Edit Review Improvements/nl

Edit Review Improvements is een project van het Samenwerking team, dat manieren onderzoekt om de negatieve effecten te verminderen die huidige bewerkings-beoordelingsprocessen kunnen hebben op nieuwe editors van de wiki's. De meeste hulpmiddelen voor het beoordelen en patrouilleren van bewerkingen zijn ontworpen om de kwaliteit van de inhoud te waarborgen en slechte acteurs af te weren, beide van vitaal belang zijnde missies. Het onderzoek kan echter suggereren dat deze processen, vooral wanneer het geautomatiseerde of semi-geautomatiseerde hulpmiddelen betreft, tot onbedoelde gevolg kunnen hebben dat nieuwe editors worden ontmoedigd en zelfs te goeder trouw worden weggejaagd.

Om dit probleem op te lossen, onderzoekt het tTeam manieren om nieuwe gebruikers te goeder trouw te scheiden van de huidige bewerkings- en beoordelingsworkflows en uiteindelijk een ondersteunend beoordelingsproces te bieden dat nieuwe gebruikers helpt productieve bijdragers te worden.

Probleem

 * Onderzoek toont aan dat met name voor nieuwe wiki-editors "het ongedaan gemaakt worden van wijzigingen zowel een afname van activiteit als een vermindering van betrokken blijven bij de gemeenschap als redacteuren voorspelt".
 * Tegelijkertijd heeft het toenemende gebruik van geautomatiseerde en semi-geautomatiseerde bewerkings- en beoordelingshulpmiddelen geleid tot een toename van de afwijzing van nieuwkomers te goeder trouw. Het gebruik van deze hulpmiddelen "verhoogt het negatieve effect van afwijzing op wenselijke nieuwkomersbehoud aanzienlijk."
 * Desondanks zijn edit-review hulpmiddelen essentieel voor vandalismebestrijders en anderen die werken aan het behoud van de integriteit en kwaliteit van wiki's. Hoe kunnen we nieuwe gebruikers helpen en behouden met behoud van de productiviteit van vandalismebestrijders en andere revisoren?

Doelen

 * Zorg ervoor dat nieuwe redacteuren te goeder trouw constructievere, minder ontmoedigende ervaringen hebben met bewerken en artikelbeoordeling.
 * Door uitgebreidere gegevens over recente wijzigingen te verstrekken, kunnen patrouilleurs en edit-reviewers van alle soorten efficiënter werken en verschillende belangen nastreven (bijvoorbeeld het bestrijden van vandalisme, het ondersteunen van nieuwe gebruikers) op een effectievere en gerichtere manier.

Uiteindelijk wil dit project een effect hebben op het behoud van redacteuren, een doelstelling die goed aansluit bij de algemene doelstellingen van de Wikimedia Foundation 2016-17 Jaarplan, ontwikkeld in nauw overleg met de gebruikersgemeenschap.

De aanpak sluit met name aan bij de doelen die het Jaarplan voor het Productteam uiteenzet, die onder andere beloven om "Te investeren in nieuwe soorten content... curatie- en samenwerkingshulpmiddelen."

Oplossingen
Om te beginnen met het aanpakken van de problemen van worstelende maar te goeder trouwe nieuwkomers, zal het een goede eerste stap zijn om ervoor te zorgen dat recensenten ze kunnen vinden. Om dit mogelijk te maken, stellen we voor om recente wijzigingen te analyseren met behulp van gegevens uit verschillende bronnen, waaronder en met name het machine-learning-programma ORES (Dienst voor de evaluatie van objectieve herziening). Het good faith-model van ORES, getraind op menselijk oordeel, kan 95% van de bewerkingen te goeder trouw vinden met 98% nauwkeurigheid. ORES kan ook bewerkingen voorspellen die zullen worden teruggedraaid en die schadelijk zijn voor de wiki's.

Hoewel onderzoek aantoont dat nieuwe redacteuren bijzonder kwetsbaar zijn voor afwijzing, is er ook bewijs dat edit-review en zelfs afwijzing een krachtige leerervaring kunnen zijn voor nieuwkomers. For reviewers interested in supporting new users, then, a stream of edits that are a) likely to be reverted but which were b) made in good faith will, we hope, represent a string of teachable moments.

The edit analysis described above will be made available initially to users in two ways :


 * On the Special:Recent Changes page, where a suite of new filters will be provided as a beta feature (read a description of the planned new filters for edit review)
 * In a new machine-readable feed dubbed ReviewStream (ReviewStream Product Description), designed to be ingested by downstream edit-review tools.



Huidig activiteit

 * To visualize possible product directions, the Collaboration Team is exploring design concepts while continuing to research the issues.
 * To better gauge the size of the problem and be able to track progress, we’re working to define and measure new-editor retention.
 * Design Research is organizing and conducting interviews with users touched by this issue in various ways, to better understand their motivations and workflows. Groups who will be interviewed in the near term include: anti-vandalism patrollers, recent changes patrollers, Teahouse hosts, Welcoming Committee members, and AfC reviewers.
 * The Research and Data team is working to make predictions better by refining the accuracy of prediction models.
 * There was a discussion of the project at Wikimania 2016, in June



Betere filtering in pagina Recente wijzigingen
 More information 



In order to help reviewers to easily find the contributions they look for, we plan to improve the way filtering works on the Special:Recent Changes page. The goal is to make the list of contributions easy to filter, allow for more filter criteria (especially those relevant for helping newcomers) and facilitate combining multiple filters for different purposes.

This interactive prototype illustrates the filtering concept proposed. For additional context, you can check.

Before reaching there, this will be done in multiple steps inside a beta feature. More details below.



Beginstappen
Initially, namespaces and tags won't be integrated into the filtering system. Filters related to ORES will be supported. These filters include:
 * Review. Filters that allow reviewers to focus on those contributions not reviewed yet, or those already processed by other reviewers.
 * Contribution quality. Filters that allow to identify contributions that are good or damaging.
 * User intent. Filters that allow to identify contributions that were made in good or bad faith.
 * User experience level. Filters that allow to target edits depending on the expertise of their author.



Toekomstplannen
Creating the streams/pages of “teachable moments” described above has the potential to establish edit-review as a new space for instructing and supporting new editors.

The mere existence of such a platform, however, won’t in itself ensure that this new practice will take root. To truly have an impact on newcomer retention, interventions may be required at multiple points in the editing and review cycles: before publication, to spot problems and enable authors to seek help; during review, to facilitate a constructive process; and even after review, to help new users overcome rejection and learn from from their experiences.

In addition to exploring ideas for intervening at various points, we’re pursuing answers to questions such as these:


 * How can we bring reviewers to this new activity?
 * What would make reviewers most effective in the job of supporting newcomers during edit review?
 * How can we make the process rewarding for reviewers, so that they stay involved?

The counter-vandalism community also has an important role to play in this arena. Richer data about edits and editors should make patrollers of all types not only more discriminating about which edits might be in good faith, but also more efficient at their job of combating harm. It will be important to work closely with vandalism fighters and others to understand how their processes and tools might best be adapted to realize these potential gains.

Principes
As we pursue this project, the following principles will guide our planning.


 * Smart but human. Use technology to support rather than replace human interaction. Artificial intelligence can provide analysis, but humans should make decisions.
 * Cross-community. Find solutions that will work across language groups and projects, rather than building wiki-specific tools.
 * Platform not feature. Seek solutions that are extensible and reusable by current and future community-created and WMF tools.
 * Mobile. Although edit-review is not currently popular on mobile, consider mobile users carefully in our plans.
 * Adoption. In addition to creating new technology, focus on finding ways to encourage reviewers to adopt and continue to use the new tools.
 * Integration. In seeking new solutions, build on and integrate with existing practices whenever possible.
 * Incremental approach. As we move into this new area, proceed incrementally to each milestone and then evaluate where to go next.
 * Participatory design. Collaborate with editors and tool developers already working in this space.



Gerelateerde documenten

 * Grants:IdeaLab/Fast and slow new article review
 * Research:Newcomer survival models