Nel
Paragrafo 8.4.2, si è visto che i risultati osservati potevano essere la conseguenza
dell’interferenza tra gli utenti. Riuscite a pensare a design alternativi che
possono rendere la cosa meno probabile? Ricordate che la variazione tra i singoli
era molto ampia, quindi è indispensabile mantenere un disegno within-subjects,
ma potete eseguire più test su ciascun partecipante.
Risposta
Ci sono tre modi possibili per ridurre
le interferenze.
Durante il periodo iniziale di formazione,
ai soggetti presenti fate imparare a memoria ora un gruppo di icone ora un
altro, con lo scopo che si abituino a commutare da una serie all’altra. Si
potrebbe sostenere, però, che questo design ha le stesse lacune dell’originale.
Se le icone astratte fossero state insegnate separatamente, forse i risultati
sarebbero stati migliori.
Potremmo
inventare un terzo insieme di icone "random" (chiamate R) e inserirlo
nell’esperimento, cioè presentare le icone negli ordini RARN e RNRA. L’intenzione
è prevenire qualsiasi effetto di trasferimento nel "rumore" delle
icone random. Si potrebbe dichiarare che l’esperimento misura la robustezza
degli insiemi di icone rispetto a tale "rumore"!
Potremmo fornire ai soggetti varie presentazioni, per esempio gli ordini
ANAN e NANA e questo non rimuoverebbe gli effetti dei trasferimenti, ma offrirebbe
un modo per quantificarli. Immaginate che nel gruppo ANAN la seconda presentazione
delle icone astratte sia decisamente peggiore rispetto alla prima, ma non
ci sia un effetto simile per le icone naturali nel gruppo NANA. Questo fornirebbe
sia la prova positiva di un effetto di trasferimento sia magari una misura
quantitativa, tuttavia, risulterà difficile passare da questa ulteriore prova
a una conclusione forte.
Si
noti che tutte le misure viste richiedono altro tempo ai soggetti e bisogna
costantemente valutare i vantaggi di esperimenti più ricchi rispetto a quelli
di gruppi più ampi di soggetti.