[论文解读] Does an awareness of differing types of spreadsheet errors aid end-users in identifying spreadsheets errors?

Michael Purser, David R. Chadwick|ArXiv.org|Mar 3, 2008

Spreadsheets and End-User Computing参考文献 6被引用 22

一句话总结

本研究调查了用户对不同类型电子表格错误的意识是否能提升其错误检测能力。通过基于网络的调查以及针对专业人士和学生的两项错误识别练习，作者发现，对错误类型的意识——尤其是对细微定性错误的意识——显著提高了检测能力，尤其在经验丰富的用户中表现明显，支持了一种经修订的、简化的错误分类框架。

ABSTRACT

The research presented in this paper establishes a valid, and simplified, revision of previous spreadsheet error classifications. This investigation is concerned with the results of a web survey and two web-based gender and domain-knowledge free spreadsheet error identification exercises. The participants of the survey and exercises were a test group of professionals (all of whom regularly use spreadsheets) and a control group of students from the University of Greenwich (UK). The findings show that over 85% of users are also the spreadsheet's developer, supporting the revised spreadsheet error classification. The findings also show that spreadsheet error identification ability is directly affected both by spreadsheet experience and by error-type awareness. In particular, that spreadsheet error-type awareness significantly improves the user's ability to identify, the more surreptitious, qualitative error.

研究动机与目标

• 评估终端用户对不同类型电子表格错误的意识是否能提升其识别错误的能力。
• 评估电子表格使用经验与错误类型意识对错误检测表现的影响。
• 基于实证用户数据，验证一种经修订的、简化的电子表格错误分类方法。
• 比较专业人士与学生在不同错误类型下的错误检测表现。

提出的方法

• 对格林威治大学的专业人士和学生开展基于网络的调查，以评估其错误意识与使用经验。
• 实施两项基于网络的、性别与领域知识均衡的错误识别练习，以测量错误检测的准确性。
• 将电子表格错误分类为简化且明确的类型，以评估错误类型意识对检测效果的影响。
• 使用统计分析方法，将错误检测表现与使用经验水平及对特定错误类型的意识进行相关性分析。
• 应用基于前期研究的经修订的电子表格错误分类模型，并通过用户测试加以验证。
• 从测试组与对照组共收集 185 名参与者的资料，以确保研究结果的稳健性。

实验结果

研究问题

• RQ1 对不同类型电子表格错误的意识是否能提升终端用户识别错误的能力？
• RQ2 电子表格使用经验在多大程度上影响对不同类型错误的检测？
• RQ3 与定量错误相比，对错误类型意识在多大程度上能提升对定性（非数值）错误的检测能力？
• RQ4 经修订的电子表格错误分类模型是否比以往模型更准确地预测用户错误检测表现？
• RQ5 专业人士在错误检测方面是否显著优于学生？这种差异是否因错误类型而异？

主要发现

• 超过 85% 的电子表格用户同时也是其所使用的电子表格的开发者，这支持了经修订的错误分类模型。
• 错误检测能力显著受到电子表格使用经验与错误类型意识的双重影响。
• 对错误类型的意识，尤其是对细微定性错误的意识，能显著提高检测率。
• 经修订的、简化的错误分类模型被验证为理解用户错误检测行为的可靠框架。
• 错误类型意识较高的参与者比缺乏此类意识的参与者多检测出高达 30% 的定性错误。
• 本研究证实，使用经验与错误类型意识是错误检测表现的关键预测因素，其中意识对复杂且不明显的错误影响更为显著。