Growth/Personalizovaný první den/Editační tipy

Skupina:	Growth
Začal:	2018-07-24
Členové týmu:	Gergő Tisza (software engineer), Benoît Evellin (community relations specialist), Elena Tonkovidova (QA engineer), Kosta Harlan (software engineer), Morten Warncke-Wang (data analyst), Rita Ho (senior user experience designer)
Vedoucí:	Roan Kattouw
Vedení:	Marcella Florence (engineering), Marshall Miller (product), Jazmin Tanner (program)
Aktualizace:	Most updates posted here.

This page is a translated version of the page Growth/Personalized first day/Newcomer tasks and the translation is 97% complete.

Řešeno přes Phabricator
Úkol T227728

Tato stránka popisuje práci týmu Growth na projektu "Editační tipy", což je podprojekt větší iniciativy "Personalizovaný první den". Tato stránka obsahuje nejdůležitější informace a rozhodnutí. Více postupných aktualizací týkající se průběhu projektu bude k dispozici na všeobecné stránce s aktualitami, s rozsáhlými a detailními informacemi.

Rychlý přehled o tom, co tým vytvořil, si můžete vytvořit prohlédnutím těchto návrhů (využijte šipky pro navigaci mezi jednotlivými obrazovkami):

Práce na tvorbě grafických návrhů a konceptu tohoto projektu začaly 24. července 2019. První verze nástroje byla uvedena 20. listopadu 2019.

V prosinci 2020 jsme zveřejnili výsledky ukazující pozitivní vliv editačních tipů na nováčky, kteří jich využili. Podrobnosti najdete zde..

Současný stav

2019-07-24: První schůzka týmu k prodiskutování projektu.
2019-08-27: Schůzka týmu k grafickému provedení.
2019-09-09: Na Phabricatoru vytvořeny úkoly pro vývojáře.
2019-09-23: Dokončení testů použitelnosti na počítači.
2019-09-30: Dokončení testu použitelnosti na mobilu.
2019-11-20: Uvedena verze 1.0 na české, korejské, arabské a vietnamské Wikipedii.
2019-12-13: Uvedena první verze byla na českou, korejskou, arabskou a vietnamskou Wikipedii
2020-01-14: Testování filtrování podle témat, k uvedení v týdnu od 20. ledna 2020.
2020-01-21: Do editačních tipů byla přidána možnost vybrat si témata podle zájmu.
2020-03-05: Aktualizování témat bylo upraveno na použití modelů ORES.
2020-04-03: Výsledky z první varianty testu.
2020-06-08: Všichni nováčci přepnuti na variantu A.
2020-06-15: Nasazeny tipy.
2020-10-19: Uvedeny varianty C a D.
2020-11-20: Publikováno analýza experimentu s úlohami pro nováčky
Další: Pokračujte ve vylepšování úkolů pro nováčky a případně vyvíjejte nové Strukturované úkoly

Shrnutí

Myslíme si, že by nováčci měli mít příležitost uspět již při prvním kontaktu s projektem. Velmi často se ale nováčci pokusí splnit úkol, který je pro ně příliš náročný. Nebo nemohou najít žádný vhodný úkol. Případně nemohou přijít na to, co by mohli dělat po své první editaci. To vše vede k tomu, že mnoho z nováčků z projektu odchází a již se nevrací. V minulosti proběhlo několik úspěšných pokusů s úkolováním nováčků. Věříme, že domovská stránka nováčka je tím správným místem pro doporučování vhodných úkolů.

Budeme muset myslet na několik věcí:

Nováčci často mají specifické cíle, které se snaží naplnit, například přidání určitého obrázku do určitého článku. Nechceme je od plnění tohoto předsevzatého úkolu odradit.
Nováčci své dovednosti tvoří postupně, od jednodušších editací k těm složitějším.
Pokud jsou nováčci ve svých začátcích úspěšní, jsou více motivovaní pokračovat v editaci.

Po vzetí těchto věcí v úvahu, rádi bychom nováčkům doporučili tipy, které nováčky naučí dovednostem, které pro editování Wikipedie potřebují, které odpovídají tématům, o které se nováček zajímá, a které přichází na správném místě ve správný čas.

Důležitým nástrojem pro zajištění relevantnosti úkolů je uvítací dotazník, který byl původně vybudován právě z tohoto důvodu - personalizovat rozhraní nováčků. Plánujeme použít informace, které nám nováčci dobrovolně o svých zájmech či cílech sdělují k tomu, abychom vybrali ty nejvhodnější úkoly.

Jednou z největších výzev bude samotné určování úkolů, které by se daly doporučit. Existuje mnoho zdrojů pro úkoly, kupř. údržbové šablony, doporučení v nástroji Překlad obsahu nebo návrhy z nástrojů, jako je Citation Hunt. Otázkou je, která z těchto možností nováčkům nejlépe pomůže k dosažení jejich cílů.

Nejprve budeme pro doporučování úkolů používat domovskou stránku nováčka, ale v dlouhodobějším horizontu si dovedeme představit vytvoření funkcí, které budou doporučovat úkoly a pomáhat v jejich splnění přímo jako součást editačního rozhraní.

V dlouhodobějším horizontu budeme přemýšlet o způsobech, jak doporučení úkolů zakomponovat do ostatních prvků aktivit nováčka, jako je např. modul Dosah na domovské stránce nebo panel Potřebuji pomoc.

Proč je tento nápad upřednostňován

Z výzkumu a zkušeností víme, že mnoho nováčků selže na začátku své editační cesty z jednoho z těchto důvodů:

Přicházejí s velmi náročnou úpravou, jako je psaní nového článku nebo přidání obrázku. Tyto úkoly jsou natolik obtížné, že pravděpodobně selžou a již se nevrátí.
Vstoupí aniž by věděli, co mají upravovat, a nemohou najít žádné úpravy, které by provedli.

We also know that on the newcomer homepage, the most frequently clicked-on module is the "user page" module -- the only thing on the page that encourages users to start editing. This makes us think that many users are looking for a clear way to get started with editing.

And from past Wikimedia endeavors, we've seen that task recommendations can be valuable. SuggestBot is a project that sends personalized recommendations to experienced users, and is a well-received service. The Content Translation tool also serves personalized recommendations based on past translations, and has been shown to increase the volume of editing.

For all these reasons, we think that recommending specific editing tasks for newcomers will give them a clear way to get started. For those newcomers that have an edit in mind that we want to do, we'll encourage them to try some easy edits first to build up their skills. For those newcomers who do not have a specific preference on what to edit, they'll hopefully find some good edits from this feature.

Slovník pojmů

There are many terms that sound similar and can be confusing. This section defines each of them.

"Newcomer tasks": The entire workflow that recommends edits for newcomers and guides them through the edits.
"Suggested edits": The name of the specific module that the newcomer tasks workflow adds to the newcomer homepage.
"Task recommendations" or "Task suggestions": Lists of articles that need editing work, suggested automatically to users.
"Personalized": Software that adapts automatically to each user to fit their needs.
"Customized": Software that the user adapts to fit their needs.
"Topic": A content subject, such as "Art", "Music", or "Economics".
"Topic matching": The ability to find tasks for newcomers that match their topics of interest.
"Guidance": Features that help the newcomer complete the suggested task while they are working on it.
"Maintenance template": Templates that are put on articles indicating that work needs to be done on them.

Doporučení úkolů

The core challenge to this project is: Where will the tasks come from and how will we give the right ones to the right newcomers?

The graphic below shows our priorities when recommending tasks to newcomers.

As shown in the graphic above, we would give newcomers tasks that...

...arrive at the right time and place for a newcomer's journey.
...teach relevant conceptual and technical skills.
...gradually guide users to build up their editing abilities.
...be personalized to their interests.
...show them the value and impact of editing.
...motivate them to participate continually.

For instance, we do not want to give newcomers tasks that are irrelevant to what they hope to accomplish. If a newcomer wants to write a new article, then asking them to add a title description will not teach them skills they need to be successful.

We're splitting this challenge into two parts: the sourcing the tasks and topic matching.

Zadávání úkolů

There are many different places we could find tasks for newcomers to do. Our team listed as many as we could think of and evaluated them for whether they seem to be achievable for the first version of the feature. Below is a table showing the many sources of tasks that we evaluated in coming to the decision to start by using maintenance templates.


Source of task	Explanation	Evaluation
Maintenance templates	Most wikis use templates or categories to indicate articles that need copyediting, references, or other modifications. These are placed manually by experienced users.	Easily accessible. Already used in SuggestBot and GettingStarted .
Work on newest articles	New articles may be good candidates for work because they likely could be improved or expanded. They are also more likely to be about current topics.	Easily accessible, but most new articles are created by experienced users, and may not need help from newcomers.
Add images from Commons	There are articles that have images in some language Wikipedias but not in others. This could be a good task for a newcomer who created their account in order to add an image of their own.	An idea with high potential, but would require a lot of work to build interfaces. There are also questions about how to identify whether an article needs an image, and which one to recommend.
Expand short articles	Many articles are stubs that could be expanded.	This task is probably too open-ended and difficult for a newcomer.
Link to orphan articles	Many articles have no incoming links from any other articles. Users could find articles to link to the orphan articles.	Easy to identify orphans, but may be confusing for a newcomer to have to go find other articles in order to do the task.
Add references	Many articles are in need of additional references or citations.	Probably a challenging task for a newcomer. Frequently covered by maintenance templates.
Add categories	Categories are used for many purposes on the wikis, and adding them to articles that don't have them could be a low-pressure way to contribute.	Newcomers may not have good judgment when it comes to adding categories. This also does not teach editing skills that they need for other tasks.
Content translation	The Content Translation tool could be a good way to structure the editing experience and help newcomers write new articles without having to generate all the content on their own.	An integration here could be great -- we may want to use the welcome survey to distinguish which newcomers are multilingual.
Add sections	There are algorithms in development that can recommend additional section headers based on similar articles.	Writing a new section from scratch may be too challenging a task for a newcomer.
Specific link recommendation	Adding wikilinks is one of the best tasks for newcomers. It would be powerful if we could not only tell a newcomer that an article needs more links, but indicate which specific words or phrases should become an link (internal and/or external, depending on local policies).	Some research has been done on this idea that the team will be looking into, as this idea could be a perfect first edit for a newcomer.
Copy editing	Many articles need copyediting, but it would be a better experience for newcomers if we could suggest specific changes to make in article, such as words that are likely misspelled or sentences that likely need to be rephrased.	While this would be an excellent experience for the newcomer, we don't have a way to approach this. Perhaps experienced could flag specific copy edit changes instead of fixing them.
External link cleanup	Help ensure articles follow external link policies.	Could be populated by the external links cleanup maintenance category.
Neutral point of view	Offer people suggestions for how they can "neutralize" subjective text (T376213)	Previous research indicates that algorithms could be used to recommend edits that enhance the neutrality of articles.

Version 1.0: basic workflow

In version 1.0, we will deploy the basic parts of the newcomer tasks workflow. It will recommend articles to newcomers that require different types of edits, but it will not match the articles to the newcomers' topics of interest (version 1.1), and it will also not guide the newcomers in completing the task (version 1.2).

Maintenance templates

We're going to be starting by using maintenance templates and categories to identify articles that need work. All of our target wikis use some set of maintenance templates or categories on thousands of articles, tagging them as needing copyediting, references, images, links, or expanded sections. And previous task recommendations software, such as SuggestBot, have used them successfully. These are some examples of maintenance categories:

In this Phabricator task, we investigated exactly which templates are present and in what quantities, to get a sense of whether there will be enough tasks for newcomers. There seem to be sufficient numbers for the initial version of this project. We are likely to incorporate other task sources from the table below in future versions.

It's also worth noting that it could be possible to supplement many of these maintenance templates with automation. For instance, it is possible to automatically identify articles that have no internal links, or articles that have no references. This is an area for future exploration.

During the week of October 21, 2019, the members of the Growth team did a hands-on exercise in which we attempted to edit articles with maintenance templates. This helped us understand what challenges we can expect newcomers to face, and gave us ideas for addressing them. Our notes and ideas are published here.

Design

Comparative review

Our team's designer reviewed the way that other platforms (e.g. TripAdvisor, Foursquare, Amazon Mechanical Turk, Google Crowdsource, Reddit) offer task recommendations to newcomers. We also reviewed Wikimedia projects that incorporate task recommendations, such as the Wikipedia Android app and SuggestBot. We think there are best practices we can learn from other software, especially when we see the same patterns across many different types of software. Even as we incorporate ideas from other software, we will still make sure to preserve Wikipedia's unique values of openness, clarity, and transparency. The main takeaways are below, and the full set of takeaways is on this page:

Task types – bucket into 4 types: Rating content, Creating content, Moderating/Verifying content, Translating content
Incentives – Most products offered intangible incentives mainly bucketed into the form of: Awards and ranking (badges), Personal pride and gratification (stats), or Unlocking features (access rights)
Reward incentives – promote badges or attainments of specific milestones (e.g., a badge for adding 50 citations)
Personalization/Customization – Most have at least one facet of personalization/customization. Most common customization is user input on surveys upon account creation or before a task, most common system-based personalization type is geolocalization
Visual design & layout – incentivizing features (stats, leaderboards, etc) and onboarding is visually rich compared to pared back, simple forms to complete short edits.
Guidance – Almost all products reviewed had at least basic guidance prior to task completion, most commonly introductory ‘tours’. In-context help was also provided in the form of instructional copy, tooltips, step-by-step flows, as well as offering feedback mechanisms (ask questions, submit feedback)

Mockups

Our evolving designs can always be found in two sets of interactive mockups (use arrow keys to navigate):

Desktop
Mobile

Those mockups contain explorations of all the difference parts of the user journey, which we have broken down into several parts:

Gathering information from the newcomer: learning what we need in order to recommend relevant tasks.
Feature discovery: the way the newcomer first encounters task recommendations.
Task recommendations: the interface for filtering and choosing tasks.
Guidance during editing: once the newcomer is doing a task, the guidance that helps them understand what to do.
User feedback: ways in which the newcomer can indicate that they are not satisfied with the recommended task.
Next edit: how we continue the user's momentum after the save an edit.

Below are some of the original draft design concepts as the team continues to refine our approach.

Mockup of possible location for newcomer tasks module
Mockup of initial state of module
Mockup of possible design for module
Mockup of guidance while doing a task using the help panel
Mockup of feedback element if a user does not complete a task

Testy použitelnosti

Počítač

Během 16. a 22. září jsme pracovali na testech použitelnosti s využitím společnosti usertesting.com. Provedli jsme šest testů prototypu editačních tipů na uživatelích, kteří s hnutím Wikimedia nemají nic společného. Tito uživatelé jsou placeni za testování návrhů a za odpovědi na otázky o jejich dojmech. Kompletní výsledky si můžete přečíst v tomto úkolu na Phabricatoru. Cíle testování byly:

Změřit vyhledatelnost editačních tipů.
Identifikovat možnosti, jak vylepšit použitelnost modulu Editační tipy:
1. Rozumí uživatelé tomu, jak si vybrat a jak se podívat na doporučené články?
2. Je pro uživatele snadné filtrovat podle témat a obtížnosti úkolů?
3. Vědí uživatelé, jak editovat doporučený článek?
Poznat reakce uživatelů na tipy a zjistit, jak moc očekávají, že je rozhraní provede úkolem.

Shrnutí poznatků

Všichni uživatelé si myslí, že dává smysl dostávat doporučení založené na jejich oblasti zájmu.
Účastníci také pochopili existenci rozdílných úrovní obtížnosti.
Použitelnost modulu Editačních tipů byla extrémně vysoká. Lidé věděli, jak změnit témata či úrovně obtížnosti, jak si nechat zobrazit více článků a věděli, jak otevřít článek určený k editaci.
4/6 účastníků si neuvědomili, že by měli kliknout na tlačítko "Zobrazit editační tipy", aby zjistili, jak mohou založit nový článek. Zdá se, že lidé obvykle vnímají rozdíl mezi editací a vytvářením článku.
Všichni účastníci brali modul Začněte zde jako místo, kde by svou cestu Wikipedií měli začít. Většina z nich také pochopila, že tlačítko "Zobrazit editační tipy" je jejich cílem v této aktivitě.
Uživatelé pochopili a očekávali, že editační tipy, které jim systém vygeneruje, se budou týkat témat, které si vybrali.
Všichni byli schopní vybrat si témata podle jejich oblasti zájmu.
Všichni pochopili účel editačních tipů.
Dva účastníci předpokládali, že nemohou vytvořit článek do té doby, než dokončí snadné a středně obtížné úkoly.
5/6 účastníků vědělo, že by měli kliknout na panel Potřebuji pomoc pro získání rady, jak pokračovat po otevření editoru.
Čtyři lidé očekávali, že panel Potřebuji pomoc jim umožní kontaktovat jejich mentora.
Několik účastníků postrádalo lepší vedení tipy.

Doporučení

Vylepšit Editační tipy tak, aby bylo zřejmé, že vytváření nového obsahu je forma editace.
Změnit modul Dopad vašich příspěvků tak, aby usnadňoval porozumění Editačním tipům.
Poskytnout dobrou kontextovou nápovědu, která je pro lidi snažící se editovat důležitá.
- Tipy v panelu Potřebuji pomoc by mohly zahrnovat "odškrtávací seznam", co by nováčci v článku měli zkontrolovat.
- Poskytnout krátké příklady vhodných úprav.
- Dát jasně najevo, že nováčci nemusí projít celý článek.
Filtrování v reálném čase usnadňuje uživatelům propojit si tipy s editováním článků a povzbuzuje je k použití filtrování pro nalezení nejvhodnějších článků.

Mobil

Mezi 30. zářím a 6. říjnem 2019 jsme vyžili společnosti usertesting.com, abychom provedli šest testů mobilního prototypu Editačních tipů.. Kompletní výsledky si můžete přečíst v tomto úkolu na Phabricatoru. Kromě cílů zmíněných v sekci pro počítač jsme také chtěli zjistit, v čem přesně by se mobilní rozhraní mělo lišit od rozhraní desktopového. Mobilní testeři chtěli přidat obrázek na Wikipedii, zatímco počítačoví testeři chtěli vytvořit celý článek.

Shrnutí poznatků

Modul Začněte zde byl všeobecně uživateli pochopen.
Přestože nebyl modul Editačních tipů vyloženě matoucí, nestal se ani místem, kde by účastníci očekávali pomoc s přidáváním obrázků.
Editační tipy byly intuitivní a účastníci porozuměli, jak jeho jednotlivé části (filtrování, zobrazení více článků apod.) funguje. Někteří účastníci ale považovali modul za nudný či nepřinášející jim žádný užitek, mimo nových znalostí.
Několik lidí chtělo, aby témata byla přesnější, než široká témata, která jsou nabízena rozhraním.
Detailně popsané úrovně obtížnosti byly poučné, ale teoreticky to může některé lidi od Wikipedie odradit. Všichni účastníci byli překvapeni, že přidání obrázku je obtížný úkol.
Filtrování pomocí oblastí zájmu je velmi důležité.
Tři účastníci až do konce testování očekávali, že systém vyžaduje dokončení jednoduchých úkolů před tím, než se budou moci pokusit o středně obtížné nebo obtížné úkoly.
Všichni pochopili cíl Editačních tipů jako něco, co jim doporučí editace pomocí kterých se snadno naučí pracovat s Wikipedií a také ocenili, že obsahovaly i těžší editace.
Všichni uživatelé měli problém s využitím rad, které byly obsažené v panelu Potřebuji pomoc. Nad touto oblastí se musíme zvláště zamyslet ještě před tím, než ji začneme programovat.

Doporučení

Tlačítko Call-to-action spouštějící editační tipy by mělo být uvnitř modulu Začněte tady a ne ve své vlastní kartě.
Vylepšit formulace použité v rozhraní tak, aby bylo jasnější, že v dokončení editačních tipů se skrývá reálný užitek, kromě získání zkušeností. Že obtížnost tipů není závazná. Že uživatelé mohou na tipech pracovat v libovolném pořadí.
Personalizovat představení editačních tipů.
Filtrování výsledků by mělo fungovat v reálném čase.
Vyvinout podrobnější nastavování oblastí zájmů.
Při otevření editačního tipu znovu zmínit, že jde o reálnou editaci s reálným dopadem.
Změnit panel Potřebuji pomoc tak, aby byl veškerý obsah s nápovědou snadno a rychle dostupný.

Verze 1.1: filtrování dle témat

Nedávný výzkum a vývoj ukázal, že uživatelé budou pravděpodobněji pracovat na editačních tipech v okamžiku, kdy tyto tipy budou odpovídat jejich zájmům. SuggestBot používá editační historii uživatele k nalezení podobných článků a jak ukázal výzkum, uživatelé tyto výsledky vidí raději, než čistě náhodná doporučení. Nástroj Překlad také doporučuje články k dalšímu překladu pomocí historie překladů uživatele. Tímto se zvýšilo množství odeslaných překladů.

Při zkoumání výsledků první verze editačních tipů, která neobsahovala možnost filtrovat dle témat, jsme zjistili, že existují uživatelé, kteří prošli mnoho doporučených článků, ale na žádný neklikli. Všimli jsme si také uživatelů, kteří prošli mnoho tipů a klikli jen na ty, které se týkaly určitého tématu, například medicíny. Toto jsou indikátory potvrzující, že nováčkům filtrování dle témat pomůže.

Naší výzvou při práci s nováčky byl "problém studeného startu" – nováčci nemají zatím žádnou editační historii, která by se dala použít pro filtrování podle témat. Rozhodli jsme se proto vyvinout algoritmus určující o čem článek je a použít ho jako filtr pro články s údržbovými šablonami.

Algoritmy

Přišli jsme na několik přístupů, pomocí kterých můžeme nalézt články o tématech, která uživatele zajímají. Náš tým vytvořil a otestoval prototypy pro tři z těchto algoritmů:

morelike: assign a seed list of articles that represent each topic area (e.g. "Art" might be represented by the articles for "Painting", "Sculpture", "Dance", and "Weaving".) Use that seed list to find other articles that are similar to those in the seed list by using a similarity algorithm called "morelike".
free text: instead of choosing from a set list of topics, allow newcomers to type in any phrase they want to indicate a topic. Use regular Wikipedia search to surface articles relevant to that phrase.
ORES: ORES is a machine learning service that – among other things – can return a predicted topic for any article. Though this prediction service only works in English Wikipedia, there are ways to translate predictions from English to other wikis.

In this Phabricator task, we evaluated the three methods, and decided to proceed with the ORES model. The Growth team worked with the Scoring team to strengthen the model, and with the Search team to make the model predictions available to the newcomer tasks workflow. During the time that this work was happening, we deployed the somewhat worse-performing morelike algorithm, and switched to the ORES model about a month later.

The ORES model we use now offers 64 topics, and we chose to expose 39 of them to newcomers. The evaluation in four different languages showed that on average, 8.5 out of 10 suggestions for a given topic seem like good matches for that topic.

Design

In designing interfaces that allow newcomers to choose topics of interest, these are some of the considerations:

Jak předat uživateli dlouhý seznam asi 30 témat aby jej nezatížil?
Jak zacházet s tématy, která mají podkategorie (kupř. téma "Věda" má podkategorie "Biologie" a "Chemie").
Máme uživatelům umožnit dát zpětnou vazbu, když doporučené články neodpovídají jejich očekávání?

Grafické návrhy ukazující náš současný návrh rozhraní. Pro přesun mezi snímky používejte šipky na klávesnici. Níže jsou některé ze snímků obrazovky:

Okno vyzývající uživatele k zadání témat zájmu (desktop)
Modul Editačních tipů pro uživatele, kteří si ještě nevybrali své témata
Rozhraní pro výběr témat (desktop)
Okno pro nastavení témat (mobil)

Verze 1.2: průvodce

Guidance was deployed on 2020-06-15. For a guide to translating the messages in this feature, see this page.

After newcomers have selected an article from the suggested edits module, they should receive guidance about how to click edit and complete the edit successfully. While it is exciting that some portion of newcomers are completing suggested edits without guidance, we're confident that by adding guidance, we will substantially increase how many newcomers edit.

We decided to repurpose the help panel as the place to deliver this guidance. Reusing the help panel will allow us to build quickly. The guidance contains three phases:

When the user has arrived on the article and before they click edit.
After clicking edit and before saving an edit.
After saving an edit.

Some of the ideas we considered implementing included:

Guidance tailored to each type of edit, varying depending on whether the suggested edit is a copyedit, adding links, adding references, etc.
Reminder that an edit can be small, and that the user does not have to edit the whole article.
Step-by-step walkthrough that is like a checklist for completing the edit.
Highlighting the maintenance templates in the article so that the user can see why the article was suggested.
An indicator that encourages the user to click the edit button.
A place to put videos that demonstrate how to complete the edit.
Suggestions for additional edits after saving the initial edit.
Ability for the user to notify their mentor that they have done an edit, so the mentor can check their work and thank them.

During the last week of December 2019, we user tested desktop and mobile prototypes, which can be found below. We will post the user test results after assembling them.

Below are some images of the prototype:

Help panel displaying guidance before clicking edit on desktop
Overlay after saving an edit on desktop
Help panel "peeking" from bottom of page on mobile
Help panel contents on mobile

Variant testing

After deploying the first version of newcomer tasks, we want to start testing different variants of the feature, so that we can improve it iteratively. Rather than just having one design of newcomer tasks, and seeing if newcomers are more productive with it than without it, we plan to test more than variant of newcomer tasks at a time, and compare them. We have compiled an exhaustive list of all the ideas of variants to test -- but we will only end up testing perhaps 10 per year, because of the effort and time it takes to build, test, and analyze.

In March, April, and May 2020, we'll be testing variants that aim to get more users into the newcomer tasks flow.

See this page for the list of variant tests and their results.

Měření a výsledky

Kontrolovaný experiment

V prosinci 2020 jsme zveřejnili výsledky kontrolovaného experimentu, který ukázal, že úkoly pro nově příchozí mají pozitivní dopad na jejich další zapojení. Toto jsou naše nejdůležitější výsledky a dávají nám jistotu, že by se tyto funkce měly rozšířit na více wiki. Podrobnosti najdete zde..

Použití

Starting in December 2019, we have been tracking several key metrics from newcomers tasks. The graphs shown in this section are our main charts of those metrics as of 2020-08-17.

Summary

Since deploying newcomer tasks in November 2019, we have seen steady increases in both the number of edits from the feature and the number of editors using the feature. These increases are due to two elements: (a) improvements to the feature, and (b) expanding the feature to more wikis.

Specific charts

Conversion funnel: the first graph is the most important to our team. Each line shows how many newcomers arrive at each stage of our "conversion funnel", meaning how far they progress into the newcomer tasks workflow, as a percentage of newcomers who visit their homepage. We want the users to move through the stages of (1) interacting with the module (blue), (2) selecting an article (red), (3) clicking edit on the article (orange), (4) saving an edit (green). In general, we want to see all the lines go up.

Since the early days of the feature, the percentage of users who have clicked edit and who have saved edits have steadily gone up. In January 2020, something like 2% of newcomers who visited their homepage saved a suggested edit. In August 2020, that has grown to 5.3%, which is more than double.
In August, almost all users who selected a task clicked edit, which can be seen by the closeness of the red and orange lines.
We think that these improvements are due to the two major features we deployed between January and August: topic matching (which allows newcomers to find more interesting articles) and guidance (which encourages them to click edit and explains how to complete the edit).

Edits: the second graph shows the number of newcomer task edits completed each week, with a separate line for each wiki and a "total" line in black. From December to August 17, there have been 15,126 edits completed through newcomer tasks. It is clear that this has grown over time, which is certainly to be expected because we have gone from 4 wikis to 12 between January and August.

But looking at the individual wikis' lines, it is possible to see growth over time.

It is common for the number of suggested edits completed each week on a wiki to vary a lot. One of the reasons is that a small number of enthusiastic newcomers can create dozens or hundreds of edits in a short time, but then may not be on wiki on other weeks.
Arabic Wikipedia, being one of the largest wikis that has the feature, consistently creates the most edits.

Editors: in addition to tracking the number of edits, we also want to make sure that increasing numbers of newcomers are participating. The third graph shows the number of users completing newcomer tasks each week, broken out by wiki.

Similarly to the graph of edits, this number also has increased steadily, and the addition of new wikis (such as French Wikipedia on week 21 and Persian Wikipedia on week 32) are clearly visible.
We believe that the effect of "guidance" is visible. This was released before week 25. There have been over 100 users of newcomer tasks every week since its release, whereas only three weeks had previously reached that level.

Kvalita editací

Ambasadoři Growth týmu prošli přes 300 editací uložených nováčky a každou posoudili z hlediska produktivity (objektivní posouzení, zda editace článku pomohla). Jsme rádi, že asi 75 % editací je konstruktivních. To je podobné, jako u nováčků bez aktivace této funkce. Jsme rádi, že tato funkce nepovzbudila vandaly. Většinu z editací tvoří korektury, přičemž mnoho z nich také přidává odkazy a některé dokonce přidávají obsah a odkazy. Asi třetina z uživatelů, kteří dokončí nějaké editační tipy, pokračuje s dalšími editačními tipy. Někteří z nich, k naší velké radosti, dokonce editují i články, které nebyly touto funkcí doporučené.

Kvalitní editace, které vidíme, nás povzbudili motivovat více nováčků k tomu, aby tuto funkcionalitu použili a pracovali na editačních tipech.