|
傳統上，設計師仰賴工藝技術彌補知識上的不足，無論是草圖繪製、製作模型、繪製細部或彩現，這些花上多年時間磨練出的技藝讓設計師感到無比自豪。遺憾的是，在新興設計領域中，這些技藝缺乏表現的空間。
身為設計期刊與研討會審閱委員、設計競賽評審委員、以及設計學生與教師的指導委員，我被迫看很多爛作品。設計師經常對問題的複雜性或對提出論述所需的證據一無所知，便提出駭人的主張。爛作品經常出自聰明、有天份的人，他們有好點子，也可以將産品、概念或倣真製作的很好，可惜提出的主張很糟。
早期的工業設計成品大多是實體産品。然而時至今日，設計師的工作還擴及組織架構、社會問題、互動、服務與經驗設計。許多問題牽涉到複雜的社會與政治議題，結果設計師變成應用行為科學家，但他們在這方面的教育卻嚴重不足。設計師經常不了解議題的複雜性和相關知識的深度。他們主張從旁觀者角度可以得到嶄新的解決方案，卻又納悶為何這些方案鮮少被執行，或者執行後為何失敗。旁觀者清，或許能夠洞見觀瞻，但也必須具備足夠經驗與知識，方能為之。設計師通常缺乏對問題本質的了解。設計學校並不訓練學生了解這類複雜議題、人類與社會行為間交互糾纏的複雜性、行為科學、科技與商業，也幾乎沒有科學、科學方法、實驗設計的訓練。
類似的問題也發生在工程領域中的設計師，雖然他們學的是真材實料的科學，卻也經常忽略社會與行為科學領域，他們不了解人類行為、責怪人們沒有好好使用科技、質問人們為何如此不合邏輯。（你應該常聽到這樣的抱怨：「我們的東西運作良好，會出問題都是因為人的關係。」）工程師常忽視人們實際的行為。而工程師和設計師二者共同的問題，在於忽略實驗設計中可能不經意産生的偏差，以及不恰當的簡化問題後所産生的危險。
社會與行為科學領域也有自己的問題，他們不僅鄙視應用與實務工作，而且實驗方法也不切實際。科學家追尋「真理」而實踐家尋求「適切性」，科學家尋找微小差異而設計師期望大的影響力。人機互動、認知工程、與人因工程領域的人則通常不在乎設計。所有領域都有自己的問題，每個人都應該分攤責任。
是改變設計教育的時候了
過去的工業設計師專注于形體與機能，材料與製程，而今日的問題則更加複雜、更具挑戰性。尤其對於互動、經驗、服務設計領域來説，更需要具備新的技能。傳統工業設計是應用藝術的一支，需要造型與材料上的知識，以及繪圖和彩現的技巧。新興領域比較像是應用社會與行為科學，需要了解人類認知與情緒、感應與驅動系統、了解足夠的科學方法、統計與實驗設計，所以設計師才能在想法被具體實踐之前，進行合理有效的檢驗。
設計師需要在産品中安置微處理器、螢幕、驅動裝置、感測器。從烤麵包機到墻上的開關、廁所和書（電子書），愈來愈多産品加入了通訊模組，安全與隱私、社群網路、人類社交互動議題的相關知識更顯得重要。舊時代的技能（如素描與繪圖、模型與模具）必須被新時代的技能（如程式撰寫、互動與人類認知）補強，甚至被取代。快速製作原型與用戶測試是必要知識，意味著設計師必須懂得一些社會與行為科學、統計學、和實驗設計。
在教育單位，工業設計通常隸屬於藝術或建築學院，以實務教學為主，並以 BA、MA 或 MFA 為最終學位。很少見到設計教育的課程將科學、數學、科技或社會科學課程納入規劃中，所培養出的設計師也因此不具備當代所需的技能。
無知者訓練無知者
根據我在歐美、亞洲一些全球最頂尖設計學校的經驗，他們在互動與經驗設計領域最核心的行為科學上，並沒有給學生良好的訓練。設計師評估他們自己的産品或實驗結果時，不了解其中呈現的實驗嚴謹性或潛在的偏見，包括他們的教授們也欠缺這些知識。
設計師經常用貧乏的統計和行為差異知識在檢視自己的設計。他們不知道下意識的偏見會導致他們只看見自己想看的，而非實際發生的現象。許多人完全沒有察覺到對照組的必要性。長久以來，社會與行為科學（藥學）就已經學習到盲目評分（blind scoring）的重要性，所謂盲目評分就是受測者評分時並不知道被觀察的條件，也不知道受測項目。
最近頂尖研究型大學堅持聘用博士學位的設計教師，使得問題更加複雜了。就設計教師自身所受到有限的訓練而言，我們根本不了解什麼樣的知識才能造就一個博士。我們是用無知者在訓練無知者。
這些困境是由很多原因造成的。我説過大多數設計是在藝術或建築學院中傳授，許多學生選擇設計是因為不愛科學、工程和數學。很不幸的，新時代對設計師的要求，不允許我們妄自菲薄的走向非技術性、非科學導向的訓練。
另一方面的問題，即便是設計學校願意教正規設計方法，我們也缺乏一套專為設計人才規劃的課程。拿我所關心的缺乏實驗嚴謹性來説，如果你同意我的話，我們要開什麼課程來教呢？我們並不知道。社會與行為科學領域的實驗方法並不適合用來解決設計師所面對的問題。
設計師是實踐家，意味著他們的任務不在拓展人類的科學知識，而是在運用知識。設計師的目的是産生既大又重要的影響力。科學家對真理感興趣，通常是在分辨兩種不同理論推測上，而且這些差異相當微小，即使在統計數據上十分顯著，對實際應用所産生的影響卻不大。所以，動用大量實驗觀察者針對不同可能偏差值進行仔細控制的實驗方式，並不適合於設計師。
設計師需要快速知道結果，頂多花費幾小時或幾天。通常 5 到 10 位受測者就相當足夠。沒錯，也許該注意可能的實驗偏差（例如實驗者本身的偏差或實驗呈現的順序），但如果你所尋求的是大效應，就應該進行簡易而快速的測試，而非科學家所能接受的測試方法。
設計師不需強求理想或完美，不夠理想或完美的結果往往很適合於日常生活使用。沒有一件日常物品是完美的，也不需要。我們需要足以辨識這些實用與應用目的的實驗技巧。
設計領域需要開發自己專屬的實驗方法，這些方法應該要簡易而快速，就能找到足具代表性的現象和條件。但這些方法仍必須能反映出統計變異與實驗偏差。目前這些方法並不存在，我們需要一些好心的統計學者和設計師們一起工作，開發出這些專屬、適切的方法。
|
