Introducción

El objetivo de esta entrada es continuar con la fase de definición del encargo que nos hace la UOC: Crear una app que fomente las relaciones entre miembros de la organización, y que además, sirva como herramienta para funcionalidades básicas como consultar notificaciones personalizadas, acceder a notas o utilizar la tarjeta universitaria, entre otras.

Tras llevar a cabo las técnicas de escenarios y journey maps en la actividad anterior, se llegó a la conclusión de un inventario de requisitos o características que debía cumplir la app solicitada, de forma categorizada según su tipología: funcionales o no funcionales. Este inventario nos da pie al contenido que debe mostrarse en la app, que ha sido organizado y etiquetado en el siguiente árbol de contenidos, mediante la técnica del card sorting.

En las próximas semanas, será optimizado para su navegación y búsqueda gracias a los diagramas de flujo.

Resultados obtenidos en el card sorting

En este caso el card sorting ha sido realizado de forma online utilizando OptimalSort, se ha optado por el modelo híbrido y ha estado compuesto por 25 tarjetas. Por experiencia, sé que este es el modelo que mejor funciona de forma online, ya que el usuario no tiene esa cierta incertidumbre de qué poner como categoría. Pero, si lo ven necesario, pueden añadir una nueva categoría, cosa que pocos suelen hacer.

Las categorías predefinidas fueron 5, cumpliendo con la normativa del desarrollo cognitivo que defiende que el ser humano es capaz de retener en torno a unos 7 ítems (+/-2): Actualidad, Comunicaciones, Comunidad, Configuración y Mi perfil.

Tras configurar el cardsort se lanzó a un total de 25 participantes, con edades comprendidas entre los 22 y los 36 años, que encajaban con el público objetivo de este caso: estudiantes o antiguos estudiantes universitarios que hayan utilizado plataformas o apps de formación online:
– 6 Estudiantes universitarios online,
– 9 Maestros de primaria y Profesores de secundaria que siguen formándose online haciendo másters y otras formaciones para conseguir méritos,
– 6 Antiguos compañeros de máster,
– 4 Compañeros de profesión que siguen actualizándose día tras día online.

Recogida la participación de los usuarios (23/25), se cerró el estudio y se analizaron los datos obtenidos. En el siguiente enlace se pueden observar todos los resultados: https://app.optimalworkshop.com/optimalsort/8n8e865y/gmnj21h5/shared-results/50lx8uhtmz4in432535kbld6t50432ir

Si observamos desde el clúster 3D los cuatro grupos potenciales sugeridos por la propia herramienta, podemos observar como las tres primeras categorías correspondientes a Configuración, Mi perfil y Actualidad, parecen quedar claras y resueltas por la mayoría. Pero en la cuarta categoría, se hace una mezcla entre Comunidad y Comunicación. Para ello, nos fijaremos en otra de las gráficas como es la matriz de similitud para encontrar los patrones que distingan a estas dos categorías.

Decisiones tomadas al realizar el árbol de contenidos

Como hemos podido observar la tarjeta “Tablón de comunicados” ha sido asociada por el 43% de los participantes a las tarjetas de “Centro de notificaciones” y “Bandeja de entrada email UOC”. Pero, a su vez, también hay un 34% de participantes que han asociado las tarjetas “Bandeja de entrada email UOC” y “Tablón de comunicados” a la tarjeta de “Chat entre usuarios de la UOC”. Si analizamos que ha ocurrido con esta tarjeta en cuestión, podemos ver que hay un empate, la mitad de los participantes la colocaron en el grupo “Comunicaciones” y la otra mitad en “Comunidad”, por lo que esto no nos preocupa. Aunque sí tenemos que prestar atención a la asociación de la tarjeta “Centro de notificaciones” con las tarjetas recogidas en el grupo “Configuración” que encabezan la matriz. Para saber más, consultamos también l tarjeta en particular y vemos que por una participación más, salimos de dudas y puede ser colocada dentro del grupo de “Comunicaciones”.

Como anteriormente se ha comentado en la categorización predefinida del cardsorting, se ha tenido en cuenta que la propuesta de AI o árbol de contenido no sea ni demasiado larga ni demasiado profunda, definiendo una arquitectura de 5 ítems de primer nivel de navegación y una profundidad máxima de tres niveles, y donde los ítems de segundo nivel no superan tampoco las 7 opciones.