Edit Review Improvements/Proposed Huggle improvements/nl

Edit Review Improvements/nl (ERI) is een WMF Collaboration Team project dat tot doel heeft het edit-review proces in het algemeen te verbeteren en, in het bijzonder, de negatieve effecten te verminderen die de huidige processen kunnen hebben op nieuwe bewerkers op de wiki's. Huggle/nl is een krachtige en populaire hulpmiddel voor het beoordelen van bewerkingen en het bestrijden van vandalisme. Hoewel semi-geautomatiseerde patrouille-hulpmiddelen zoals Huggle van vitaal belang zijn voor de bescherming van de integriteit van de wiki's, suggereert een onderrzoek dat het gebruik van dergelijke hulpmiddelen het onbedoelde gevolg kan hebben dat nieuwe bewerkers te goeder trouw worden ontmoedigd en zelfs weggestuurd.

Om dit probleem aan te pakken, onderzoekt het team Collaboration een reeks verbeteringen aan Huggle. Door het verstrekken van ORES bewerk-scoregegevens in een nieuw, gebruiksvriendelijk scherm, zullen deze verbeteringen Hugglers in het algemeen helpen om hun inspanningen efficiënter uit te voeren. De nieuwe hulpmiddelen zullen ook de beoordelaars in staat stellen te weten wanneer een te beoordelen bewerking is gemaakt door een nieuwe wiki-bewerker en of deze de bewerkingen in goede trouw heeft gedaan. Met deze informatie zullen de beoordelaars hun reacties beter kunnen geven.

Deelname van de gemeenschap is van vitaal belang voor het succes van dit project, gezien de geschiedenis van Huggle als een door de gemeenschap gecreëerde en door de gemeenschap onderhouden hulpmiddel. Deze pagina geeft een overzicht van de doelstellingen van het project en de voorgestelde functies als een eerste stap op weg naar het verkrijgen van feedback van de gemeenschap.

Doelen

Een prototype toont de voorgestelde nieuwe Huggle-functies. Let op de extra rij van pictogrammen naast de standaard Huggle-pictogrammen in de bewerkingswachtrij.

Hoewel een grondige beoordeling van Huggle ongetwijfeld een lange lijst met mogelijke verbeteringen zou kunnen opleveren, valt een volledige herschrijving van het hulpmiddel niet binnen het kader van het ERI-project. De volgende doelstellingen zijn in overeenstemming met ERI en zijn geformuleerd met het oog op het versterken van Hugglers en het helpen van hen om een betere beoordelingservaring te bieden voor nieuwe gebruikers.

Huggle-gebruikers helpen vandalisme effectiever te bestrijden:

• Het bieden van een duidelijke en gebruiksvriendelijke weergave van de ORES-bewerkingskwaliteitvoorspellingen, waardoor beoordelaars problemen beter kunnen oppakken.
• Het biedt betere gegevens en een gebruiksvriendelijker weergave van de redactiegeschiedenis, waardoor beoordelaars individuele bewerkingen in context kunnen zien en de vorige bewerkingen van een vandaal gemakkelijker kunnen patrouilleren.

• 

  Een detailbeeld van het venster met de wachtrij. De nieuwe kolom van pictogrammen zal beoordelaars helpen problemen bij te werken en de ervaring en intenties van de redacteur beter te begrijpen.

  Verbeter de mogelijkheid van beoordelaars om aangepaste filters te maken door meer datatypes als opties te omvatten, waardoor ze bewerkingsreeksen kunnen bouwen die meer op hun interesses afgestemd zijn.
• Door Huggle over te schakelen zodat het de nieuwe ReviewStream feed opneemt, verbetert de snelheid in het algemeen en maakt het de ontwikkeling van nieuwe functies in de toekomst gemakkelijker.

In het nieuwe pictogramsysteem communiceert elk pictogram over drie dingen van een bewerking. Kleur geeft de bewerkingskwaliteit aan. Gezichtsuitdrukking geeft de voorspelling te goeder of te kwader trouw aan. De vorm geeft aan welke bewerkingen door nieuwkomers zijn gemaakt.

Huggle gebruikers helpen een betere beoordelingservaring te bieden aan nieuwkomers die te goeder trouw zijn:

• Geef een duidelijke indicatie van het niveau van de bewerker, zodat beoordeelaars nieuwe mensen bij het bewerken kunnen herkennen.
• Zorgt voor een duidelijke en gebruiksvriendelijke weergave van ORES-voorspellingen te goeder trouw, zodat beoordelaars bewerkingen kunnen identificeren die, hoewel ze problemen kunnen hebben, te goeder trouw zijn gemaakt.
• Stel beoordelaars in staat, als ze dat willen, om bewerkingen van nieuwkomers te goeder trouw weg te filteren (laat dergelijke bewerkingen over aan beoordelaars die meer gericht zijn op het ondersteunen van nieuwe gebruikers).

Geplande verbeteringen

Gebruiksvriendelijke weergave van Quality, Intent en Experience gegevens

Doel

Het stelt beoordeelaars in staat hun werk in het algemeen effectiever te prioritiëren en te herkennen wanneer een onder de recensie vallende bewerking is gemaakt door een nieuwkomer die, terwijl hij worstelde, in goede trouw werkte.

Voorgestelde functies

In de bewerkingsreeks wordt een nieuwe kolom van pictogrammen toegevoegd aan en uitgevoerd naast de bestaande Huggle bewerkingspictogrammen. Het nieuwe systeem met pictogrammen zal gebaseerd zijn op nieuw gestandaardiseerde classificaties die de volgende informatie gemakkelijk te begrijpen en te gebruiken maken:

• Bewerkingskwaliteit voorspellingen – Machine-learning-voorspellingen van bewerkingskwaliteit worden gepresenteerd in een van vier categorieën, variërend van "Heel waarschijnlijk goed" tot "Heeft waarschijnlijk problemen".
• Gebruikersbedoeling voorspellingen – Machine-learning-voorspellingen van of een bewerking in goede trouw of niet is gedaan, worden gerangschikt met behulp van drie niveaus, variërend van "Heel waarschijnlijk te goede trouw" tot "Waarschijnlijk te slechte trouw".
• Gebruikerservaring niveau – Om de bewerkingen van nieuwe gebruikers meer zichtbaar te maken, wordt het ervaringsniveau geclassificeerd als een van de volgende:
  • Nieuwkomer – minder dan 10 bewerkingen en minder dan 4 dagen activiteit
  • Leerlingen – meer dagen van activiteit en meer bewerkingen dan nieuwkomers, maar minder dan ervaren gebruikers. (On English Wikipedia, this corresponds to autoconfirmed status)
  • Ervaren gebruikers: meer dan 30 dagen activiteit en meer dan 500 bewerkingen. (On English Wikipedia, this corresponds to extended confirmed status)

Wanneer de gebruiker over een bewerking gaat met bijvoorbeeld de muis, verschijnt er een tooltip met beschrijvende informatie over de bewerking. (Voor meer details zie de illustraties aan de rechterkant.)

Betere gebruikersinformatie

Doel

A mockup of the User Info window shows enhanced editor-summary and edit-history data.

Enable reviewers to more easily understand an edit’s context. When vandalism is detected, help reviewers trace and address a bad actor’s past activity.

Voorgestelde functies

As shown in the illustration, we propose to enhance the User Info window with both a richer summary of notable actions from the user’s Talk page as well as better data about past edits.

• Enhanced summary data - The experimental edit-review program Snuggle showed how a revealing summary of an editor’s recent interactions with other wiki users can be constructed by pulling tag and other data from the user’s Talk page. Such data would include instances of warnings, welcomes, Teahouse invitations, blocks, deletion proposals, etc. (To avoid permanently stigmatizing editors,  such an editor summary will probably look back over only a limited period.)
• Enhanced edit-history data - At present, the User Info window provides only minimal data about an editor’s past edits (the relevant page name, time and date of the edit, and  the edit number). Providing Quality and Intent rankings of past edits and indicating which edits were reverted will enable reviewers to get a fuller picture of an editor’s past activities. In the event the editor under review is a vandal, reviewers will be able to click on and review any past suspicious edits that weren’t reverted.

ERI-gegevens toevoegen aan wachtrijfilters

Doel

Enable reviewers to more narrowly focus their efforts on the types of edits that interest them most. Encourage reviewers to use the new ERI data to either find and assist good-faith new users or, alternatively, to exclude such users from edit queues, leaving them to reviewers who specialize in new-user support.

Voorgestelde functies

The user-friendly display of Quality, Intent and Experience data described above will give reviewers new ways to evaluate and screen edits. We can automate that process and improve efficiency even further by letting reviewers filter the edit queue by these new data types.

• New standard filter offerings - By adding a suite of new standard offerings to the queue filter menu, we can encourage use of the new data types. Such predefined filters could, for example, target “Likely vandalism” or “Problem edits by good-faith newcomers.”
• New customization options - Huggle includes a tool (in Preferences) that lets reviewers define custom edit-queue filters. Adding Quality, Intent and Experience data as choices in that tool will give reviewers new options for creating even more powerful and nuanced filters.