Wikimedia Apps/Suggested edits/fi

Tervetuloa ehdotettuihin muokkauksiin
Ehdotetut muokkaukset on uusi tapa muokata Wikipediaa Androidilla. Arvostamme, että kokeilet sitä.

Mitä ehdotetut muokkaukset ovat?
Ehdotetut muokkaukset tarjoavat mahdollisuuksia pienille mutta tärkeille Wikipedian muokkauksille. Haluamme lisätä tietoisuutta siitä, että jokainen voi muokata Wikipediaa ja tehdä avustamisen helpommaksi ja helpommaksi kaikkien saataville.

Aloita käyttämään ehdotettuja muokkauksia
Ehdotettujen muokkausten kotisivu koostuu kahdesta alueesta: profiilitilastoista ja osallistumismahdollisuuksista. Osallistumismahdollisuudet ovat ehdotettujen muokkausten keskeinen osa. Täältä löydät tapoja muokata Wikipediaa. Tällä hetkellä tarjoamme tehtäviä artikkeleiden kuvausten ja kuvatekstien lisäämiseksi tai kääntämiseksi. Jos haluat tietää enemmän tai oppia muokkaamaan ammattilaisena, tutustu alla oleviin osioihin:



Aiomme lisätä lisää kirjoitustyyppejä pian, pysy kuulolla.

Profiilitilastot näyttää tietoja toiminnastasi ehdotetuissa muokkauksissa. Niihin alkaa tulla sisältöä, kun olet tehnyt ensimmäiset ehdotetut muokkauksesi.

Tapping the card leads to the contribution history page. The contribution history lists all contribution types that are available in Suggested edits. You can filter by edit type and see how many pageviews the articles you’ve contributed to had in the past 30 days. Tapping an item in the contribution history list leads you the edit detail (diff) page, where even more infos about the particular edit are featured.
 * Contributions - näyttää ehdotettujen muokkausten tekemäsi muokkausten määrän viimeisen 30 päivän aikana.
 * Pageviews - näyttää niiden kertojen määrän viimeisen 30 päivän aikana, jolloin muut katselivat kohteita, joihin olet osallistunut ehdotettujen muokkausten avulla.
 * Edit streak - näyttää kuinka monta päivää ilman taukoa olet osallistunut ehdotettujen muokkausten kautta. Jos et ole osallistunut Wikipedian muokkaamiseen vähään aikaan, siinä näkyy viimeinen julkaisupäiväsi.
 * Edit quality - sen perusteella, kuinka monta kertaa yksi kirjoituksistasi palautettiin (toisin sanoen: toinen muokkaaja kumosi). Mitä vähemmän palautettuja kirjoituksia, sitä parempi muokkauslaatu.

Mitä ovat artikkelien kuvaukset?

 * Lyhyitä, eri kielisiä kuvauksia asioista (eli tiivistys Wikipedia-artikkelista)
 * Artikkelien kuvaukset eivät ole kokonaisia lauseita, vaan lyhyitä tiedonjyväsiä
 * Sopiva pituus on yleensä kahdesta kahteentoista sanaa

Mihin artikkelien kuvauksia käytetään?
Artikkelin kuvaus näytetään sovelluksissa artikkelin nimen alla, helpottaen lukijaa löytämään etsimänsä artikkelin. Artikkelin kuvaukset tallennetaan Wikidataan ja ne on suunniteltu erottamaan saman, tai melkein samannimiset aiheet toisistaan. Kuvauksia näytetään myös Wikipedian ja sen sovellusten ulkopuolella; esimerkiksi Google-hauissa.

Artikkelien kuvaukset tiivistävät sen ja auttavat lukijaa ymmärtämään aiheen nopeasti. Ne tunnetaan Wikimedia-yhteisössä Wikidata-kuvauksina.

Vinkkejä artikkelien kuvausten luomiseen
Artikkelin kuvauksen pitäisi mahtua yhdelle riville ja olla kahdesta kahteentaoista sanan mittaisia. Ne eivät ala isoilla alkukirjaimilla ellei ensimmäinen sana ole erisnimi. Esimerkiksi:


 * Leonardo da Vincin maalaus (kuvaus Mona Lisasta kertovalle artikkelille)
 * maailman korkein vuori (kuvaus Mount Everestistä kertovalle artikkelille)

Muita vinkkejä hyvien artikkelien kuvausten kirjoittamiseksi:


 * Vältä tietoa joka todennäköisesti muuttuu (esim. 'Suomen nykyinen pääministeri')
 * Vältä kantaaottavia, puolueellisia ja mainosmaisia sanavalintoja (esim. "paras", "upea")
 * Vältä mielipiteitä jakavia väitteitä

Lisää tietoa on saatavilla Wikidata-kuvausten ohjesivulla

Lisätietoja artikkelien kuvauksista
Artikkelien kuvauksia säilytetään ja ylläpidetään Wikidatassa, Wikimedia Foundationin projektissa joka tarjoaa vapaan, yhteisöllisen ja monikielisen tietokannan Wikipedian ja monien muiden projektien tueksi.


 * Tietoa Wikidatasta
 * Wikidatan ohjesivu artikkelien kuvauksista
 * Ohjeet artikkelien kuvauksien kirjoittamisesta englanniksi

Mitä ovat kuvatekstit?

 * Lyhyitä, erikielisiä kuvauksia kuvatiedostoita
 * Enintään 250 merkkiä pitkiä eivätkä voi sisältää merkintäkieltä

Mihin kuvatekstejä käytetään?
Kuvatekstit kertovat kuvasta ja auttavat lukijaa ymmärtämään kuvan merkityksen ja kontekstin. Ne voivat myös tarjota vaihtoehtoista tietoa kuvasta lukijoille jotka eivät näe itse kuvaa, vaikkapa hitaan nettiyhteyden tai näytönlukijan käytön takia.

Vinkkejä kuvatekstien luomiseen
Kuvatekstien kuuluisi olla lyhyitä selostuksia siitä, mitä kuvassa näkyy. Ne ovat yleensä neljästä kahteentoista sanaa pitkiä. Ne voivat myös sisältää tietoa taiteilijasta tai kuvan tekijästä.

Muista pitää kuvatekstisi neutraaleina. Vältä sanoja kuten "kaunis", "hyvä" tai "ruma" käyttöä.

Kuvatekstin ja kuvauksen erottaa se, että kuvaus voi sisältää paljon enemmän tietoa tiedostosta. Jos kuva on skannattu, se voi kertoa yksityiskohtia alkuperäisestä kuvasta tai taideteoksesta. Lisäksi siinä voi olla linkkejä. Kuvateksin pitäisi ohittaa kaikki tämä ja pelkästään kuvailla mitä siinä näkyy, ei tiedoston yksityiskohtia.

Hyvän kuvatekstin tulisi:


 * Tähdätä kuvan sisällön lyhyeen selostamiseen
 * Selostaa kuva siten että näkövammaiset ja muista syistä kuvaa näkemästä estyneet voivat kuvitella miltä se näyttää
 * Sisältää joitain avainsanoja joita tyypillisesti käytetään tällaista kuvaa etsittäessä. Esimerkiksi kuvan kissasta kuvateksti sisältäisi sanan "kissa".

Usein kuvateksti voi olla identtinen kuvauksen (tai jopa tiedoston nimen) kanssa Esimerkiksi, kuvan File:Erottajan paloasema Helsinki.jpg suomenkielinen kuvateksti on "Erottajan paloasema Helsingissä".

Lisätietoja kuvateksteistä
Kuvatekstit säilytetään Wikimedia Commonsissa, Wikimedia Foundationin projektissa joka tarjoaa kokoelman vapaasti käytettäviä kuvia, ääniä ja muuta mediaa, sekä JSON-tiedostoja Wikipedian ja muiden projektejen hyödyksi.

Kuvatunnisteet

 * Katso myös (englanniksi): Commons:Depicts

Mitä ovat kuvatunnisteet?
"Image tags" is a shorthand phrase for what the Commons community calls Depicts statements.

Mihin kuvatunnisteita käytetään?
By adding image tags, you will help make images easier to search for on Commons, the free license image repository that Wikipedia uses for images in its articles.

Vinkkejä kuvatunnisteiden lisäämiseen
Please add tags conservatively. If there are multiple items clearly and deliberately depicted by the image, all should be added as separate tags, within reason. For example, should be tagged with "Bonnie and Clyde", "Bonnie Parker", and "Clyde Barrow". Identify the most important thing(s) in the image.

Be as specific as you can. Search for the most relevant tags by tapping "+ Add tag". You may see a number of search results, but resist the urge to add a large number of semi-relevant tags. In the example shown below, the picture is of the Williamsburg Bridge, but that tag has not been added. Add it yourself by tapping "+ Add tag" and searching for "Williamsburg Bridge".

Where is the train algorithm task?
Due to the train image algorithm task serving as a MVP for the Android team to learn from and build the full image matching feature, the train image algorithm MVP has been sunset. With the help of Wikipedians like you, we have improved the algorithm and have enough learnings to proceed with the next phase of our work to build the full image matching feature. Our lessons from the experiment will be available on the Add an Image project page. You can watch participate in the next phase of this work at Growth team's project page.

What is the train algorithm task?
Wikipedia articles are written and edited by thousands of volunteers from around the world. Unfortunately, many articles lack images. The Train Algorithm task is a type of Suggested Edits task that will show logged-in Android users articles and images along with its associated information, so that users can determine if the image is a good illustration of the contents of the article displayed.

The images will be suggested to you using an algorithm. The algorithm will pull images from other sources and suggest a match with an article that does not have an image.

Unlike other Suggested Edits tasks, the Train Algorithm task will not save any edits to any Wiki projects and is a temporary task. The purpose of the Train Algorithm task is to gather data, improve our image matching algorithm, and inform our design for future releases of an image matching task on Android and Mobile Web.



Tips for training the image algorithm
To best determine if an image is the right match for an article you should review:
 * Image (zoom in to review more details)
 * Image file name
 * Image description
 * Image suggestion reason
 * Article content

Dialog options
In the task you can select Yes, No or Not Sure, to the question of if you would add the image to an article.


 * Yes indicates the image is a good illustration to help readers understand the topic of the Wikipedia article
 * No indicates the image would not help readers understand the topic of the Wikipedia article. Reasons the image would not help be a good fit for the article includes:
 * Not Relevant, which indicates the image depicts a topic that is not associated with the article that is being shown
 * Not enough Information, which indicates the metadata shared with the image does not provide enough details for you to confidently indicate the image would help readers better understand the article
 * Offensive, which indicates the image is inappropriate
 * Low Quality, which indicates you can not see the image well enough to confidently say it is a good illustration of the article being shown and help readers understand the topic
 * Don't know this subject, which indicates you do not feel you have the needed expertise to determine if the image would help readers understand the topic of the Wikipedia article
 * Cannot read the language, which indicates the words written in the image, or the metadata is in a language you do not understand, and are then unable to confidently say the image would help readers understand the topic of the Wikipedia article
 * Other, which indicates there is another reason the image is not a good match for the article
 * Not Sure indicates you are not certain whether or not the image would help readers understand the topic of the Wikipedia article. Reasons for not being sure could include:
 * Not enough Information, which indicates the metadata shared with the image does not provide enough details for you to confidently indicate the image would help readers better understand the article
 * Cannot see image, which indicates you can not see the image well enough to confidently say it is a good illustration of the article being shown and help readers understand the topic
 * Don't know this subject, which indicates you do not feel you have the needed expertise to determine if the image would help readers understand the topic of the Wikipedia article
 * Don't understand the task, which indicates you do not understand the Train Image Algorithm task
 * Cannot read the language, which indicates the words written in the image, or the metadata is in a language you do not understand, and are then unable to confidently say the image would help readers understand the topic of the Wikipedia article
 * Other, which indicates there is another reason you are not sure if the image would be a good match for the article

Daily goal
The 'Train image algorithm' task consists of a daily goal. To reach the daily goal, you need to evaluate 10 image suggestions. The goal resets to 0 on the next day. You can always evaluate more than 10 image suggestions per day, this should just serve as an indicator of your daily progress.

When will you roll out the full image matching task?
The Android and Growth teams will collaboratively evaluate the outcomes of this MVP, and determine next steps for a task that places images in articles in July 2021. During that time, the teams will update the MVP project page with our findings and share when we will offer the image matching task.

How can I follow the outcome of this MVP when it ends?
You can watch our Add an Image MVP project page for updates about this effort. We would also value your feedback on our talk page.