真的是卡片分类

首先可能要解释一下卡片分类是什么东西。它真的如名字那样，就是用卡片写上类别名，以给要分类的东西进行分类。
本书的大意是：“来，我教你用次卡片分类。不过这东西很多要自定义的，所以还是要靠你自己。”
而框架大概是这样的：
1，卡片分类可以用作什么，为什么要用它，以及生活中的分类有什么局限；
2，做一次卡片分类要做的准备工作，包括方法选择，需求挖掘，目标设定等；
3，卡片分类活动的过程中的注意事项：比如内容和参与者的选择；
4，得到数据后可以怎么分析。

最一先开始，作者先表述了分类最典型的目的是用作检索，既然是检索就要方便大家使用，然而每个的分类概念都是不一样的，完美的，或者说纯粹的分类是不存在的。用游戏的例子和家族相似性的概念阐述了类别与类别之间的界限是模糊的，而类别本身的定义也是多维多层次的。于是从混沌中分离出一个相对有序的世界就是我们的目标，而要实现这一目标，卡片分类是很好的办法，之一。

然后可以开工了。
首先要设立目标。目标可以有：1，了解人们对内容和主要信息分组的看法；2，内容中是否有一些可以抽象出来的概念；3，给决策层提供证据以说服他们；4，探索适合网站的分类方案；5，评估是否需要推翻现有分类体系；6，收集名称。
有了目标之后就可以选择方法了。方法有三个维度：1，开放式or封闭式，即是否提供参考项给参考者；2，小组式or个体式，即是否让人们在分类的过程中进行商量讨论，作者推崇小组式，因为在讨论的过程中可以获得大量信息，甚至比结果更有价值。当然，小组式可能被一个强势者所左右从而表现出高单调性；3，使用手工卡片or软件卡片，手工可以观察分类过程，且亲切有趣；软件更好组织数据，以及不受地域限制。
然后是筛选内容与参考者。内容不要选太偏僻的，它们本身要易于被认知，且有些共性。一次分类最好维度较单一，以免让参与者感到混乱。而参与者，最理想的群体是最终用户，将他们分成多个批次，一批批的进行。

正式开始前先进行小量测试…确认流程OK后再开始玩。
步骤如下：
1，活动介绍，背景／要做什么／规则等等；
2，分发卡片和材料；
3，参与者对卡片进行分类；
4，参与者为卡片写上标签；
5，询问后续的问题；
6，记录结果。
过程中记录下参与者的讨论内容，其分完类后请其说明这样分类的原因。＃友情提示，不要提示让参与者知道要说明原因

活动就这样结束了，该进入到紧张的分析工作当中。
先分析有些什么组，再看组里有哪些卡片，这同时注意结合标签和标注。此外还需要分析一下精确度，有可能本次分组很不成功，以至于数据没有太大的参考价值。
还可以运用统计分析工具，这需要使用者有一定的统计学基础，以选出理想的变量。
软件推荐了XLSTAT，而分析算法作者最常用的有三种。
1，K均值聚类法：首先将待分析的对象随机分配到特定数量的类别中，然后计算每个类别的中心。然后，它在不同类别之间移动对象，计算每个类别中的对象的相似程度，随后继续移动对象，直到这些对象的相似程度可以接受。
但，对象被归入其类的第一次分配情况会影响最终结果，所以很可能每次结果都不同。。。可以用来探索更多可能。
2，层次聚类分析法（HCA）：它首先对每一对对象之间的距离进行计算，被多数参与者放入同一组中的两张卡片得到的距离分比较低（近），反之则高。计算出初始距离后，将最接近的两张卡合并为一个新对象，再重新计算距离，如此反复，直到结束。然后去分析链树。
3，多维尺度（MDS）：输入一个相异度矩阵，然后计算出一个值，用于表示两个对象之间的差异程度，然后在诸如象限图一类的图上表现出来。
对此，作者奉劝各位：有大量数据或想对受众进行比较的时候用统计分析；尝试两种结合使用；每一种执行多次，以发现异同。
最后，作者说，这种东西都是工具或者参考，主要还是人来做决定。感谢阅读本书！

总的来说，本书讲的是一个流程，进行卡片分类这项活动的流程。先确定目标，再根据目标划定内容，正式进行前先进行测试，进行过程中也要记录结果之外的东西，分析时要多维度考量，不要机械。这些都是比较通用的原则，我们在任何各类的活动中都应该去注意这些问题。