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 auteurs 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 Team 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. Voor reviewers die geïnteresseerd zijn in het ondersteunen van nieuwe gebruikers, zal een stroom van bewerkingen die a) waarschijnlijk zullen worden teruggedraaid, maar die b) te goeder trouw zijn gemaakt, hopelijk een reeks leerzame momenten vertegenwoordigen.

De hierboven beschreven bewerkingsanalyse wordt in eerste instantie op twee manieren :


 * Op de pagina Special:Recent Changes, waar een reeks nieuwe filters wordt aangeboden als betafunctie (lees een beschrijving van de geplande nieuwe filters voor bewerking)
 * In een nieuwe machineleesbare feed genaamd ReviewStream (ReviewStream Productbeschrijving), ontworpen om te worden opgenomen door downstream review hulpmiddelen.



Huidig activiteit

 * Om mogelijke productrichtingen te visualiseren, is het Collaboration Team ontwerpconcepten aan het verkennen terwijl het de problemen blijft onderzoeken.
 * Om de omvang van het probleem beter te kunnen inschatten en de voortgang te kunnen volgen, werken we aan het definiëren en meten van het actief blijven van nieuwe editors.
 * Ontwerponderzoek (Design Research) is het organiseren en afnemen van interviews met gebruikers die op verschillende manieren door dit probleem worden geraakt, om hun motivaties en de workflows beter te begrijpen. Groepen die op korte termijn zullen worden geïnterviewd, zijn onder meer: anti-vandalismepatrouilleurs, patrouilleurs van recente veranderingen, theehuishosts, leden van het welkomstcomité en AfC-recensenten.
 * Het Research and Data team werkt aan het verbeteren van voorspellingen door de nauwkeurigheid van voorspellingsmodellen te verfijnen.
 * Er was in juni 2016 een discussie over het project op Wikimania



Betere filtering in pagina Recente wijzigingen
Meer informatie



Om revisoren te helpen gemakkelijk de bijdragen te vinden waarnaar ze op zoek zijn, zijn we van plan de manier waarop filteren werkt te verbeteren op de Recente wijzigingen pagina. Het doel is om de lijst met bijdragen gemakkelijk te filteren, meer filtercriteria mogelijk te maken (vooral die relevant zijn voor het helpen van nieuwkomers) en het combineren van meerdere filters voor verschillende doeleinden te vergemakkelijken.

Dit interactieve prototype illustreert het voorgestelde filterconcept. Voor meer context kunt u de raadplegen.

Voordat je daar aankomt, gebeurt dit in meerdere stappen binnen een betafunctie. Meer details hieronder.



Beginstappen
In eerste instantie worden namespaces en tags niet geïntegreerd in het filtersysteem. Filters met betrekking tot ORES worden ondersteund. Deze filters omvatten:
 * 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