几乎没有足够时间来严格执行某一类形式，且资源有限。这就使得应用VLBI具有相当大的挑战性，它无法应用在他们所做的每个科学研究中。
所以他们应该怎样决定甚么时候使用VLBI呢？
做高度重要工作时：他们无法每次做三角测量，但是当需要做一些可能会影响业务和使用者的重要的决策（例如重大的重新设计），他们需要优先考虑它。你的团队中拥有多名科学研究员时：组成一个小组，让至少 2 名科学研究员参与数据收集和分析的工作。这能有效协助你控制一些偏差（例如专访者偏见）。与其他团队合作：当开始一个新的项目时，你能从查看现有数据和产品分析开始。让数据分析师和产品经理参与进来。原文译者：Dr Maria Panagiotidi（本文翻译已获得译者的正式授权）
原文：Triangulation in UX Research – by Dr Maria Panagiotidi (substack.com)
译者：蓝建杭；审核：李泽慧，张聿彤；
本文由@TCC翻译情报局 翻译发布于人人都是产品经理，未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协议
该文观点仅代表译者本人，人人都是产品经理平台仅提供信息存储空间服务。
