Readability или удобочитаемость. Разбираемся с уровнями текстов.

Ревущие двадцатые годы прошлого века ознаменовались большим ростом американских университетов, всеобщим школьным образованием для первого поколения иммигрантов и их детей: система Дьюи бодро шагала по странам мира, а педагоги создавали тезариусы и списки слов по их частотности и упрощали учебники. В этот момент чтением заинтересовался и традиционный маркетинг. В эпоху LLM уровни чтения и роли с точки зрения уровня - выглядят интересным фильтром

В период великой депрессии Ральф Оджеман начал проводить тесты на удобочитаемость текстов с фокус-группами из взрослых: была создана подборка из 16 пассажей из различных журналов и СМИ в одинаковым объемом в 500 слов в каждом. Взрослые отвечали на вопросы теста. Он сумел соотнести тексты и сфокусированные задания и получил аж 14 факторов: 8 касались сложности словарного запаса, а 6 касались синтаксической сложности. Хотя интерпретация факторов спорный вопрос, да и много сомнений в самих факторах, но сам метод стал популярным и используется по сей день. Следите за руками.

Text Leveling или ранжирование текстов.

Допустим, что у нас нет четкой формулы для нашей задачи оценки удобства чтения. Допустим, что вместо маркетологов и продуктовых аналитиков у нас в штате обезьяна Виталий. У нас есть фокус-группа нашей ЦА и набор текстов схожей тематики, но с разными задачами (так интереснее!). Чтобы не быть голословными пусть это будет наборы контента компьютерных игр The Elder Scrolls: текстами будут в этом случае описания предметов, диалоги персонажей, внутренние игровые книги, тексты всплывающих подсказок, картография и пометки на картах, имена и названия, тексты пунктов меню и настроек, тексты в сторах типа стима, маркетинговые материалы до выхода игры, блог разработчиков, рецензии игровых СМИ, мерч в виде серии книг по играм, ну вы поняли.

Вам нужно где-то взять градиенты для таких текстов. Градиент текстов - это инструмент, который помогает вам просматривать тексты в непрерывном диапазоне от самого простого до самого сложного. Допустим, вы их придумали сами(что плохо) или решили использовать заготовки школьных психологов типа A-Z модели левелинга текстов. Или что-то типа Fountas & Pinnell градиентов. Туда входят примерно следующие факторы:

Количество слов
Количество разных слов
Соотношение разных слов к общему количеству слов
Количество высокочастотных слов
Соотношение высокочастотных слов к общему числу слов
Количество низкочастотных слов
Соотношение низкочастотных слов к общему числу слов
Длина предложения
Сложность предложения
Предсказуемость
Типографика: размер/интервалы и тд
Поддержка иллюстрации(ну в вашем случае будет моделька персонажа)
Концепция нагрузки читателя
Знакомство с темой до чтения

Большинству этих факторов можно дать количественную оценку: вы можете выставить градиенты от простого к сложному. А значит, в целом, что вы можете ранжировать тексты по числу баллов, предоставляя той персоне пользователя тот текст, который ему понятен. И независимо от цели чтения. Например, текст внутренний диалог с NPC-ученым или баг-репорт будет сложным, а простые реплики с обычными NPC где-то ближе к середине распределения.

Метод левелинга или ранжирования это хороший способ хотя бы приступить к упорядочиванию вашего контента в продукте. Конечно, важно помнить о том, что если ваш читатель заинтересован в контенте, то он способен преодолеть даже самый сложный текст: дети, увлеченные динозаврами, но с плохими навыками чтения, могу засесть за университетские пособия по палеонтологии. Ранжируются только тексты, а не ваши пользователи.

Как на самом деле оценивается продукт с точки зрения опыта пользователя?

Я хотел бы начать с истории про красоту и воспринимаемое удобство, которая, вероятно, многим из нас знакома. В 1995 году японские исследователи Масааки Куросу и Каори Касимура из корпорации Hitachi ( производителя ЭВМ и промышленных авто) продемонстрировали в своем исследовании эффект эстетики и удобства использования. Результаты анализа показывают, что «явное удобство использования в меньшей степени коррелирует с субъективным удобством использования по сравнению с видимой красотой или эстетикой. На пользователя может сильно влиять эстетический аспект интерфейса, даже когда он пытается оценить интерфейс исключительно в функциональных аспектах, а дизайнерам стоит увеличить эстетическую составляющую интерфейса. Красивое - удобно, полагает пользователь
https://dl.acm.org/doi/pdf/10.1145/223355.223680

Эксперимент несколько раз был подтвержден, если верить википедии, конечно, кроме юзабилити есть сильное влияние на воспринимаемую стоимость и так называемые ценовые исследования.
Вода мокрая, да, я понимаю, но давайте взглянем на этот эффект - aesthetic–usability effect - более подробно и попробуем дать экономическое обоснование природы красоты в цифровых продуктах. Есть некоторые мои размышления на этот счет, которые, как кажется, стыкуются с реальностью

Кейнсианский конкурс красоты — мыслительный эксперимент, разработанный Джоном Мейнардом Кейнсом в главе 12 его работы «Общая теория занятости, процента и денег» (1936) для объяснения колебаний цен на фондовых рынках. В ней описывается воображаемый конкурс красоты, в котором награждаются не самые популярные участники конкурса, а те судьи, которые наиболее точно смогли угадать, кто из участников конкурса окажется наиболее популярным, и, строго говоря, будет признан самым красивым.

Кейнс описал действия рациональных агентов на рынке, используя аналогию, основанную на вымышленном конкурсе для читателей газеты, в котором участников просят выбрать шесть самых привлекательных лиц из ста фотографий. Те, кто выбрал самые популярные лица, имеют право на получение приза. В мире, где красота становится валютой, а восприятие превращается в актив, смелость выбора самого очаровательного лица кажется наивной стратегией. Скорее надо угадать лицо, действительно удовлетворяющее среднему вкусу, а еще точнее предугадать, каково будет среднее мнение относительно всех людей насчет того, каким должно быть среднее мнение.

Мы играем в игру, где правила определяются не нами, но нашими представлениями о представлениях других людей. На наше восприятие удобства и красоты интерфейса влияет имидж компании, общественное мнение, расходы на дизайн-митапы и дизайн сообщества: думаю, что именно в этом секрет того, что так много денег тратится на поддержание этого корпоративного буллшита - самый простой способ повлиять на восприятие своего мобильного зеленого или красного банка или условного Авито - это просто заплатить деньги и потратить ресурсы на выступления. Пресловутый common knowledge эпистемологии в проектировании.
https://en.wikipedia.org/wiki/Keynesian_beauty_contest

UX в СССР
Показательная иерархия ГОСТов. Чего не хватает? Стандартов союзных республик - их не было(?), вероятно, проектировщики смотрели на всесоюзные ("федеральные") ГОСТы

Кто-то в Ленинке карандашом подписал "Нет моделей" и это тоже правда.

Мунипов В.М., Оше В.К. Стандартизация эргономических норм и требований. - В сб.: Итоги науки и техники, Серия "Физиология человека и животных". Т. 21. Актуальные проблемы эргономики. М., 1978. (БИНИТИ).

Книги. История цвета

Школа Анналов возникла в XX веке во Франции, с одной стороны, как попытка ответить на сложности жесткого формационного подхода марксистов, а, с другой, была своеобразной французской реакцией на общую неудовлетворенность представлением о истории в англо-саксонском мире: французский журнал «Анналы» собрал вокруг себя интеллектуалов и профессиональных медиевистов, которые не удовлетворялись скучными и сухими описаниями фактов. Сама концепция факта воспринималась анналистами иначе: изучение мотивов и смыслов людей лежит в основе исторического факта.

Так возник жанр «история повседневности»: костюмы, распорядок дня, мода, увлечения, ментальные карты, маршруты, сыр на завтрак, молитва или даже секс и сон — все это были частью этой широкой программы. Только ленивый не критиковал анналистов, хотя бы за желтушные серии книг «Повседневная жизнь маляра 17 века». Но мы вовсе не о скучной историографии, поэтому сегодня поговорим о том, в чем историки повседневности действительно были сильны.

О цвете.

Серия книг «История цвета» раскрывала реальность того или иного цвета в хроматической системе эпохи, связи цвета с другими цветами (конечно, и в языке), истории пигментов и изготовления красок, внезапной связи цвета и животного(охота как практика) и других более нетривиальных связей, укоренных в религиозной, мировоззренческой системе, а затем в системе моды. Мишель Пастуро написал несколько бестселлеров, 4 из них переведены на русский. Итак, книги по истории цвета: черный, синий, зеленый и красный.

Кажется, красный не полностью, правда.

Мишель Пастуро. История цвета

Абеляр и Элоиза схоластики XXI века: Инженерия знаний и Инженерия промтов

В этом мире, где каждая технологическая инновация стремится к определенному виду апокалипсиса знаний, роль инженерии знаний, безусловно, выходит на передний план. Основанная на онтологиях и тезаурусах, она представляет собой бастарда между архивариусом и алхимиком, вечно стремящимся к созданию экспертных систем и баз данных, подобно древним библиотекам Александрии… Последние 40 лет теорией, которая должна была наполнять данными ИИ была теория инженерии знаний, которая ориентирована на разработку экспертных систем и баз знаний при помощи онтологий и тезаурусов. К каждой такой инженерии прикладывался в рамках корпорации и свой менеджер знаний: фактически каждая компания имела отдельного менеджера знаний и инженеров знаний. На моей практике в СНГ это заменялось экспериментами с пресловутым и запрещенным ныне конфлюенс, а роль менеджера знаний редко когда выходила дальше редактирования этого пакета.
https://ru.wikipedia.org/wiki/%D0%98%D0%BD%D0%B6%D0%B5%D0%BD%D0%B5%D1%80%D0%B8%D1%8F_%D0%B7%D0%BD%D0%B0%D0%BD%D0%B8%D0%B9

Кажется, что LLM может быть интересной новацией, которая направлена именно на подзабытые дисциплины инженерии и менеджмента знаний внутри контура организаций. В октябрьской статье 2023 года Knowledge Engineering using Large Language Models предлагается взглянуть через призму больших языковых моделей, которые могут быть потенциальной революцией
https://arxiv.org/abs/2310.00637

Инженерия знаний приобрела известность в семидесятых годах, когда Эдвард Фейгенбаум и другие убедились, что автоматизация производства знаний посредством применения исследований в области искусственного интеллекта требует сосредоточения внимания на конкретной предметной области . В период с середины 1970-х по 1980-е годы возникла инженерия знаний основанных на правилах экспертных систем для целей автоматизации принятия решений в корпорация, но к началу девяностых годов стало ясно, что подход экспертных систем привел к созданию систем, которые были дорогими в обслуживании и трудными в адаптации, они не могли быстро изменяться в зависимости от контекста и изменяться вместе с требованиями. Фейгенбаум утверждал, что для успеха будущие системы, основанные на знаниях, должны быть масштабируемыми и глобально распределенными - в том числе, чтобы не увязнуть в бюрократических лабиринтах согласований.
LLM — это вероятностные модели естественного языка, обученные на очень больших массивах контента, в основном полученных из Интернета. Подобно предыдущим подходам к языковому моделированию, учитывая последовательность токенов, LLM прогнозируют вероятную следующую последовательность токенов на основе изученного распределения вероятностей таких последовательностей. Однако, из-за огромного количества контента, обрабатываемого при обучении, а также большого размера и архитектуры задействованных нейронных сетей, LLM демонстрируют замечательные возможности обработки естественного языка, которые намного превосходят более ранние подходы

Традиционно подходы к инженерии знаний фокусировались на знаниях, выраженных на формальных языках. Появление больших языковых моделей и их возможностей эффективно работать с естественным языком в самом широком смысле ставит вопросы об основах и практике инженерии знаний. Авторы статьи обрисовывают потенциальную роль LLM в инженерии знаний, выделяя два центральных направления: 1) создание гибридных нейросимволических систем знаний; и 2) обеспечение возможности инженерии знаний на естественном языке. В истории компьютерных исследований инженерии знаний знания часто рассматривались в первую очередь как символические выражения. Однако, знания на самом деле кодируются в различных средах и формах, в первую очередь в естественном языке, но также в изображениях, видео или даже электронных таблицах. Этот факт становится еще более очевидным, если взглянуть на практики институционального знания, которые развивались веками, например, в науке или архивах, библиотеках и фондах.

В итоге инженерам знаний нужно формализовать знания, что составляет существенную часть их работы. С появлением LLM с их возможностями изучения и обработки языка стало очевидным, что они предоставляют новый и мощный инструмент общего назначения для картографирования.

Во-первых, LLM может быть полезным компонентом для различных процессов, которые являются частью более крупного рабочего процесса инженерии знаний; во-вторых, LLM — это когнитивный артефакт, который сам по себе можно рассматривать как базу знаний (т. е. «LM как базы знаний»]). Мы используем эту дихотомию, чтобы сформулировать пару возможных будущих сценариев использования LLM. Один из них — использовать LLM в качестве технологии или инструмента для поддержки реализации задач по сбору знаний, которые традиционно создавались с использованием старых технологий, таких как базы правил и обработка естественного языка. Другой способ — использовать LLM, чтобы устранить необходимость для инженеров по знаниям свободно владеть формальным языком, т. е. позволяя выражать знания для данной задачи знаний на естественном языке, а затем использовать быстрое проектирование в качестве основной парадигмы для реализации рассуждение и обучение.
Если угодно промт-инженер это знаниевый инженер в той же степени в какой дизайнер интерфейсов это фронтенд-разработчик.


Как компонент и инструмент:
Приобретение и извлечение знаний LLM могут использоваться для поддержки приобретения и извлечения знаний в заданной области интересов. Инженеры могут создавать промты, ориентированные на конкретные аспекты предметной области, используя ответы в качестве отправной точки для создания базы знаний. Диалоги между LLM, обученными с использованием таких подсказок, и поставщиками знаний, экспертами в предметной области, могут способствовать анализу, проверке и уточнению полученных знаний
Организация знаний LLM можно использовать для организации приобретенных знаний в последовательную структуру с использованием естественного языка, что упрощает их понимание и обновление. Разработка подсказок может использоваться для разработки набора промтов, которые извлекают формальный язык с использованием LLM, например, для генерации текста в графики или наоборот. Более того, LLM используются для синтеза программ, генерации метаданных или для объединения графов знаний
Data augmentation LLM для увеличения данных можно использовать для генерации синтетических обучающих данных, которые помогут в тестировании системы знаний путем оценки ее производительности в экземплярах конкретной задачи

Тестирование и обратная связь с экспертом при помощи LLM

Как база знаний
Инженерия знаний как промт инженерия
Учитывая, что LLM позволяют моделировать знания на естественном языке, вполне возможно, что программирование модулей знаний может происходить полностью на естественном языке. Учтите, что программирование промтов — это «поиск наиболее подходящей промта, позволяющей LLM решить задачу». Через эту призму инженерию знаний можно рассматривать как создание диалогов, в которых эксперт в предметной области (SME) приходит к выводу, рассматривая предшествующий контекст и аргументацию
Вывод на естественном языке.
LLM можно использовать для создания механизмов вывода на естественном языке, которые используют организованные знания для выполнения конкретной задачи, принимая входные запросы и генерируя выходные данные с использованием быстрого проектирования, чтобы направлять LLM к генерированию точных выводов. Преимущество здесь заключается в том, что разрыв между инженером знаний, поставщиком знаний (специалистом в данной области) и пользователем меньше, поскольку перевод на формальный язык (язык инженера) больше не требуется.

Иллюзия неровного круга

Достаточно редко случается так, что открывают новые оптические иллюзии, тем не менее, в 2024 уже есть одна

Шесть лет назад, когда Масая Исикава использовал Adobe Illustrator для создания цифровых материалов для видеопроизводства, он начал видеть на своем экране странные формы, которых там не должно было быть. Были ли у него галлюцинации от долгих часов, проведенных перед компьютером? К счастью, нет.Он действительно наткнулся на интригующую визуальную иллюзию, где деформированы видимые формы равноотстоящих друг от друга кругов. Исикава объединился с психологом-экспериментатором Шуичиро Тая из Университета Кейо(https://www.sci.keio.ac.jp/en/people/5855/), который специализируется на оптических иллюзиях и зрительном восприятии, чтобы научно описать и попытаться объяснить свое открытие. Они подробно рассказали о своих усилиях в статье, опубликованной 25 января в журнале Journal of Illusion.
https://journalofillusion.net/index.php/joi/article/view/9658

Благодаря тому, что технологии виртуальной и дополненной реальности становятся все более распространенными в наших домах и на рабочих местах, появляются новые варианты использования и сценарии, а также новые проблемы, которые необходимо решить. Эти проблемы включают разработку и внедрение соответствующих приложений VR/AR для обычных сред, которые не были созданы с явным намерением поддерживать системы VR.

С картинками применения, что редкость

Книги на уютненьком

#книги

The Oxford Compendium of Visual Illusions — коллекция из сотни глав об иллюзиях, каждую из которых обсуждают ученые, которые открыли или провели исследования этой иллюзии. Главы включают полноцветные изображения, ссылки видео и обширное академические обсуждения.

Не совсем про интерфейсы, но, мне кажется, что подобного рода материалы украсят много презентаций из области продуктовых исследований.

Thanatosensivity. Смерть и машины. Дизайн ритуалов смерти

Стейси Питсиллидс обращает внимание на два аспекта: во-первых, это то, что новые свойства продукта проявятся со временем, уже после смерти, а во-вторых что акцент такого дизайна смещается с продуктового дизайна в сторону сервисного. Дизайнеру или проектировщику предстоит непростое размышление о том, как его решения будут влиять на взаимоотношения людей и артефактов. В онлайн-продуктах это особенно сложно: данные, артефакты, процессы, сети и структуры баз данных перемешаны.

Возьмем, например, рекомендацию профиля мертвого человека на Facebook. Это спроектированное решение социальной сети, но неуместное решение в социальном плане — мы не дружим с мертвецами в реальном мире и не описываем наше взаимодействие с мертвыми как «дружбу». Попытка исправить плохой дизайн привел к режиму мемориала в 2010 году для профилей мертвецов. Проблема в том, что такой мемориал все равно остается в социальной сети и с ним можно взаимодействовать предлагая новые формы ритуалов посмертия.

Комментарий ЦГ: Конечно, это очень хайдеггерианская мысль о статусе существования и жизни в срезе широкой программы Бруно Латура. Мы такое не любим.

Даже если профиль мертвого переходит в другой режим мемориала — социальная сеть все равно в корне отличается от обычных сайтов памяти покойных или специализированных онлайн-мемориалов — в ней есть живые люди, которые ведут обсуждения, играют в игры и листают ленту. Другой формой ритуалов становится похороны с смартфоном. В новых этнографических исследованиях отдельно отмечается рост числа захоронений людей, когда их хоронят уже со смартфонами. Процесс захоронения телефона становится новым ритуалом, который дает устройству функциональную роль в продолжении связей между живым и мертвым. Роль вещей агентов в таком опыте взаимодействия со смертью будет возрастать, а вместе с нею и роль дизайнеров, которые возьмут на себя часть задач по взаимодействию со смертью.

Примером такого подхода может стать медальон «Забудь».
Используя форму медальона, люди могут понять его историческую функцию и ожидать, что скрытое внутри это драгоценная фотография. Цифровой медальон расширяет эту функциональность, включая элемент взаимодействия, при котором фотография распадается на несколько кусков.
Другим примером объекта, порождающего новые ритуалы может стать ThanatoFenestra — изображение, которое реагирует на свет свечи, создавая саккады движения глаз у покойного. Призывая выставить изображение покойного в цифровом виде и реакцией на свет дизайнер смерти предлагает получить новый опыт медитации.
Онлайн-игры позволяют возводить собственные постройки, которые многие пользователи начинают использовать в качестве ритуалов и памятников виртуального мира. Здесь ритуалом становятся сами попытки возведения таких построек, оставление памятных надписей и событий, связанных с личностью покойного.

Отдельным пунктом почему-то автор выделяет написание петиций и поддержка сложных манифестов, подписанных многими участниками в качестве еще одной формы ритуала в посмертии. Нам кажется, что это все-таки излишне и не совсем ритуал.