紙卡還是螢幕？卡片分類的媒介該怎麼選

客戶要重做一本 120 頁的產品型錄，順便把官網選單一起翻新。你提議先做一輪卡片分類（card sorting），把品項名稱寫成卡片讓內部業務與經銷商去分堆，先搞清楚「他們腦中的分類」跟「公司內部的料號邏輯」差多遠。

問題馬上來了：受測者散在三個縣市，有人願意來公司、有人只能線上。你要為了統一媒介，硬把所有人拉到同一張桌子？還是一半紙卡、一半線上工具，混著收？

這不是行政問題，是方法問題。媒介會不會影響分類結果本身，決定了你能不能把兩批資料合在一起分析。以下用四個實務問題，把選擇條件拆開講。

差異存在，但沒有大到讓其中一種變成錯誤方法，這是目前比較研究給出的方向。一項系統性比較電腦化與紙本卡片分類執行型態的研究，正是針對這個疑問設計的，其分析焦點在於兩種媒介產出的分類結果是否可視為等價 [1]。

從實務端看，差異主要不在「分得對不對」，而在「分的過程長什麼樣」：

・一百張紙卡攤在桌上，受測者用餘光就能掃到還沒歸位的那幾張，隨時把已成形的堆再拆開。

・數位工具受限於捲動、分頁、拖曳範圍，受測者傾向把先看到的卡先安置，後面的卡往既成的堆裡塞。

具體上，紙卡場次容易長出「意外的第三類」，數位場次傾向收斂到少數大類，探索未知結構時紙卡更吃香，驗證既有結構時數位夠用且成本低。

判準是研究目的，不是預算或受測者所在地。把問題先歸到兩個桶子：

選紙卡的時機

・開放式（open sort）、你自己也還不確定該有幾個類別。

・受測者需要邊分邊講（think-aloud），你要的是他們的猶豫與反覆，不只是最終結果。

・卡片內容需要觸覺線索：紙張的磅數、觸感、印後加工樣本本身就是被分類的對象。這時「卡片」不是資訊載體，而是產品本體，數位化會直接抹掉受測變數。

・樣本數小（10-15 人），你打算做質性詮釋而非統計分群。

選數位工具的時機

・封閉式（closed sort），類別已定，你要驗證品項歸屬。

・受測者分散、樣本數要拉到 30 人以上做統計分析。

・你需要逐步操作記錄（每張卡移動幾次、猶豫多久），這是紙卡場次除非錄影否則拿不到的資料。

型錄那個案子，合理做法是：先用紙卡跑 8-10 位內部業務與資深經銷商，把候選架構長出來；再用數位工具封閉式跑 40 位以上的外部客戶，驗證這套架構在真實使用者身上站不站得住。兩階段、兩媒介、兩種目的，而不是把兩批資料混在一起。

最大的風險不在效度，在於你把媒介差異誤讀成受測者差異。

如果紙卡組長出了七個類別、數位組只長出四個，你無法分辨這是「兩群人的心智模型不同」，還是「兩種媒介的操作成本不同」。混合收資料時，媒介成了未受控的變項，而它剛好跟你想觀察的變項糾纏在一起。

務實的做法有三個層次：

1. 最好不要混。一輪研究內要統一媒介。

2. 非混不可時，把媒介記成一個欄位。 分析階段先分層看，確認兩組結構相近，再考慮合併。

3. 報告裡明寫媒介組成。 這是可複現性的基本要求，也是日後別人引用你的結論時該知道的邊界。

這裡值得順帶釐清一個常見的術語混淆：資料分析軟體裡的「sorting data / selecting cases」指的是對已建好的資料集做排序與觀察值篩選 [2][3]，屬於分析階段的操作；設計研究裡的 card sorting 則是產生分類結構的資料蒐集方法 [1]。兩者都叫 sorting，但一個在資料生成之前、一個在之後。跨領域文獻檢索時混用關鍵字，會撈回大量不相干的結果。

有，而且集中在一個條件：當被分類的東西本身具有物質性。

一套紙樣、一組印後加工樣（燙金、打凸、局部上光）、一批不同磅數的名片，受測者分堆的依據裡包含手感、厚度、反光、聲音。這些屬性無法螢幕化，不是「呈現得不夠好」，是根本不在數位媒介的傳遞範圍內。要研究客戶如何在心中把紙材分類，紙卡不是選項之一，是唯一選項。

第二個場景是決策場域本身就在實體空間。展場動線、賣場貨架、型錄跨頁的翻閱順序，這些任務的空間結構跟桌面攤卡的空間結構同構，紙卡的模擬保真度較高。

反過來說，如果你分類的是純資訊物件，頁面標題、功能名稱、文章標籤，物質性沒有進入判斷，數位工具在成本、規模與資料完整度上都佔優勢，此時堅持紙卡是把儀式當方法。

專案啟動時就把三件事寫進研究計畫，而不是留到執行前一週才決定：

・研究目的是探索還是驗證，決定 open 或 closed sort。

・被分類物件有沒有物質屬性，決定紙卡是不是不可替代。

・樣本規模與分析方法是質性詮釋還是統計分群，決定媒介與場次數。

三個條件對齊之後，媒介選擇通常只剩一個合理答案，不需要再爭論。

適用邊界：以上判準假設你的受測者對兩種媒介都無明顯操作障礙。若受測群體的數位工具熟悉度差異很大（例如橫跨資深現場師傅與年輕行銷人員），數位場次的操作負荷本身就會污染結果，此時即使研究目的偏向驗證，也應優先採用紙卡或現場輔助，並在報告中說明此一調整。同樣地，跨語系或跨文化的研究，媒介以外的變項影響可能大於媒介本身，本文的判準需要重新校準。

紙本與數位卡片分類的差異主要在過程與可見範圍，不在結果本身的對錯；既有研究把兩者當作可相互比對的方法 [1]。

探索未知分類結構時優先用紙卡，驗證既有結構時數位工具足夠且成本更低。

被分類物件若具備觸感、磅數、印後加工等物質屬性，紙卡不可被數位媒介取代。

同一輪研究應統一媒介；非混合不可時，須把媒介記為分析欄位並分層檢視。

設計研究的 card sorting 與統計軟體的 sorting/selecting cases 是不同階段的操作，文獻檢索時勿混用關鍵字 [1][2][3]。

對印刷製造端而言，卡片分類的媒介選擇提醒了一件常被忽略的事：紙材與加工樣本是研究工具，不只是報價時的附件。若能把樣本冊設計成可拆卸、可分堆的形式，等於把客戶的分類邏輯外顯化，這對後續的品項規劃與型錄結構有直接價值。對設計端，兩階段（紙卡探索 → 數位驗證）的分工提供了一個成本可控的標準流程，避免把質性方法硬套進統計期待。AI 導入的機會點在數位場次的過程資料：拖曳軌跡、猶豫時長、反覆修改次數，這些訊號目前多半被丟棄，若能結構化留存，是分群模型少見的高品質輸入。SaaS 端的待解問題則相當明確，現有卡片分類工具幾乎都只記錄最終結果，缺乏對過程的完整捕捉，也沒有處理混合媒介資料的分層分析能力。誰先把「媒介作為一個受控變項」做進產品，誰就補上了這個方法目前最大的缺口。

[1] Goetz（2114）. Different or alike? Comparing computer-based and paper-based card sorting. International Journal of Strategic Innovative Marketing. DOI: 10.15556/ijsim.01.01.003

[2] Sorting Data and Selecting Cases. Data Analysis Using SAS Enterprise Guide. DOI: 10.1017/cbo9780511804786.006

[3] Selecting, Sorting and Weighting Cases. Applied Statistics with SPSS. DOI: 10.4135/9781446249390.n10