Kategorie: Assignment #3

[A#3, P1] Requirements

Analyze your (qualitative) data using affinity diagramming

We did the analysis firstly with the interview… (in Miro)
and afterwards added some insights from the application.

Derive a primary persona from your data-gathering insights

The Photo is made with a GAN. The document is made in xtensio with their provided template.

Create scenarios

Scenario 1
Jorg does the groceries each Saturday after he finishes doing the chores. Jorg is used to coming back home from work exhausted and not in the mood to cook especially that he used most of the ingredients he has bought last Saturday. For this exact reason, Jorg had the habit to eat outside or order food on Thursdays and Fridays.
After he installed HelloFridge, Jorg rushes to her kitchen every timeshe arrives home from work, opens his fridge and his kitchen closet, and starts creating an ingredients list in the HelloFridge application. After finalizing the list and clicking the confirmation button, Jorg will see a variety of recipe suggestions that he can choose from.
When
Jorg does the groceries each Saturday after he finishes doing the chores. Jorg is used to coming back home from work exhausted and not in the mood to cook especially that he used most of the ingredients he has bought last Saturday. For this exact reason, Jorg had the habit to eat outside or order food on Thursdays and Fridays.
After he installed HelloFridge, Jorg rushes to his kitchen every time he arrives home from work, opens his fridge and his kitchen closet, and starts creating an ingredients list in the HelloFridge application. After finalizing the list and clicking the confirmation button, Jorg should see a variety of recipe suggestions that he can choose from.
Where
Jorg does the groceries each Saturday after he finishes doing the chores. Jorg is used to coming back home from work exhausted and not in the mood to cook especially that he used most of the ingredients he has bought last Saturday. For this exact reason, Jorg had the habit to eat outside or order food on Thursdays and Fridays.
After he installed HelloFridge, Jorg rushes to her kitchen every time he arrives home from work, opens his fridge and his kitchen closet, and starts creating an ingredients list in the HelloFridge application. After finalizing the list and clicking the confirmation button, Jorg should see a variety of recipe suggestions that he can choose from.

Scenario 2
Jorg does his weekly groceries on Fridays on his way back from work. Directly after arriving, Jorg starts arranging the food products in the fridge and kitchen closet. During this process, Jorg opens HelloFridge to create an ingredient list. After finishing, he should get a list of possible recipes as result. By selecting a recipe, Jorg can add the recipe to favorites or plan it in the calendar.
Each time Jorg confirms a recipe to tell HelloFridge that he has cooked it, the ingredients can be subtracted from the current ingredients list and new suggestions should get generated from the updated ingredients list.
When
Jorg does his weekly groceries on Fridays on his way back from work. Directly after arriving, Jorg starts arranging the food products in the fridge and kitchen closet. During this process, Jorg opens HelloFridge to create an ingredient list. After finishing, he should get a list of possible recipes as result. By selecting a recipe, Jorg can add the recipe to favorites or plan it in the calendar.
Each time Jorg confirms a recipe to tell HelloFridge that he has cooked it, the ingredients can be subtracted from the current ingredients list and new suggestions should get generated from the updated ingredients list.
Where
Jorg does his weekly groceries on Fridays on his way back from work. Directly after arriving, Jorg starts arranging the food products in the fridge and kitchen closet. During this process, Jorg opens HelloFridge to create an ingredient list. After finishing, he should get a list of possible recipes as result. By selecting a recipe, Jorg can add the recipe to favorites or plan it in the calendar.
Each time Jorg confirms a recipe to tell HelloFridge that he has cooked it, the ingredients can be subtracted from the current ingredients list and new suggestions should get generated from the updated ingredients list.

Model two Use Cases with UML

Simple Use-Case of using HelloFridge when having Leftovers
Using HelloFridge directly after buying food products

Who did what?

In this week we worked close together since the tasks required a lot of comunication and discussions. It’s difficult to identify the real difference.

What did we learn?

We discovered the new methods which we had first in the live session. We also practiced the skills which we got introduced during „Software Engineering“.

What went well?

Our communication is very good. We have a good common language regarding all our project tasks and it’s easy to share opinios, even during online learning.

What do we want to improve?

In the next week we will try to keep a better work book since our current Miro workbook is filled with the challenges from all the weeks before and that’s not clear anymore.

[A#3, P4] Conceptual Model for User & Context

Analyze your (qualitative) data using affinity diagramming

Im Folgenden sehen Sie die in der Übung beschriebenen Schritte zum Affinity Diagramming. Der erste Schritt (alle Notizen auf einzelne Punkte aufteilen) wurde dabei nicht extra dokumentiert. Die Priorisierung im letzten Schritt ist durch eine Hervorhebung in Rot dargestellt. Wir finden die Erkenntnisse zur Implementierung (i.e. Features und Output), sowie zur geplanten Verwendung durch den User am wichtigsten. Allerdings sind die beiden rot markierten Inhalte über Schemata und Zusätzliches ebenfalls als wichtig erachtet worden, weshalb wir diese gesondert hervorgehoben haben.

Derive a primary persona from your data-gathering insights

Hier sehen Sie die von uns erstellte Persona „Jura Yun“. Wenngleich auffällt, dass wir bei der Erstellung viel Spaß hatten, hat uns das Erstellen der Persona die Wichtigkeit einer strukturierten Darstellung stark verdeutlicht. Man bekommt ein Gefühl dafür, dass Jura als Fach sehr unübersichtlich ist und dadurch ein hohes Maß an Strukturierung fordert. Andernfalls könnte die Persona (i.e. der User) später leicht überfordert sein und die App wäre keine Erleichterung sondern im schlimmsten Fall sogar eine weitere Hürde im Lernprozess. Die Persona ist als PDF-Datei angehängt.

persona_jura_yunHerunterladen

Create a scenario

Im Folgenden Szenario sind „what“ und „where“ in der hier gezeigten Art und Weise hervorgehoben.

Yun schaut auf sein Handy und weiß, dass gleich sein letzter Kurs vorüber ist. Nach der Uni begibt Yun sich in die Bibliothek um die Übung zum nächsten Termin fertig zu machen. Wie immer stört ihn seine schwere Tasche, die allerhand Schemata enthält. In der Bibliothek angekommen hält er nach einem freien Tisch Ausschau. An diesem Tisch sollte möglichst niemand sitzen, damit Yun seine verschiedenen Schemata ausbreiten kann. Das Suchen ist nervig und manchmal findet er keinen Platz. Heute hat er aber Glück und findet einen freien Tisch. Yun muss heute prüfen, ob der mutmaßliche Täter einen Mord oder nur Totschlag begangen hat. Dafür benötigt er die Schemata des Strafgesetzbuches. Das Schema für Totschlag findet er nicht in seinen Unterlagen. Deshalb muss Yun nun erst einmal im Internet nach diesem Schema suchen. Nachdem er das Schema gefunden hat, legt er sich schon einmal die weiteren Schemata parat, die er für die Prüfung auf Totschlag benötigt. Nachdem er diese Schemata parat gelegt hat, geht er alle diese Schemata durch und prüft, ob er noch weitere Schemata benötigt, damit er den Fall endgültig prüfen kann. Er bemerkt, dass er für eines dieser Schema noch zwei weitere Schemata prüfen muss. Nachdem er den Fall nun endlich geprüft hat, packt Yun seine Sachen zusammen. Weil er nicht weiß, welche Schemata er beim nächsten Mal benötigt, gibt es keine Ordnung in seiner Umhängetasche. Er denkt beim einpacken daran, wie er nächstes Mal wieder erst einmal die
Schemata suchen muss. Mit der Hoffnung, dass es irgendwann eine Lösung für diesen Papierberg, den er tagtäglich mit sich rumschleppen muss, gibt, geht er nach Hause.

Model two use Cases with UML

Hier sehen Sie die erstellten Use Case UML-Diagramme. Wir haben uns für die drei wichtigsten Aktionen der User entschieden. Das generieren von Schemata, das Exportieren der Schemata und das Speichern der Schemata.

Seiten: Seite 1, Seite 2

[A#3, P2] Conceptual Model for User & Context

1. Affinity Diagramm

Our questionnair includes 23 questions out of five categories. The categories are „Food planning“, „Grocery shopping“, „Cooking“, „Leftovers“ and „App“. Since we already had this presorting we started our affinity diagramm by listing the given answers to the categories in different colors.

Answers to the categories „Food planning“ and „Grocery shopping“
Answers to categories „Cooking“, „Leftovers“ and „App“

Illustrating the answers with the different colors and headers helped us realizing, that we need to rethink which answers are really important for the diagramm. We cut out the time expenditure subheaders and were able to categorize the answers to four groups.

Affinity Diagramm with four categories.

2. Primary Persona

The primary persona is based on our semi-structured interview. The main features of this person is the love for food but also the struggle of finding recipes that fit to the food tolerance and the prioritized diet. The other struggle this persona has is to minimize his wasted leftovers and cooking ingredients.

(Image source „https://unsplash.com/photos/iFgRcqHznqg„)

3. Extreme Character

Our extreme persona is a mother of two. Money is short and she struggles to prevent her kids a healthy and balanced diet. Another challenge for her is the food intolerance of her child.

(Image source „https://unsplash.com/photos/AkGd_YB6Q2c“)

4. Scenario

Our scenario is based on the persona of task 3.

Every day Leroy wakes up and first thing in the morning is coffee and a slice of freshly baked bread. The bread is from a local bakery specialized on sourdough bread. His favourite.

After the coffein has started his effect he’s headed to his desk at home. Work calls. For the next 2-4 hours he will sit here and answer calls and do paper work.

Work is done and he slowly gets hungry again. The same question as every day comes to his mind „What’s for lunch„. He has some stuff in his fridge but isn’t exactly sure what to do with it. He starts searching on cooking websites for ideas. It takes him about 20 minutes until he found something he likes to eat (and doesn’t contain ingredients he is allergic to) on that day. The recipe doesn’t contain any ingredients of the things he already has at home so he has to go grocery shopping as he has to most days.

Next thing he does is writing a list for his grocery shopping. He writes it on his phone. The shopping trip will be fast, because he exactly knows what to buy and where to find it.

He’s still a bit exhausted after the workday and his shopping trip, but gladly he chose a recipe that will only take about 30 minutes with preparation. He cuts the vegetables, and puts half the brokkoli into the fridge. He will use it next time. (He didn’t use it next time. He threw it away a week later with half a lemon, a quarter onion and a green pepper that came in a package of 3 different colored peppers.)

The food tasted great and he emptied it on the same evening.

5. Use Case Diagramm

We decided to create four Use Case Diagrams. One for the case that someone just wants a recipe for the current day, one for the case that the person likes to get inspired (This is supposed to be daily changing recipe ideas) and one for the case that soemone wants to plan food for the whole week. The fourth diagramm shows the whole basic process with and without an account.

The first three Use Case diagrams show the process for users without a profile. If the user decides to create an account the filters don’t have to be specified every time. It will be saved in the settings chosen when creating the account.

Seiten: Seite 1, Seite 2

[A#3, P4] Conceptual Model for User & Context

Affinity Diagramming

Step 1: Share Data

Step 2: Clustering

Step 3: Headlines

Steps 4 and 5: Super Headers and Priorities

Primary Persona

Melanie Mayer, 25 Jahre alt, Medizinstudentin


Sie ist bewegt sich gerne, ist aber keine Extremsportlerin. 
Wohnt seit einem Jahr in Berlin und geht mittlerweile dreimal die Woche spazieren, was allerdings durch Corona zugenommen hat. Dabei ist sie selten länger als eine Stunde unterwegs und die Routen, sind zum Teil auch der flachheit Berlins geschuldet, relativ einfach und nicht im besonderen anspruchsvoll.
Ihre Lieblingszeiten zum Spazierengehen sind die frühen Abendstunden.
In der Regel ist sie alleine unterwegs und hört dabei Musik. Um ihre Sicherheit macht sie sich dabei keine größeren Sorgen, trotz der Großstadt.
Sie liebt es neue Orte zu entdecken, wobei Sie sich allerdings nicht zuhause auf den Spaziergang vorbereitet, sondern die Route in der Regel aus einer Laune heraus entscheidet.
Sie kennt sich relativ gut in ihrer Umgebung aus, hat aber generell interesse daran, mehr über ihr Viertel/Stadtteil zu lernen und zu entdecken.
Sie benutzt bisher keine technischen Hilfsmittel für die Bestimmung ihrer Route, hat aber interesse daran auszuprobieren, ob dies ihren Spaziergang bereichern würde.
Der Spaziergang hilft ihr den Alltagsstress abzubauen und sie fühlt sich gesünder und fitter, wenn sie sich regelmäßig bewegt.

Extreme Character

Thomas Schneider, 29 Jahre alt, U-Bahnfahrer bei der BVG

Thomas kann, wenn er in Szenarien verwickelt wird, die ihn überfordern, oder wenn er unter zu viele Leute gerät Angstzustände entwickeln.
Aus diesem Grund verlässt er das Haus meistens nachts.
Seine Einkäufe erledeigt er am liebsten online, da für ihn ein Besuch im Supermarkt sehr belastend und anstrengend ist.
Trotzdem bewegt er sich gerne und geht beinahe jeden Tag nachts, in der Regel nach 11 Uhr, spazieren.
Am liebsten läuft er dann durch die Stadt und genießt die Stille.
Er ist der ersten dem auffällt, wenn in seiner Umgebung ein neues Haus gebaut wird oder ein neues Geschäfft eröffnet. Ihm fällt jegliche Veränderung auf.
Bevor er das Haus verlässt recherchiert er wo es neue Baustellen gibt oder ein Geschäfft neu eröffnet hat. Ihm ist es wichtig im Bezug auf seine Umgebung auf dem Laufenden zu bleiben. Desweiteren kennt er jegliche Gebäude seiner näheren Umgebung und weiß genauestens über deren Funktion bescheid.
Dies gibt ihm ein Gefühl der Sicherheit.

Scenario

Melanie steht morgens um 9 Uhr auf und stellt die Kaffeemaschine an, während sie duscht. Im Anschluss schaut Sie sich ihre heutige Online-Vorlesung an, während Sie frühstückt und ihren Kaffee trinkt.
Ihre arbeit für die Uni ist gegen 17 Uhr in der Regel erledigt und sie geht, nachdem sie sich eine halbe Stunde bei Youtube entspannt hat, spazieren.
Dafür nimmt sie ihre Kopfhörer, ihren Hausschlüssel, etwas Bargeld, aber nicht die ganze Brieftasche, und selbstverständlich ihre Maske mit.
Meistens zieht es sie in Richtung des nahegelegenen Parks, indem sie gerne spazieren geht. Auch die in der Nähe liegende Schrebergartenkolonie ist eine gern gewählte Anlaufstelle.
An dem heutigen, recht sonnigen, Tag wandert es sie allerdings ziellos durch die Straßen ihres Viertels, da sie sich nach etwas Abwechslung sehnt und auch ein wenig danach ein paar andere Gesichter zu sehen.
Sie nutzt den Spaziergang um sich bei einer nahe gelegenen Rösterei einen Kaffee zu holen und sich auf eine Bank zu setzen. Dabei hört sie ihren Lieblingspodcast.
Auf der gegenüberliegenden Straßenseite fällt ihr ein sehr schönes Gebäude auf. Sie vermutet es stammt aus der Renaissance ist sich aber nicht sicher. Das Gebäude sieht recht offiziell aus und sie fragt sich, ob es öffentliche genutzt wird. Sie probiert das Googeln kommt aber nicht weiter und bricht die Suche nach 3 Minuten ab.
Anschließend geht sie einen anderen Weg zurück nach hause und macht sich Abendessen.
Es gibt Nudeln mit einer selbstgemachten Tomatensoße a la Arrabiata.

UML Use Cases

Use Case 1: Routenvorschlag hinzufügen

Use Case 2: Routenplanung starten 

Assignment reflection

WHO MADE WHAT CONTRIBUTION?
We together conducted the Affinity Diagramming, defined persona and came up with a scenario. Marc and Sebastian also worked on the UML Diagramming while Milos finished the Blogpost as a whole.

WHAT DID YOU LEARN?
In this Assignment we dived deeper into our app ideas. While working we learnt how to practically implement personas and scenarios using the data we previously collected. We also have a better understanding now why such analysis make sense before jumping into coding.

WHAT WENT WELL?
We really liked doing that and found it quite interesting, because we had to think about actual usages of our application. Creating a persona went really good, so we decided to also create an extreme character as an additional element. 

WHAT WOULD YOU LIKE TO IMPROVE?
On the other hand, we did not find Affinity Diagramming quite useful neither for our quantitative survey nor for our qualitative interview data, because it was "too obvious". Probably larger amounts of data would be more senseful for such analysis. Other than that there is nothing we would like to improve specifically, since we are quite satisfied with out team flow and app idea.

[A#3, P5] Sleepy Heads – Conceptual Model for User & Context

Affinity Diagramming

For this task we used the website Google Jamboard
Here is an explanation for the different colours we used:

  1. Share Data
    At first we put each information on a sticky note and sorted them by the different data gathering method we used namely interview and markt analysis:

2. Clustering
Then we organzied them into different categories…

3. Headlines
…and gave them headlines:

4. Super Headlines
Then we discussed if we could combine some categories or not and gave
these new categories headlines too.

There you will see that some of our undercategories changed a bit due to our
constant discussions about the informations that we gathered.

5. Prioritize
In this final step we prioritized each category as to whether it is super
important for designing our mobile application or not.

Seiten: Seite 1, Seite 2, Seite 3

[A#3, P7] Veritas – Conceptual Model

In the previous week we interviewed three students in our target group and conducted a public survey to get an overview on how the general public forms their opinion on political topics.

In total we received 122 responses to our questionnaire, of which 61% are male and 56% are students. Most of the participants (78%) are younger than 36 years.

1. Affinity Diagramming

Our questionnaire consists of 15 questions, including 13 multiple-choice questions and two text-field questions. We used the responses to the question What are your usual steps when trying to form an opinion on a controversial topic? as input for our affinity diagram because it received the most qualitative answers.

We used miro.com to sort through and categorize the responses. The below image shows the initial state of the diagram.

https://cdn.discordapp.com/attachments/834058821948276749/839150273712226334/Screen_Shot_2021-05-04_at_16.18.31.png
Initial state of the affinity diagram.

We sorted the responses into 4 major categories (gray/white) and 4 subcategories (colored). Unsurprisingly, the majority of participants responded that they Look up information when trying to form an opinion. The blue area contains participants that attempt to look up information of both sides of the story. This is our target group because they are willing to understand multiple viewpoints, but possibly lack easy access to websites across the political spectrum.

https://cdn.discordapp.com/attachments/834058821948276749/839150441895297038/HCI_-_3-2.jpg
Final state of the affinity diagram.

2. Primary Persona

To form a primary persona we used the responses from our three interviews and the average response to our questionnaire. The majority of facts about the primary persona in the following picture is directly based on responses, e.g. favorite apps and age. The the remaining facts, such as curious or helpful, are simply invented and thought to be well fitting.

https://cdn.discordapp.com/attachments/834058821948276749/839932574091706388/Screenshot_2021-05-06_at_20.20.30.png
Primary persona.

3. Scenario

To create a scenario for our persona we used our entire dataset and came up with a story aligns with the primary persona and attempts to describe how application is supposed to be used. WHAT questions are printed in bold and WHERE/CONTEXT questions are printed in italic font.

Each work day when Mark commutes to university with public transportation, he quickly checks his Reddit feed for some minutes in between transfers. On his favorite subreddit, /de, he finds entertaining content. Many posts contain political content, often directly referencing news articles, and comments of other users. Mark wants to read about other perspectives off one post he deems opinionated. He uses the share button provided by Reddit to share the URL of the newsarticle with the app VERITAS. There, he gets an overview of other articles about the same topics. He can easily discern the political positions of the post on Reddit and other articles.
After a long day of studying, Mark is laying in his bed, about to sleep. He just wants to briefly check his Instagram before. He sees an interesting post about US politics liked by one of his friends. The post has some images with text describing a controversy about a US politician. He finds the information shocking and wants to read more about it. He uses VERITAS to loop up the topic he is concerned about and gets a collection of articles he can briefly skim over.

4. Two Use Cases

The following UML diagram depicts two use cases: (i) the administrator updating articles on the political spectrum and (ii) the potential user of VERITAS search, rating, and reading articles.

https://cdn.discordapp.com/attachments/834058821948276749/839935784185495603/Veritas_UML.jpg
Two use cases for our potential user and the administrator of VERITAS.

Reflection

Who did what?

First, we sat together to discuss the results of the interviews and questionnaires. After we selected the responses to put in the affinity diagram we categorized them. After that we split the tasks between us: Arne worked on the primary persona, Daniel wrote the scenario, Mateusz created the use cases, and Clemens put everything together in a polished blog post.

What did you learn?

We were excited to learn about affinity diagrams. Although initially skeptic about its scalability and usefulness, we soon found it to be useful and quickly got a nice overview of the responses.

[A#3, P8] Conceptual Model for User & Contect

Tasks

1. Affinity Diagramming

Original

The picture shows you the initial unsorted result of data collection from the user interview.

1st Iteration

After the first iteration the clusters of ideas are created. The ideas with related content are grouped together.

2nd Iteration

Headlines are created for each group, which describes what the user ideas are about.

3rd Iteration

Superheadlines are created for inter-related subgroups, which reflect the idea categories.

4th Iteration

We settled the Priority for each category, to show which user needs/expectations are our primary tasks.

All diagrams are created using Google Jamboard as a collaboration tool.

2. Primary Persona

The Persona is created using a free version of online tool xtensio with provided template. The photo of Max is downloaded from Unsplash, where provides freely-usable images.
Accessed at 14:05, 4.May 2021.

3. Create a Scenario

Color code: what & where

Freitag Abend möchte Max sich, wie vor Coronazeiten auch, mit seinen Freund_innen treffen, um einen entspannten Abend zusammen zu haben. Dafür setzt er sich in seinem Zimmer vor seinen Computer und loggt sich auf der Spielewebseite ein. Er klickt auf die Gruppe, die er zusammen mit seinen Freund_innen hat. Aimee hat keinen eigenen Account auf der Spielewebseite, weshalb ihr Max eine Link zuschickt, mit welchem sie auf die Gruppe zugreifen kann. Hier startet er den Videochat mit ihnen.

Nachdem sie für ein Viertelstündchen ein bischen gequatscht haben, wollen sie anfange zu spielen. Was genau, wissen sie noch nicht. Max würde aber gerne mit einem recht kurzen Spiel einsteigen, eine andere Person aus der Gruppe möchte ein Brettspiel spielen, eine weitere ein Logikspiel spielen. Sie geben ihre Kriterien in dem Vorschlag-system der Webseite ein, indem sie entsprechende Filter auswählen. Es wird ihnen eine Liste von Spielevorschlägen angezeigt. Nachdem sie sich die Kurzbeschreibung der ersten fünf Spiele angesehen haben, entscheiden sie sich für das 3. Sie klicken es an und beginnen direkt das eingebettete Spiel auf der Webseite. Sie kommunizieren weiterhin per Audio und Video. Joachims Mikrofon ist leider kaputt, deshalb kommuniziert er per Chat und Video. Nachdem sie das Spiel fertig gespielt haben, spielen sie nach dem gleichen Prinzip noch viele weitere Spiele an dem Abend, sodass Max und seine Freund_innen einen lustigen remote Spieleabend zusammen haben.

4. Two Use Cases with UML

First use cases describes the user interaction with our application for a normal social gaming night.
The second use case describes the user-application interactions for a typical registration process.

Both use cases are generated using online free tool diagrams.net.

Reflexion

Who made what contribution?

We generally did everything together in the group with twice meetings in the week. Ina prepared the documentation from her interview with friend and shared on Tuesday in the group meeting. The bulletpoints noted by Ina then are gathered unsorted in the diagram. All group members are participated in the initial gathering of ideas and further iterations. The final version with priority points as well as superheadlines is refined by Ina and Brendan.

The Persona is also created during group meeting. The main part is finished based on group discussion based on previous data analysis using affinity diagramming. Small refinements afterwards and looking for photo are done by Ina and Xin.

In our second meeting on Friday, the use cases are finished within group discussion. Ina mainly focuses on the registration process whereas Brendan and Xin focus on the social gaming process. The blogpost is then written by Xin with support from Ina and Brendan.

Learning & Take-Aways

The Interpretation of qualitative data can somehow be ambiguous since even though in our group, people have different perceptions of the qualitative data. Therefore, a sufficient and efficient communication as well as opinions exchange is really import. Otherwise, the gathered user data cannot be precisely or even correctly represented by us als developers.

With persona we learned how to depict a „typical“ user image for our product. By using the online template provided by Xtensio, we see some sections which are less relative to our project (or: we currently cannot really see /uderstand the necessity for our project) auch as personalities. We somehow also have the feeling that some descriptions are inituitiv and subjective, since an „absolut covergence“ from user data is alway hard to find.

What went well?

Everything went well. We see our weekly progress as positiv.

Improvement and Concern

We got some really use ideas from our potential users, but some the cutomer wishes are hard to implement. For this case, we are unsure whether we need to considerate the person as secondary potential user, or should we take the suggestion as important feature which we ignored to garantee. Maybe some functions proposed by users require advanced technologies which we are not sure whether it is able to implement in our application. Some user wishes seem to be hard to realize based on our product format (web application).

Another confusion is that we are not sure whether our data gathering method will trigger bias, since either interviewee or survey participants are in our „connected cycle“.

[A#6, P3] Conceptual Model for User & Context

Aufgaben

1. Summarize affinity diagramming

erste Sammlung aller Notizzettel
Gruppierungen erstmal nach den Unterteilungen des Interviews, der einzelnen Funktionen: Hundebuddies, Kosten, Reisen, Sehenswürdigkeiten, Gassiplaner, Rest: digitale Geräte, Situationsveränderungen, …
Überkategorien: Aktivitäten & Organisatorisches
Wir haben priorisiert nach für uns wichtigen Informationen. Anscheinend gibt es mehr Denkbedarf zum Reisefeature als gedacht.
Hier sind die Antworten auf eine Frage in unserer Umfrage, die wir dann kategorisiert und ausgezählt haben. So haben wir später Priorisierungen für die Features, die wir zudem mit den Interviews korrelieren (Affinity Diagramm).

Insgesamt haben wir 12 Datenblätter.

2. Derive a primary persona from your data-gathering insights

Quelle: https://www.harrystock.com, 06.05.2021, 17:30

3. Derive an extreme character from your data-gathering insights

Quelle: https://creativemarket.com/huertas19/414004-Portrait-of-a-happy-senior-woman-wit-stock-photo-containing-elder-and-people, 06.05.2021, 17:30

4. Create a scenario

Szenario

Folgend ist was blau markiert und wo grün.

Endlich ist Wochenende. Maria hat sich freigenommen, um viel Zeit mit ihrem Dalmatiner Rosa zu verbringen. Kaum ist sie am Samstagmorgen erwacht, wird ihr auch schon das Gesicht abgeschleckt. Die Sonne scheint, die erste warmen Tage werden im Radio angekündigt. Maria sitzt schon während der Hund sein Frühstück verputzt, in der Küche am Laptop und überlegt, wo sie heute ihren langen Spaziergang macht. Am Sonntag hat sie sich mit einer Freundin, die auch einen Hund besitzt verabredet, um zusammen an einem entlegeneren Ort, spazieren zu gehen. Heute jedoch, genießt sie die Zeit alleine mit Rosa. Sie kennt alle Spazierwege in der Umgebung und versucht, zu ahnen, wo und wann sie Rosas Hundefreunde am ehesten treffen könnte. Maria entscheidet sich am Vormittag eine kleine Runde zu drehen, wo sie oft Rosas beste Freunde trifft und am Nachmittag eine große Runde, mit Abstechern auf noch unbekannte Wege, um vielleicht auch neue Hunde und Menschen kennenzulernen. 

Leider trifft sie auf dem kleinen Spaziergang nur Spaziergänger ohne Hunde. Aber am See am Nachmittag trifft sie zufällig verschiedene Hund(-besitzer) und Rosa kann spielen.

5. Model two Use Cases with UML

Im ersten Use Case kann man erkennen, dass ein Nutzer eine Reise planen möchte. 
Das zweite Diagramm zeigt, wie ein/e NutzerIn eine Gassiroute auswählen möchte, in der sich ein/e anderer/e NutzerIn befindet (und sich geshared hat). Eine Authentifizierung ist hierbei genauer gezeigt.
Seiten: Seite 1, Seite 2

Assignment #3: Conceptual Model for User & Context

?   Deadline: Monday, 10th May 12 PM (noon)
?   Goals: Defining conceptual models for the user and context: Persona, scenario, and use cases.

This assignment requires you to develop a persona, scenario, and use cases. Building on that, we will wrap up by (re)framing the problem statement and hypothesis statement using predefined formats during the next lab session.

  1. Analyze your (qualitative) data using affinity diagramming
    • Conserve your clustering results, so you can go back to them if you need or extend them later on.
    • Document your process, by saving pictures (screenshots) of different stages of clustering.
  2. Derive a primary persona from your data-gathering insights
    • Use one of the examples from the lecture slides as a template (or get inspired by the tools below).
    • Be visual, a picture is mandatory! (Do not forget to specify the image source.)
  3. [OPTIONAL] Derive an extreme character from your data-gathering insights
    • To make life easier (faster) you can choose to make a Proto-Persona.
    • Be visual, a picture is mandatory! (Do not forget to specify the image source.)
  4. Create a scenario
    • Use the example from the lecture (03-3, page 6) as a template.
    • Highlight what and where.
  5. Model two Use Cases with UML
    • You can always do more if this is relevant to your project.
  6. If you think you need to do more data gathering – go for it!
    • Please document your data gathering methods.

Tools and Templates for creating personas