Всем привет! Я Ангелина — аналитик. Сегодня продолжу тему о дизайне программных продуктов и подробнее рассмотрю вопрос об интерпретируемости данных.
Мы часто видим данные о нашем здоровье — в приложениях, на носимых устройствах и порталах для пользователей, но всегда ли мы понимаем что они означают? Помимо безопасности и конфиденциальности данных важной темой остается их интерпретируемость.
«Есть очень специфические вещи, которые я, как человек без медицинского образования, не мог понять, не заглянув в интернет».
«Я хотел бы получить больше информации о том, что может быть причиной, если результат не соответствует норме».
«Я вижу отклонение, но не понимаю, что оно значит для моего здоровья: насколько оно критично, как влияет на мое состояние и что мне делать дальше».
Интерпретируемость формируется на пересечении трех уровней:
🔶 Уровень данных — как обрабатываются входные данные, какие есть ограничения, допущения, погрешности
🔶 Уровень интерфейса — насколько понятно и доступно представлена информация
🔶 Уровень пользователя — уровень цифровой и медицинской грамотности, предыдущий опыт и эмоциональное состояние.
Когда на одном из этих уровней происходит сбой, данные могут стать непонятными и ввести в заблуждение.
Что может повысить интерпретируемость данных
1. Объяснимость
Пояснить, какие данные были использованы при формировании результата, какие факторы на него повлияли и что он означает. Этого можно добиться за счет применения текстовых подсказок, визуальных и мультимодальных форматов объяснений.
2. Референсные значения
Интерпретируемость повышается, если пользователь понимает, с чем сравнивать свои показатели: что считается нормой, а что — поводом провести повторные измерения или обратиться к врачу.
3. Персонализация
Показатель легче интерпретировать, когда он сопоставлен с индивидуальными нормами на основе предыдущих измерений.
4. Дополнительные условия
Если измерения необходимо проводить при определенных условиях, то нужно проинформировать об этом пользователя — например, как в инструкции Flo по измерению базальной температуры тела.
Указание возможной погрешности измерений также может помочь избежать неверных выводов.
5. Когнитивные подпорки
Простые визуализации, короткие всплывающие подсказки, словарь терминов и другие опорные элементы помогают снизить когнитивную нагрузку и уменьшают риск неправильной интерпретации данных.
6. Учет уровня грамотности
Даже самое продвинутое приложение или устройство не поможет при недостаточном уровне цифровой и медицинской грамотности.
Поэтому важно использовать простой, понятный язык (plain language) и не перегружать интерфейс.
7. Тестирование продукта
Тестирование с представителями целевой аудитории поможет оценить насколько интерфейс понятен и выявить проблемные зоны.
Не менее важно привлекать медицинских специалистов для проверки корректности данных и формулировок.
➡️ Если вам необходимо убедиться, что данные в вашем приложении представлены понятно и корректно, мы можем провести оценку интерфейса и предложить рекомендации по его улучшению. Для этого просто напишите Ире Евдокимовой @budetzanyatno или сразу бронируйте звонок тут.
Текст подготовила #АнгелинаСулерова
@FemtechForce — медиа о технологиях для здоровья женщин