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: * Mate van ervaring gebruiker Filters waarmee u bewerkingen kunt targeten, afhankelijk van de expertise van de auteur.
 * Review Filters waarmee revisoren zich kunnen concentreren op de bijdragen die nog niet zijn beoordeeld of die al door andere revisoren zijn verwerkt.
 * Bijdrage kwaliteit Filters waarmee bijdragen kunnen worden geïdentificeerd die goed of schadelijk zijn.
 * Intentie van de gebruiker Filters waarmee bijdragen kunnen worden geïdentificeerd die te goeder trouw of te kwader trouw zijn gedaan.



Toekomstplannen
Het creëren van de streams / pagina's van "leerzame momenten" die hierboven zijn beschreven, heeft het potentieel om edit-review te vestigen als een nieuwe ruimte voor het instrueren en ondersteunen van nieuwe editors.

Alleen het bestaan van zo'n platform zal er niet voor zorgen dat deze nieuwe praktijk zal aanslaan. Om echt een impact te hebben op het behoud van nieuwkomers, kunnen interventies nodig zijn op meerdere punten in de bewerkings- en beoordelingscycli: vóór publicatie, om problemen te herkennen en auteurs in staat te stellen hulp te zoeken; tijdens de evaluatie, om een constructief proces te vergemakkelijken; en zelfs na beoordeling, om nieuwe gebruikers te helpen afwijzing te overwinnen en te leren van hun ervaringen.

Naast het verkennen van ideeën om op verschillende punten in te grijpen, zoeken we naar antwoorden op vragen als deze:


 * Hoe kunnen we reviewers naar deze nieuwe activiteit brengen?
 * Wat zou reviewers het meest effectief maken in het ondersteunen van nieuwkomers tijdens de review?
 * Hoe kunnen we het proces lonend maken voor reviewers, zodat ze betrokken blijven?

Ook de groep voor het voorkomen van vandalisme speelt hier een belangrijke rol. Rijkere gegevens over bewerkingen en editors zouden patrouilleurs van alle soorten niet alleen meer onderscheid moeten maken over welke bewerkingen te goeder trouw kunnen zijn, maar ook efficiënter in hun taak om schade te bestrijden. Het zal belangrijk zijn om nauw samen te werken met vandalismebestrijders en anderen om te begrijpen hoe hun processen en hulpmiddelen het beste kunnen worden aangepast om deze potentiële voordelen te realiseren.

Principes
Terwijl we dit project voortzetten, zullen de volgende principes onze planning leiden.


 * Slim maar menselijk. Gebruik technologie om menselijke interactie te ondersteunen in plaats van te vervangen. Kunstmatige intelligentie kan analyses bieden, maar mensen moeten beslissingen nemen.
 * Cross-community. Zoek oplossingen die werken in verschillende taalgroepen en projecten, in plaats van wiki-specifieke hulpmiddelen te bouwen.
 * Platform niet functie. Zoek naar oplossingen die uitbreidbaar en herbruikbaar zijn met huidige en toekomstige community- en WMF-hulpmiddelen.
 * Mobiel. Hoewel edit-review momenteel niet populair is op mobiel, moet u mobiele gebruikers zorgvuldig meenemen in onze plannen.
 * Adoptie. Naast het creëren van nieuwe technologie, richt u zich op het vinden van manieren om reviewers aan te moedigen de nieuwe hulpmiddelen te adopteren en te blijven gebruiken.
 * Integratie. Bij het zoeken naar nieuwe oplossingen moet u waar mogelijk voortbouwen op en integreren met bestaande praktijken.
 * Incrementele aanpak. Terwijl we dit nieuwe gebied betreden, gaat u stapsgewijs naar de volgende mijlpaal en evalueert u vervolgens waar we naartoe moeten gaan.
 * Participatief ontwerp. Werk samen met editors en ontwikkelaars die al in deze ruimte werken.



Gerelateerde documenten

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