Jump to content

Növekedés/Személyre szabott első nap/Új szerkesztők feladatai

From mediawiki.org
This page is a translated version of the page Growth/Personalized first day/Newcomer tasks and the translation is 96% complete.
Az új szerkesztők feladatai a cseh Wikipédián

Ez az oldal a Növekedési csapat „új szerkesztők feladatai” projekten végzett munkáját írja le, amely egy konkrét projekt a nagyobb „személyre szabott első nap” nevű kezdeményezésen belül. Ez az oldal a jelentősebb eszközöket, terveket és döntéseket tartalmazza. A legtöbb fokozatosan érkező újdonságot az általános a Növekedési csapat újdonságai oldalon, néhány nagyobb vagy részletesebb újdonságot pedig itt tesszük közzé.

Az alábbi termékminták bemutatója segítségével könnyen megnézheted, hogy a csapat milyen eszközön dolgozott (használd a nyilakat a navigációhoz):

Ennek a projektnek a tervezése 2019. július 24-én kezdődött. Az első változatot 2019. november 20-án telepítettük négy wikire.

2020 decemberében a kezdőknek javasolt feladatok elkötelezettségre gyakorolt hatását mutató eredményeket közöltünk. Lásd ezt az oldalt a részletekhez.


Jelenlegi állapot

  • 2019-07-24: az első csapatmegbeszélés az új szerkesztők feladatainak a megbeszélésére
  • 2019-08-27: csapatmegbeszélés az ötlet koncepciójának áttekintésére
  • 2019-09-09: a műszaki munkához Phabricator-feladat létrehozása
  • 2019-09-23: asztali felhasználókkal való tesztek befejezése
  • 2019-09-30: mobilfelhasználókkal való tesztek befejezése
  • 2019-11-20: a V1.0-át telepítettük a cseh, koreai, arab és vietnámi Wikipédiára
  • 2019-12-13: az első kísérleti változatot („kezdemény”) telepítettük a cseh, koreai, arab és vietnámi Wikipédiára
  • 2020-01-14: a témaegyeztetés hozzáadásának tesztelése, melyet 2020. január 20-án fogunk telepíteni
  • 2020-01-21: a javasolt szerkesztési modul kiegészült az érdeklődésre számot tartó témák kiválasztásának lehetőségével
  • 2020-03-05: ORES-modellek használatára frissített témaillesztés
  • 2020-04-03: az első variációs teszt eredményei
  • 2020-06-08: minden új szerkesztőt az A változatra váltott
  • 2020-06-15: alkalmazott útmutatás
  • 2020-10-19: bevetett C és D változat
  • 2020-11-20: Published Newcomer tasks experiment analysis
  • Továbbiakban: Continue improvements to Newcomer tasks and possibly develop new Structured tasks

Összefoglalás

Nehézségi szűrők az új szerkesztők feladatai számára

Azt gondoljuk, hogy az új szerkesztőknek meg kell kapniuk minden lehetőséget arra, hogy sikeresen legyenek, amikor először találkoznak a Wikipédiával. De gyakran előfordul, hogy az új szerkesztők olyan feladatot próbálnak ki, amely túl nehéz számukra, nem találnak olyan feladatot, melyet szívesen csinálnának, vagy nem találnak ötleteket arra, hogyan maradhatnának jelen az első szerkesztés után is. Ez ahhoz vezet, hogy sokan közülük elmennek és nem térnek vissza. A múltban már voltak sikeres kísérletek arra, hogy feladatokat ajánljanak a szerkesztőknek, ezért úgy gondoljuk, hogy a Új szerkesztők kezdőlapja egy lehetséges hely arra, hogy releváns feladatokat ajánljunk az újonnan érkezőknek.

Néhány dolgot szem előtt kell tartanunk:

  • Sok új szerkesztő valamilyen konkrét szándékkal érkezik, amit szeretnének elérni, pl. egy adott fénykép hozzáadása egy kiválasztott szócikkhez. Nem akarjuk eltéríteni őket attól, hogy megvalósítsák ezt a céljukat.
  • Az új szerkesztők idővel, fokozatos jutnak hozzá a szükséges ismeretekhez és kézségekhez, az egyszerűbbektől a nehezebbek felé haladva.
  • Amennyiben az új szerkesztők kezdetben sikeresek, motiváltabbakká válnak a szerkesztés folytatására.

Mindezeket figyelembe véve, szeretnénk feladatokat ajánlani az érkező új szerkesztőknek a megfelelő helyen és időben, megtanítani őket a szükséges és érdeklődési körüknek megfelelő szaktudásra ahhoz, hogy sikeresek legyenek.

Az üdvözlési felmérés egy értékes eszköz, ami segít számunkra abban, hogy milyen feladatok érdeklik az újonnan érkezőket. Ezt eredetileg éppen erre a feladatra hoztuk létre: személyre szabott élményt kínálni az új szerkesztőknek. Úgy tervezzük, hogy az új szerkesztőktől opcionálisan, céljaikról és érdeklődésükről kapott információt alapján ajánlunk nekik személyre szabott feladatokat.

Az egyik legnagyobb kihívás, hogy hogyan fogjuk kitalálni és összegyűjteni azokat a feladatokat, melyek megfelelőek az új szerkesztők számára. Számos létező forrás van, mint pl. sablonok, amelyek felkérik a szerkesztőket arra, hogy dolgozzanak a szócikkeken, javaslatok a tartalomfordító eszközben, vagy ajánlások eszközökből, mint pl. a forrásvadász. A kérdés az, hogy ezen lehetőségek közül melyek segítik leginkább az új szerkesztőket a céljaik elérésében.

Elsőre az új szerkesztők honlapjának használatára fogunk összpontosítani, mint arra a helyre, ahol javaslatokat adhatunk a feladatokra. Hosszabb távon azonban el tudjuk képzelni, hogy olyan eszközöket építünk, ami kiterjeszti a szolgáltatást a szerkesztési környezetbe, mely javaslatokat ad, és segíti az új szerkesztőket abban, hogy megvalósíthassák ezeket a javasolt feladatokat.

Hosszabb távon szintén megfontoljuk a feladatok ajánlásának bekapcsolását az új szerkesztők számára kínált szolgáltatások más részeibe, mint az új szerkesztők honlapján található hatásmodul vagy a segítségpanel.

Miért van ez az elképzelés előnyben részesítve

Kutatásokból és tapasztalatokból tudjuk, hogy sok új szerkesztő az említett okok valamelyike miatt már a szerkesztési út elején elbukik:

  • Egy nagy kihívást jelentő szerkesztéssel érkeznek, például egy új szócikk megírásával vagy egy kép hozzáadásával. Ezek a feladatok elég nehezek ahhoz, hogy nagy valószínűséggel kudarcot valljanak, és ne térjenek vissza.
  • Úgy érkeznek, hogy nem tudják, mit kell szerkeszteni, és nem találnak semmilyen szerkesztési lehetőséget.

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.

Szójegyzék

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.

Feladatok ajánlása

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.

A feladatok kiválasztása

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:

Example of maintenance template on English Wikipedia

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):

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

  1. Gathering information from the newcomer: learning what we need in order to recommend relevant tasks.
  2. Feature discovery: the way the newcomer first encounters task recommendations.
  3. Task recommendations: the interface for filtering and choosing tasks.
  4. Guidance during editing: once the newcomer is doing a task, the guidance that helps them understand what to do.
  5. User feedback: ways in which the newcomer can indicate that they are not satisfied with the recommended task.
  6. 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.

Felhasználói tesztek

Asztali

A 2019. szeptember 16-i héten a usertesting.com segítségével hat tesztet végeztünk az asztali kezdő feladatok prototípusával a Wikimédia mozgalomhoz nem kötődő internetezőkkel. Ezekben a tesztekben a válaszadók kompenzációt kaptak azért, hogy kipróbálják a maketteket, hangosan beszéljenek arról, amit megfigyelnek, és válaszoljanak a tapasztalatokkal kapcsolatos kérdésekre. A teljes eredmény megtalálható ebben a Phabricator feladatban. A tesztelés céljai a következők voltak:

  1. Az új szerkesztői feladatok moduljának felfedezhetőségének mérése
  2. A feladatok modul használhatóságának javítása:
    1. Értik a felhasználók, hogyan válasszák ki és vizsgálják felül a szócikkjavaslatokat?
    2. Értik a felhasználók, hogyan szűrhetnek érdeklődési kör és a feladat nehézsége szerint?
    3. El tudják-e kezdeni egy javasolt cikk szerkesztését?
  3. Felméri a felhasználói reakciókat a javaslatokra és a várakozásokat a feladattal kapcsolatos útmutatással kapcsolatban.
Az eredmények összefoglalása
  • Minden felhasználó úgy vélte, hogy logikus és intuitív, hogy az őket érdeklő témák alapján kapnak javaslatokat.
  • Hasonlóképpen, a különböző nehézségű feladatokat minden résztvevő pozitívan fogadta.
  • A javasolt szerkesztési modul általános használhatósága rendkívül magas volt. Az emberek tudták, hogyan kell kattintani a további cikkek megjelenítéséhez, hogyan kell használni a szűrőt a témák és a feladatszintek megváltoztatásához, és tudták, hogyan kell a kártyára kattintani a szerkesztési javaslat megnyitásához.
  • 4/6 A résztvevők kezdetben nem vették észre, hogy a "Javasolt szerkesztési lehetőségek megtekintése" gombra kell kattintaniuk, ami segíthet nekik elérni a céljukat, hogy új cikket írjanak. Úgy tűnt, hogy ez egy gyakori gondolkodásbeli modell, ahol a felhasználók a "Szerkesztést" másként különítették el, mint az "Új oldal létrehozását".
  • A Start modul egyértelműen a kiindulópont minden résztvevő számára. Ezen túlmenően sokan a "Javasolt szerkesztések megtekintése" gombra kattintottak, hogy nyomon követhessék a tevékenységek előrehaladását a Start modulban.
  • A felhasználók világosan megértették és elvárták, hogy a témák hozzáadására és a feladatsorok bevezetésére szolgáló bevezető párbeszédpanelek alapján javasolt szócikkeket fognak kapni szerkesztésre.
  • Mindenki könnyen kiválaszthatta a népszerű témákat és hozzáadhatta a saját témáit.
  • Mindenki megértette a javasolt szerkesztési modul célját.
  • Két személyt összezavartak/elfogadták, hogy a könnyű és közepes feladatok elvégzéséig nem tudnak új cikket létrehozni.
  • 6 résztvevőből 5 tudta, hogy a szerkesztési módba lépve a súgó gombra kell kattintania az útmutatásért.
  • Négyen várták, hogy a súgópanelben kapcsolatba léphessenek mentorukkal.
  • A feladattanácsok néhány résztvevő számára nem nyújtottak kellő szintű útmutatást.
Javaslatok
  • A szöveg javítása és a felhasználók oktatásának továbbfejlesztése, hogy az új tartalom létrehozása a szerkesztés egy formája.
  • A javasolt szerkesztések könnyebb megértése érdekében szükség van a hatásmodul itt tesztelt frissítéseire.
  • Jó szerkesztési kontextusú segítség nyújtása. Ez nagyon fontos a szerkesztéssel próbálkozó felhasználók számára.
    • Tartalmazzon egy "ellenőrző listát" a felhasználók számára a súgópanel feladattippjei között.
    • Rövid példák bemutatása a teendőkre.
    • Jelzi a felhasználóknak, hogy nem kell egy teljes szócikket másolniuk, szerkeszteniük.
  • A valós idejű szűrési eredmények bevonása segít a felhasználóknak összekapcsolni a javaslatokat a szócikkszerkesztésekkel, és ösztönzi a szűrés használatát a megfelelő cikkek megtalálására.

Mobil

A 2019. szeptember 30-i héten a usertesting.com segítségével hat tesztet végeztünk a mobilos kezdő feladatok prototípusával. A teljes eredmény megtalálható eme Phabricator feladatban. A tesztelés céljai ugyanazok voltak, mint az asztali gépek esetében, de azzal a további céllal, hogy megértsük, miben különbözik a mobilos élmény az asztali gépekétől. A mobil felhasználói tesztelőket azzal a lehetőséggel bízták meg, hogy képet kívánnak hozzáadni a Wikipédiához (míg az asztali számítógépes válaszadóknak azt a forgatókönyvet adták meg, hogy új cikket kívánnak létrehozni).

Az eredmények összefoglalása

  • Összességében a felhasználók úgy találták, hogy az (újratervezett) indítómodul világosan ismerteti a kezdéshez szükséges lépéseket.
  • A lenti "Javasolt szerkesztések" extra modul, bár nem volt különösebben zavaró, még mindig nem az a hely volt, ahová a felhasználók azt várták, hogy a kép hozzáadásával kapcsolatos feladatukhoz segítséget kapnak.
  • A Javasolt szerkesztés elég intuitívan volt használható, a résztvevők megértették, hogyan működnek a különböző elemek (szűrés, több cikk megtekintése stb.). A felhasználók azonban a tanuláson vagy az unalmon túl nem látják a Javasolt szerkesztések alkalmazásának hasznát.
  • Többen szerették volna, ha a felsorolt általános témáknál részletesebb témák is rendelkezésre állnának.
  • A részletes nehézségi információ tanulságos volt, de potenciálisan elrettentő. Mindenkit meglepett, hogy a "Képek hozzáadása" nehéznek minősült, és ez a tény különböző mértékben frusztrálta őket.
  • Az érdeklődési körök szerinti szűrés nagy érvágás.
  • 3 személy a teszt vége felé azt feltételezte, hogy volt valamilyen "ellenőrzés" vagy követelmény, hogy néhány Könnyű feladatot el kell végezni, mielőtt a Közepes/Nehéz feladatokat el lehetett volna végezni
  • Mindenki úgy értelmezte a Javasolt szerkesztések célját, hogy olyan szerkesztéseket adjon, melyekkel a felhasználók megtanulják a szerkesztést, és azt is hangsúlyozta, hogy megmutatta nekik, hogy egyes szerkesztések nehezebbek.
  • Minden felhasználónak gondot okozott a szerkesztés során a súgópanelen keresztül felkínált útmutatás használata. Ez egy olyan fontos terület, aminek a megtervezésén alaposan el kell gondolkodnunk, mielőtt elkezdjük az építést.

Javaslatok

  • A javasolt szerkesztési lehetőségek a start modulon belül vannak, nem pedig a saját kártyájukon.
  • A szövegek és a felhasználói oktatás képi világának javítása, hogy jobban érzékeltesse, hogy a javasolt szerkesztések kipróbálása a tanuláson túlmenően valós értékkel bír, és hogy a feladat nehézsége csak iránymutatás, és a feladatokat sorrenden kívül is ki lehet próbálni.
  • Kifejezetten a javasolt szerkesztések személyre szabott bevezetéséhez egy overlay hozzáadása.
  • Beleértve a szűrt eredmények valós idejű számlálását mind a feladat-, mind a témaszűrőkön.
  • Részletesebb keresés beépítése a felhasználók által érdeklődési körök szerint.
  • Ha egy felhasználó megnyit egy javaslatot, ismételje meg, hogy az egy valódi, hatással bíró szerkesztés.
  • A feladaton belüli súgópanel kialakításának frissítése, hogy az összes elérhető súgótartalom egyértelműen elérhető legyen.

1.1 verzió: témák egyeztetése

A korábbi kutatások és fejlesztések azt mutatják, hogy a felhasználók nagyobb valószínűséggel végzik el az ajánlott feladatokat, ha a feladatok megfelelnek a tematikus érdeklődési körüknek. A SuggestBot a szerkesztő korábbi szerkesztési előzményeit használja fel hasonló szócikkek keresésére, és ezek az intelligens találatok ebben a tanulmányban bizonyítottan gyakrabban kerülnek végrehajtásra, mint a véletlenszerű találatok. A tartalomfordító eszköz szintén ajánl szócikkeket a felhasználó korábbi fordítási előzményei alapján, és ezek az ajánlások növelték a fordítási mennyiséget.

Az újonnan érkezett feladatok V1.0-ás verziójának használatát vizsgálva, ami nem tartalmaz témaillesztést, azt látjuk, hogy vannak olyan felhasználók, akik sok javasolt cikken navigálnak végig, és végül egyikre sem kattintanak. Vannak olyan felhasználók is, akik sok cikken keresztül navigálnak, és végül csak azokat szerkesztik, melyeket véletlenül találnak, és melyek egy bizonyos témakörhöz, például az orvostudományhoz tartoznak. Ezek is jó jelek arra, hogy a témák értékes segítséget nyújthatnak az új felhasználóknak abban, hogy megtalálják a szerkeszteni kívánt cikkeket.

Az új belépőkkel kapcsolatos kihívásunk a "hidegindítás problémája", mivel az új szerkesztőknek nincs szerkesztési előzménye, amit felhasználhatnának, amikor megpróbálják megtalálni a számukra releváns szócikkeket, amiket szerkeszthetnek. Szeretnénk egy olyan algoritmust, mely megmondja, hogy mi az egyes szócikkek témája, és ezt használjuk a karbantartási sablonokkal rendelkező cikkek szűrésére.

Algoritmusok

Screenshot of ORES topic selection filter on desktop

Többféle megközelítés létezik, amellyel megtalálhatjuk azokat a cikkeket, amik megfelelnek a felhasználó által megadott érdeklődési körnek. Bár a csapatunk sokfélét azonosított, három módszer prototípusát építettük meg és teszteltük:

  • 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:

  • Hogyan lehet elérni, hogy egy körülbelül 30 témából álló hosszú lista ne legyen túlterhelő a szerkesztők számára?
  • Hogyan kezeljük a témák több rétegét (pl. ha a "Tudomány" alatt a "Biológia", "Kémia" stb. altémák állnak)?
  • A szerkesztők tudnak-e visszajelzést adni, ha egy téma nem felel meg az általuk kiválasztottnak?

Ezek a mockupok tartalmazzák az interfész jelenlegi terveit. A billentyűzet nyílbillentyűivel lehet navigálni. Az alábbiakban a mockupok néhány képe látható:

1.2 verzió: útmutató

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:

  1. When the user has arrived on the article and before they click edit.
  2. After clicking edit and before saving an edit.
  3. 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:

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.

Mérés és eredmények

Ellenőrzött kísérlet

2020 decemberében közzétettük egy ellenőrzött kísérlet eredményeit, melyből kiderült, hogy az újonc feladatok pozitív hatással vannak az aktivitásra. Ezek a legfontosabb eredményeink, és bizalmat adnak nekünk, hogy ezeket a funkciókat több wikire is ki kell terjeszteni. Lásd ezt az oldalt a részletekhez.

Használat

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.

Conversion funnel for newcomer tasks as of 2020-08-17

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.

Number of edits from newcomer tasks as of 2020-08-17
  • 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.

Number of editors using newcomer tasks as of 2020-08-17
  • 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.

Szerkesztési minőség

A Növekedés csapat nagykövetei több mint 300, új felhasználók által elmentett szerkesztést néztek át, és megjelölték, hogy az egyes szerkesztések produktívak voltak-e (azaz javítottak-e a cikken). Örömmel látjuk, hogy a szerkesztések körülbelül 75%-a "produktív". Ez hasonló az új felhasználók által végzett szerkesztések alaparányához, és örülünk, hogy ez a funkció nem ösztönözte a vandalizmust. A szerkesztések többsége copyedit, de sokan linkeket is hozzáadnak, és néhányan még tartalmat és hivatkozásokat is beillesztenek. Azoknak a felhasználóknak körülbelül egyharmada, akik egy javasolt szerkesztést végeznek, további javasolt szerkesztéseket is végeznek. Sokan olyan szerkesztéseket is végrehajtanak, amelyeket a funkció nem javasolt, és ezt a hozzáállást örömmel látjuk.

A magas színvonalú szerkesztések, amelyeket látunk, arra ösztönöznek bennünket, hogy fejlesszük a funkciót, hogy még több új felhasználó kezdje el és fejezze be a munkafolyamatot.