22、探索目标与用户:影响映射与以人为本设计的实践

探索目标与用户:影响映射与以人为本设计的实践

1. 影响映射中的投资决策

在相关活动中,参与者会使用虚拟货币进行投注。他们要决定将资金投入到哪个影响陈述的实验中,既可以只投资一个影响,也能将资金分散到多个影响上。这样做能让每个人选出自己认为的首要可交付成果,从而呈现出团队应优先构建内容的整体情况。

以 PetBattle 为例,四位投资者每人获得五枚 Donal Dollars,并查看影响地图。他们被要求选择想要投资的影响陈述,鼓励他们分散投资或集中投资于高价值的影响。结果,有些投资者将所有资金都投入到一个影响上,而有些则进行了分散投资。从附上 Donal Dollars 的影响地图中,可以清晰看出哪个影响是大家更倾向投资的。在这个案例中,投资者们希望投资于提高网站参与度,而影响地图中已经有七个与之相关的可交付成果,于是团队准备开展实验,来验证或推翻相关的假设陈述。

影响地图并非一成不变,它会不断发展。团队在交付功能、进行实验并从用户那里获取反馈后,应定期回顾影响地图,讨论实验结果,判断现有假设陈述是否成立。当影响地图中的假设陈述被证明是错误时,这对团队心理文化是一个考验。失败的假设可能影响团队士气,导致心理安全感缺失;而成功的假设则能促进进一步学习和改进,提升团队士气,营造开放的团队文化。

2. 影响映射的假设示例

在帮助一家全球银行改进其人力资源系统时,影响映射发挥了重要作用。业务目标是让人力资源部门在各人力资源系统间实现集成工作流程,提升员工体验。为此确定了一些目标层面的指标,如员工满意度和更换服务负责人的时间。

通过头脑风暴确定了相关参与者,包括员工、经理、二线经理、合作伙伴、人力资源运营人员以及管理和技术利

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练分类,实现对不同类型扰动的自动识别准确区分。该方法充分发挥DWT在信号去噪特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性效率,为后续的电能治理设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值