世界第一的半導體公司需要什麼樣的UX心理學

2019年11月25日 13:51
前情提要
Hoi 大家好,現在在荷蘭1、2度的氣溫享受住在冰櫃的感覺...
實習公司旁的春雪秋晨 之前在留學版分享的文章簡單講述了 荷蘭的碩士課程如何將心理學應用在科技上去改變我們的行為舉止。 這篇文章想再深入討論 那該如何設計實驗來驗證所預期的心理行為是否真的會發生 。 例子是我在荷蘭半導體大廠ASML實習時所寫的碩士論文,旨在找到新的色盤去提升工程師的數據判讀能力。 給做設計的、有心理學背景的,或想切入UX領域的卡友們,一個不太一樣的方向 ————————分隔線———————— 我們活在大數據的時代, 生活中的互動都少不了數據的產生與交換。 在這麼龐大的數據面前,我們該如何快速理解和判斷,數據可視化(Data Visualization)是最直觀的方法。
在可視化的運用中, 色盤(colormap)的使用更是關鍵性地影響資訊的呈現。
在半導體產業裡,分析晶圓數據的能力至關重要,晶圓圖(Wafer Data Plot)能幫助工程師快速掌握晶片製造的狀況,再決定下一步的動作。
擁抱創新,讓ASML站穩半導體機台研發與製造的龍頭地位,但對於視覺化數據這一塊,30年來卻不曾有什麼改變,一直沿用彩虹圖(Rainbow Colormap)至今。 因此,他們希望我藉由這份碩論研究,看能否完成一份晶圓數據的色彩指導,提升工程師判讀數據的能力。 🔎 研究方法 在研究的開始,我查閱了過去關於色彩研究的論文和實驗。 觀察到很有趣的狀況:
從1980年開始,這近40年間有許多研究推薦了更適合的色盤用在數據分析,它們基於感知心理( perceptual)理論或是實際的實驗證明- 這些新顏色應該表現更好。 有部分論文更是直接批判目前廣泛應用的彩虹圖(Rainbow Colormap),然而這顏色也在ASML用了30年。 簡單解釋一下彩虹圖的主要問題在哪:
但儘管研究結果是如此, 現實我們看到的是…
在公司訪談我發現幾乎所有的開發團隊都仍在使用彩虹圖做晶圓判讀,甚至覺得沒有什麼改變的必要。給他們看了UX team之前設計的新色盤效果,還強烈地反對了這個提案。 💢“天啊!你們要改成這個?這新顏色我一點都不想用!“
我發現了30年來理論和現實的落差 👉設計師從觀察問題找到解決的答案;研究者(Researcher)從許多答案中,找到合適的答案去解釋問題。 在訪談的過程中,我發現這些工程師對於新顏色的強烈反彈,從認知心理的角度-心理模型(mental model)或許可以解釋這個現象。
翻開手機,我們或許注意過,為什麼一些功能類似的app的圖標長得都差不多? 心理模型是指,當人在面對新的資訊時,會仰賴過去的經驗幫助我們做快速判斷,所以UI設計運用這些生活上我們熟悉的物件當做app圖標設計的參考,讓我們立刻知道這app大概有什麼功能。 🔎 研究問題 “使用者對於色盤的心理模型是否影響數據可視化的判讀” 為了驗證心理模型的差異是否影響決策,我將受測者對於彩虹圖的經驗分成專家(Expert)與非專家(Novice) 📒 假設一 (聚焦在專家組)
在ASML打滾多年的員工對於彩虹圖有豐富的經驗,在實驗開始時,應該能觀察到用彩虹圖的優勢 (快速判讀、高答對率),不過經過幾次重複實驗,其他感知理論上有優勢的色盤在最後應該能超越彩虹圖。 📒 假設二 (聚焦在非專家組)
非專家作為對照組,在重複實驗的開始到結束,因為這些員工沒有色彩讀圖的經驗,使用其他的色盤的表現應該能一直都比彩虹圖好。 🔎 實驗設計 有了實驗假設,接下來就是設計實驗。 我想設計出一個實驗平台,能複製這些工程師平常讀晶圓圖的任務,畢竟總不能做一個毫不相干的色彩測試,然後告訴他們這個顏色用在他們工作中也是一樣有效。 因為不同團隊有不同的讀圖方式,我試著了解他們這些數據分析的背後,能否總結出幾個核心目標。 最終我歸納成一個2x2的矩陣,2種聚焦,2種讀圖類型: 📝實驗架構
📝色盤選擇 有了實驗的架構,再來就是選擇測試的色盤。基於幾篇感知心理學的色彩研究,我選了兩種類型的色盤對於ASML常用的讀圖方式(Pattern Recognition & Spot Finding),理論上會表現最好。
📝實驗平台架設 這邊只舉其中一個實驗為例,後續的結果也以這個實驗做討論,不然內容真的太長… Task#1: Heatmap Pattern Recognition 工程師會從晶圓圖上判斷趨勢、比較不同區塊的差異、面積大小,所以他們能不能快速且精準地判斷圖形是這個實驗的重點。
📝實驗流程
受測者基於色彩讀圖經驗的差別,分成專家組跟非專家組。 在三次實驗結束後都會填寫一份問卷,對於他們使用彩虹圖時給的答案有多少信心。 🔎實驗結果 兩種判斷受測者實際表現的指標 ⏱️時間表現(花多少時間回答每一題)
可以看到在 右邊的非專家組(Novice),理論上有優勢的色盤(藍線的Diverging),在實際表現上也比彩虹圖(黃線)能快速做判斷。 不過對於左邊的專家組(Expert)來說,他們熟悉的彩虹圖判讀時間會比其他色盤來得快。 🙆答對率表現(每一題的答案正確與否)
這邊的結果很出乎意料,可以發現理論上有優勢的色盤(藍線),在答對率表現上,從頭到尾在兩個受測組中都表現比彩虹圖(黃線)好。 👉從實際表現,我們可以說彩虹圖的心理模型,能幫助專家做出快速的判斷,但卻無法幫助正確的判斷。 🔎額外的心理研究
前面的實驗驗證了實際表現上的差異,我想再深入了解那從心理上又有什麼差異? 在實驗流程的段落有提到,我在實驗的最後讓他們填寫: “在這個實驗,對於使用彩虹圖給的答案,你有多少信心?”
右邊的非專家組的趨勢圖很合理:信心越高,實際得到的分數也越高 但左邊的專家組的趨勢圖就很有趣:信心越高,實際得到的分數卻越低 👉從心理表現上,專家用彩虹圖的時候,判斷很快,但不代表一定正確,可是卻超級有信心! 🔎設計 X 心理研究
這是一份非常難得的經驗,恰好地結合了我在大學所學的設計與在碩士學的心理研究,一個學術生涯的總結。 從設計角度,我提供公司一份色彩指導,未來工程師要繪製晶圓圖跟同事、客戶溝通時,可以基於他用什麼數據類型、聚焦是什麼,去找到相應的最佳色盤。 從心理研究角度,解釋了這個現象的存在會造成工程師什麼樣的誤判,以及未來ASML要推這個新設計時,必須克服的心理問題。 希望給想走設計研究這條路或是還不知道可以怎麼走的卡友們一個不太一樣的參考。 祝留學的大家一切順心 準備留學的卡友們一切順利!
229
回應 15
文章資訊
共 15 則回應
喬治亞大學 心理學系
你好棒🥺👏
是荷蘭復古大亨! 推個👍🏻
你的分享有深入淺出的感覺~~~超棒的推個💛
台夫特理工大學 化學工程系
之前就有看到你分享這篇!但一直很想問,業界會以這種方式做ux嗎?因為這很心理實驗(變項操弄、準確率、反應時間之類的😆)但之前有聽說其實業界的ux還是質化研究比較多?
(老實說看不太懂,太專業了😫) 所以想請問一下,結論是有些顏色更有助於提升客戶對該專案的信心嗎?😳
蘇黎世聯邦理工學院
很有趣的碩論,謝謝分享。個人的一點想法,會不會其實rainbow被業界大量使用是有其他原因的呢? 大部分的情況下,測到的參數對於製程結果的影響不會是線性的,而是quadratic或exponential。也就是說,製程上的誤差必須要超過或低於一定的閾值才會對元件產生影響。使用rainbow這種強調極值的colormap有沒有可能比起線性的colormap其實更能強調背後的物理現象呢?
B1 謝謝妳! B2 過陣子會寫新的打字機 呼呼 B3 很開心聽到這樣的感想 謝謝! B4 黑色星期五 你們要忍住 B5 妳說對了! 我現在在的新創小公司就沒有 不過大公司應該有機會能做這樣的深入研究 只是以面試的經驗來說 一般公司還是期待做質化研究為主 B6 提升信心可能短期無法 他們對於過去習慣的顏色太有信心(儘管答對率很低)找到的新顏色則是能提升他們對數據的判斷品質 B8 謝謝吃貨! B7 很開心能看到這樣的討論 這邊沒有講的是,我們其實有比較單線性的colormap和雙線性(Diverging)的差異性,結果也的確是單線性的表現非常之差,可是雙線性的就沒問題,答對率也比rainbow好,原因是rainbow雖然對比度高、好觀察數據的整體變化,但是會造成某些地方被過度強調(並不是在兩側極值的位子),這容易造成工程師誤判數據(這個實驗結果也證明這個問題是存在的)。 我在想可能是3-40年前還沒有這些的色彩研究,彩虹圖是最豐富且鮮艷的顏色選擇,拿來渲染數據看起來就很清晰、多變化,所以一直被沿用至今,但現在發現有問題要改也來不及了。
读一遍没懂 但有个大概的概念 感觉以后会用到 追踪你了! 谢谢分享~
為什麼說這間是世界第一,英特爾吧? 再下來也是三星、台積電。純疑問而已
B10 希望能有幫助! 謝啦 B11 他們三家跟ASML方向不一樣 ASML是設備製造 提供給前面三家去生產晶片 全球市佔率第一
B12 哦哦設備哦 了解
國立臺灣科技大學
你好~之前就一直對你的文章很有興趣 目前也是在做跟色彩相關的研究(colour harmony) 但一直覺得設計師在做設計時很少根據研究而設計 感覺未來研究結果比較偏向學術研究類型 而少了實際的應用,所以一直覺得很矛盾 可以請問你的工作會往這方面的研究嗎或是什麼類型的工作呢🥺
B14 哩賀 謝謝妳~ 這的確是很現實的問題 我現在的工作是做App開發的設計師 實際產出還是大於研究 不過一些提案如果缺乏實際用戶測試的結果(時間短 沒法驗證),我就會從學術研究的角度去找參考資料來支持這個方案 要純學術的研究 可能還是得去大公司 他們才有這樣的餘裕去負擔這方面的專案