Growth/Réviser le ton
|
Improve Tone
Tâche structurée visant à aider les nouveaux arrivants à se familiariser avec le ton des articles Wikipédia et à l'améliorer.
|
La tâche structurée « Réviser le ton » aide les nouveaux contributeurs à identifier et à réviser les formulations non neutres dans les articles Wikipédia. Elle est conçue pour apparaître dans le flux des modifications suggérées sur la page d'accueil des nouveaux contributeurs, aux côtés d'autres tâches structurées telles que « Ajouter un lien » et « Ajouter une image ».
Cette tâche structurée s'appuie sur la stratégie globale de l'équipe Croissance visant à réduire les obstacles à l'édition tout en soutenant le développement des contributeurs. Elle vise à augmenter les modifications constructives apportées par les nouveaux éditeurs et à approfondir leur compréhension des attentes de Wikipédia en matière de ton et de neutralité.
Contrairement aux fonctions « Ajouter un lien » ou « Ajouter une image », « Réviser le ton » est moins structurée et offre une expérience d'édition plus ouverte. Elle introduit des compétences plus avancées et aide les nouveaux contributeurs à progresser en les aidant à intérioriser les principes fondamentaux de la rédaction encyclopédique.
Situation actuelle
- : Planification précoce et conceptions initiales
- : Apprentissage automatique & planification technique. Présentation des premières idées lors de Wikimania 2025, à Nairobi.
- Suivant: Recueillir les commentaires de la communauté, réaliser des tests d'utilisabilité et évaluer les modèles.
Objectifs des utilisateurs
Les nouveaux bénévoles ont souvent du mal à se lancer dans l'édition, en particulier sur mobile où l'espace à l'écran est limité et l'attention fragmentée. Certains sont découragés par le processus d'essais et d'erreurs que beaucoup doivent traverser pour apprendre à contribuer de manière constructive, tandis que d'autres n'ont pas encore trouvé de raison convaincante de s'y essayer. Cette tâche aide à relever ces défis en :
- Faire émerger des possibilités d'édition pertinentes et réalisables
- Encourager les modifications moins susceptibles d'être annulées
- Soutenir la croissance des nouveaux arrivants grâce à la mise en pratique de compétences avancées en matière d'édition, telles que le raffinage du ton.
- Sensibilisation aux politiques de Wikipédia en matière de contenu et de style
Tone Check model
The Revise Tone Structured Task will be powered by a machine learning model trained on community-driven signals. This is the same model that powers the Tone Check Edit check.
The model works by being fine-tuned on examples of Wikipedia revisions. It learns from instances where experienced editors have applied a specific template ("peacock") to flag tone violations, as well as instances where that template was removed. This process teaches the BERT model to identify patterns associated with appropriate and inappropriate tones based on Wikipedia's editorial standards.
Another layer of editor-powered logic that will help guide this Structured Task is that rather than scanning all articles, we will focus on a subset of articles where editor signals suggest potential tone concerns. Selection criteria for which articles will be considered is still under discussion, but may include maintenance templates, lower content quality rating, limited edit history, or article topics that often contain promotional language (e.g., business-related articles).
Although both Tone Check and Revise Tone features use the same machine learning model, their purposes and audiences differ: - Edit Check: Provides real-time feedback to contributors during the editing process. Its goal is to help editors recognize issues such as tone, citation, or formatting concerns before saving their edits. - Revise Tone Structured Task: Surfaces targeted opportunities for newer contributors who are looking for ways to get involved.
Comment ça marche
Cette tâche utilise le Ton Vérifier le modèle, un système d'apprentissage automatique formé pour identifier les problèmes liés au ton, tels que le langage promotionnel et les exagérations. Les suggestions s'appuient également sur des modèles gérés par la communauté (par exemple, {{POV}}, {{Peacock}}) et sur des données issues de modifications annulées afin d'aider à identifier les formulations problématiques.
Lorsqu'un problème de ton est détecté, l'interface utilisateur Edit Check mettra en évidence la phrase concernée et proposera des conseils contextuels pour aider les nouveaux contributeurs à réviser le texte afin qu'il soit conforme aux attentes de Wikipédia en matière de ton neutre et encyclopédique. Cette tâche ne proposera pas de formulation spécifique, mais fournira simplement des conseils sur la politique à suivre et mettra en évidence les parties du texte qui pourraient nécessiter des modifications.
- Mettre en évidence les tons problématiques, avec des orientations politiques
- Conçu d'abord pour les appareils mobiles, avec des plans pour prendre en charge les ordinateurs de bureau
- Diffusé via le flux « Suggestions de modifications » sur la page d'accueil des nouveaux arrivants.
- Moins guidées que les autres tâches structurées, elles offrent aux nouveaux arrivants une manière progressive d'évoluer vers des tâches de plus en plus difficiles.
- Cette tâche sera configurable via la configuration communautaire, afin qu'elle puisse être personnalisée en fonction du consensus et des besoins locaux.
Maquettes
Nous prévoyons de nous appuyer sur des éléments d'interface utilisateur, des modèles d'interaction et des flux de travail familiers issus des fonctionnalités Growth et Edit Check, en privilégiant l'orchestration de composants connus plutôt que de nouvelles conceptions.
La tâche utilisera le cadre des modifications suggérées, proposant des suggestions à partir de la page d'accueil des nouveaux arrivants. Les nouveaux arrivants bénéficieront d'une brève initiation, puis passeront à l'interface de vérification des modifications. La principale nouveauté développée par Growth concerne l'expérience d'intégration.
Nous testons trois approches d'intégration :
- « Intégration sous forme de quiz » : offre un moyen peu risqué de s'exercer au concept de révision du ton avant de procéder à des modifications dans l'éditeur visuel, ce qui contribue à réduire l'anxiété des nouveaux arrivants quant à la possibilité de commettre des erreurs.
- « Intégration de type vidéo » : utilise une courte simulation pour donner un aperçu de ce que les nouveaux arrivants rencontreront dans un éditeur visuel, en s'appuyant sur des conclusions antérieures selon lesquelles les guides vidéo constituaient la forme d'aide la plus attrayante.
- Ignorer l'intégration (test A/B): compare l'expérience sans intégration aux deux approches ci-dessus. Ce modèle fournit des conseils instantanés dès qu'un éditeur rencontre sa première suggestion, plutôt que d'exiger un apprentissage préalable.
-
Intégration sous forme de quiz -
Intégration de type vidéo -
Réviser le ton : accepter ou refuser la suggestion
Un premier prototype de conception Réviser le ton est disponible pour être testé via Figma.
Nous recueillerons les premiers commentaires sur les conceptions grâce à des discussions communautaires sur nos wikis pilotes et à des tests utilisateurs avec des nouveaux arrivants. Vos commentaires supplémentaires sont les bienvenus sur notre page de discussion.
Test d'utilisabilité
After an internal round of reviews, we decided to test the quiz-style onboarding. We were curious whether it might better support newcomers by actively engaging with them, and inviting participation, rather than asking them to passively absorb information.
During the week of August 25, 2025, we used Userlytics.com to conduct five tests of the mobile onboarding prototype with people who had between 10 and 100 edits on Wikipedia. Our testing goals were:
- Observe if people identify tone issues without guidance
- Do people understand "improve tone" (now "revise tone") as a concept?
- Gauge people's reactions to the quiz-based onboarding experience
- Do people feel equipped to revise tone after completing the onboarding?
Summary of findings
- Neutrality was not intuitive. Only 1 out of 5 participants identified the tone issue "great."
- "Improve tone" was ambiguous for some participants, while the general suggested edit task was well understood. Participants described the task as:
- Simplifying and clarifying text
- Avoiding bias/promotional tone
- Almost no participants opened the info drawer
- All participants completed the tutorial:
- 3 out of 5 found it helpful
- 2 out of 5 thought the tutorial was the actual task
- 3 out of 5 participants felt better prepared to identify tone issues after the quiz-based onboarding:
- "It definitely helped me prepare for the task"
- "If I were totally new to Wikipedia and wanted to contribute, this would be super helpful because if I hadn't received this tutorial, I would probably not be sure what's wrong with these paragraphs or these sentences because grammatically they're correct"
Recommendations
- Label the tutorial more clearly
- Clarify language and feature purpose
Hypothèses et critères de réussite
Hypothèse d'apprentissage automatique (WE1.1.8)
Si nous appliquons le modèle Tone Check aux articles publiés, nous saurons si nous pouvons identifier ≥10 000 problèmes de ton (chacun avec un score de probabilité de 0,8+) afin de constituer un ensemble de suggestions de haute qualité (précision ≥70 %).
Hypothèse de Growth (WE1.1.2)
Si nous livrons une première version bêta de la tâche structurée « Réviser le ton », nous pourrons évaluer si le cadre Edit Check est techniquement capable de prendre en charge les suggestions proactives lancées à partir du flux « Modifications suggérées ».
Critères de réussite (pour les premiers travaux du premier trimestre)
- Faisabilité technique et extensibilité
- Mis en œuvre efficacement à l'aide du cadre Edit Check
- La conception prend en charge l'extension à de futures tâches structurées.
- Précision et pertinence du modèle
- Les suggestions du modèle atteignent une précision d'au moins 70 % selon une évaluation humaine (par des éditeurs expérimentés).
- Les recommandations sont conformes aux normes de neutralité de Wikipédia.
- Clarté des tâches et facilité d'utilisation
- Les nouveaux arrivants comprennent la tâche et se sentent capables de la mener à bien.
- Acceptation par la communauté
- Informations recueillies lors des discussions et grâce aux commentaires des ambassadeurs
- Assistance générale fournie par des contributeurs expérimentés
Commentaires de la communauté
Les efforts de sensibilisation menés dans le cadre des wikis pilotes Growth viseront à recueillir les commentaires des communautés dès les premières phases de planification et de test bêta afin de comprendre leur soutien, leurs préoccupations et leurs préférences en matière de configuration.
Les wikis pilotes avec lesquels nous travaillerons en étroite collaboration pendant cette période seront les Wikipédias en arabe, en anglais, en français et en espagnol.
Si vous avez des commentaires, n'hésitez pas à les poster sur la page de discussion.
Projets connexes
Ce travail s'inscrit dans la stratégie à long terme en matière de contributeurs et s'aligne sur l'objectif relatif à l'expérience des contributeurs du plan annuel 2025-2026 de la WMF, en particulier le résultat clé 1.1 relatif à l'expérience wiki.
Recherches connexes
Problèmes liés au ton des nouveaux arrivants sur enwiki et frwiki (T371158)
- 56 % des nouvelles modifications apportées au contenu par les nouveaux arrivants comprenaient des termes « paon ».
- Les modifications contenant des mots « paon » avaient 46,7 % plus de chances d'être annulées.
- 22 % de ces modifications ont été annulées.
Impact des tâches des nouveaux arrivants et des tâches structurées
- Les “tâches pour les nouveaux arrivants” augmentent la probabilité de première modification d'un article de +11,6 % (Analyse expérimentale, novembre 2020).
- “Ajouter un lien” améliore le taux de première modification de +16,6 % et la rétention de +16,2 % (Analyse expérimentale, décembre 2021).
- La fonction "Ajouter un lien" sur Wikipédia en anglais augmente l'activation constructive de +33,7 % (Expérience "Ajouter un lien" sur Wikipédia en anglais).
- “Ajouter une image” augmente le taux de première modification de +17,0 % et le taux de rétention de +24,3 % (Analyse expérimentale, mars 2024).