ਲਾਭ:
- ਵਰਤੋਂਯੋਗਤਾ ਟੈਸਟ ਰਿਕਾਰਡਾਂ ਅਤੇ ਨਿਰੀਖਣ ਨੋਟਾਂ ਨੂੰ ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਖੋਜਾਂ, ਵਜ਼ਨ ਅਤੇ ਸਿਫ਼ਾਰਸ਼ਾਂ ਵਿੱਚ ਬਦਲਣ ਦੀ ਸਮਰੱਥਾ
- ਤੀਬਰਤਾ ਦੇ ਅਨੁਸਾਰ ਖੋਜਾਂ ਨੂੰ ਦਰਜਾਬੰਦੀ ਕਰਨ ਅਤੇ ਤਰਜੀਹੀ ਸਾਰਣੀ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ
- ਉਹਨਾਂ ਖੋਜਾਂ ਨੂੰ ਠੀਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਜੋ ਨਕਲੀ ਬੁੱਧੀ ਅਸਲ ਨਿਰੀਖਣ ਸਬੂਤ ਦੇ ਨਾਲ ਛੱਡ ਦਿੰਦੀਆਂ ਹਨ ਜਾਂ ਵਧਾ-ਚੜ੍ਹਾਅ ਕਰਦੀਆਂ ਹਨ
ਉਪਯੋਗਤਾ ਟੈਸਟਿੰਗ ਇਹ ਦੇਖਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਹੈ ਕਿ ਡਿਜ਼ਾਈਨ ਕਿੱਥੇ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਅਸਲ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਖਾਸ ਕੰਮ ਦੇ ਕੇ ਅਤੇ ਉਹਨਾਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਕੇ ਇਹ ਕਿੱਥੇ ਫਸ ਜਾਂਦਾ ਹੈ। ਟੈਸਟ ਆਪਣੇ ਆਪ ਵਿੱਚ ਆਸਾਨ ਹੈ; ਅਸਲ ਚੁਣੌਤੀ ਇਸ ਤੋਂ ਬਾਅਦ ਦੀ ਹੈ: ਰਿਕਾਰਡਿੰਗ ਦੇ ਘੰਟੇ, ਨਿਰੀਖਣ ਨੋਟਸ ਦੇ ਪੰਨੇ, ਅਤੇ ਖਿੰਡੇ ਹੋਏ ਸਕ੍ਰੀਨਸ਼ੌਟਸ ਨੂੰ ਸਪੱਸ਼ਟ, ਤਰਜੀਹੀ ਖੋਜਾਂ ਵਿੱਚ ਬਦਲਣਾ। ਇਹ ਸੰਸਲੇਸ਼ਣ ਹੱਥੀਂ ਦਿਨ ਲੈਂਦਾ ਹੈ ਅਤੇ ਟੀਮਾਂ ਅਕਸਰ ਇਸਨੂੰ ਅਧੂਰਾ ਛੱਡ ਦਿੰਦੀਆਂ ਹਨ। ਨਕਲੀ ਬੁੱਧੀ ਇਸ ਰੁਕਾਵਟ ਨੂੰ ਖੋਲ੍ਹਦੀ ਹੈ: ਰਿਕਾਰਡਾਂ ਅਤੇ ਨੋਟਸ ਨੂੰ ਖੋਜਾਂ, ਭਾਰ ਅਤੇ ਸਿਫਾਰਸ਼ਾਂ ਵਿੱਚ ਬਦਲਣਾ। ਪਰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਮਨੁੱਖੀ ਨਿਰਣਾ ਹੈ ਕਿ ਕੀ ਇੱਕ ਨਿਰੀਖਣ ਅਸਲ ਵਿੱਚ ਇੱਕ ਸਮੱਸਿਆ ਹੈ ਅਤੇ ਇਹ ਕਿੰਨੀ ਮਹੱਤਵਪੂਰਨ ਹੈ.
ਨਿਰੀਖਣ, ਖੋਜ ਅਤੇ ਸੁਝਾਅ ਵਿਚਕਾਰ ਅੰਤਰ
ਸੰਸਲੇਸ਼ਣ ਵਿੱਚ ਤਿੰਨ ਪਰਤਾਂ ਨੂੰ ਵੱਖ ਕਰਨਾ ਮਹੱਤਵਪੂਰਨ ਹੈ:
- ਨਿਰੀਖਣ: ਕੀ ਹੋਇਆ, ਕੋਈ ਟਿੱਪਣੀ ਨਹੀਂ। "ਭਾਗੀਦਾਰ 3 ਨੇ 40 ਸਕਿੰਟਾਂ ਲਈ 'ਜਾਰੀ ਰੱਖੋ' ਬਟਨ ਦੀ ਖੋਜ ਕੀਤੀ।"
- ਖੋਜਣਾ: ਨਿਰੀਖਣਾਂ ਤੋਂ ਉਭਰਦਾ ਪੈਟਰਨ। "ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਪ੍ਰਾਇਮਰੀ ਐਕਸ਼ਨ ਲੱਭਣ ਵਿੱਚ ਮੁਸ਼ਕਲ ਆ ਰਹੀ ਹੈ।"
- ਸਿਫ਼ਾਰਸ਼: ਕੀ ਕਰਨਾ ਹੈ। +msgstr "ਪ੍ਰਾਇਮਰੀ ਬਟਨ ਨੂੰ ਦਿੱਖ ਵਿੱਚ ਵੱਖਰਾ ਬਣਾਉਂਦਾ ਹੈ।"
AI ਤੇਜ਼ੀ ਨਾਲ ਇਹ ਤਿੰਨ ਪਰਤਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਪਰ ਅਕਸਰ ਨਿਰੀਖਣ ਨੂੰ ਖੋਜਣ ਨਾਲ ਉਲਝਾਉਂਦਾ ਹੈ ਜਾਂ ਇੱਕ ਨਿਰੀਖਣ ਤੋਂ ਪੂਰੀ ਖੋਜ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦਾ ਹੈ। ਤੁਹਾਡਾ ਕੰਮ ਇਹ ਤਸਦੀਕ ਕਰਨਾ ਹੈ ਕਿ ਹਰੇਕ ਖੋਜ ਦੇ ਪਿੱਛੇ ਕਾਫ਼ੀ ਨਿਰੀਖਣ (ਕਿੰਨੇ ਭਾਗੀਦਾਰ, ਕਿੰਨੀ ਵਾਰ) ਹਨ।
ਸੰਕੇਤ: ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਕਹੋ "ਹਰੇਕ ਖੋਜ ਦੇ ਹੇਠਾਂ, ਨਿਰੀਖਣ ਸ਼ਾਮਲ ਕਰੋ ਜੋ ਇਸਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ ਅਤੇ ਕਿੰਨੇ ਭਾਗੀਦਾਰਾਂ ਵਿੱਚ ਇਹ ਦੇਖਿਆ ਗਿਆ ਸੀ।" ਇਸ ਤਰ੍ਹਾਂ ਤੁਸੀਂ ਇੱਕਲੇ ਨਿਰੀਖਣ ਤੋਂ ਤੁਰੰਤ ਵਧੀਆਂ ਖੋਜਾਂ ਨੂੰ ਵੱਖ ਕਰ ਸਕਦੇ ਹੋ।
ਗੰਭੀਰਤਾ: ਪਹਿਲਾਂ ਕੀ ਠੀਕ ਕਰਨਾ ਹੈ?
ਸਾਰੀਆਂ ਖੋਜਾਂ ਬਰਾਬਰ ਨਹੀਂ ਹਨ। ਗੰਭੀਰਤਾ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਕਿਸੇ ਮੁੱਦੇ ਨੂੰ ਕਿੰਨੀ ਜਲਦੀ ਹੱਲ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਇਹ ਤਿੰਨ ਕਾਰਕਾਂ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ:
- ਪ੍ਰਭਾਵ: ਕੀ ਇਹ ਮੁੱਦਾ ਉਪਭੋਗਤਾ ਨੂੰ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰਨ ਤੋਂ ਰੋਕਦਾ ਹੈ ਜਾਂ ਉਹਨਾਂ ਨੂੰ ਤੰਗ ਕਰਦਾ ਹੈ?
- ਬਾਰੰਬਾਰਤਾ: ਕਿੰਨੇ ਉਪਭੋਗਤਾ ਅਤੇ ਕਿੰਨੀ ਵਾਰ?
- ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ: ਇਹ ਮੁੱਦਾ ਰੂਪਾਂਤਰਨ, ਆਮਦਨ ਜਾਂ ਭਰੋਸੇ ਨੂੰ ਕਿੰਨਾ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ?
ਇੱਕ ਆਮ ਪੈਮਾਨਾ: ਨਾਜ਼ੁਕ (ਮਿਸ਼ਨ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਰੋਕਦਾ ਹੈ), ਉੱਚ (ਗੰਭੀਰ ਮੁਸ਼ਕਲ), ਮੱਧਮ (ਧੀਮਾ), ਘੱਟ (ਕਾਸਮੈਟਿਕ)। AI ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਦਰਜਾਬੰਦੀ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ, ਪਰ ਅੰਤਮ ਵੇਟਿੰਗ ਫੈਸਲੇ - ਖਾਸ ਤੌਰ 'ਤੇ ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ - ਲਈ ਟੀਮ ਦੇ ਸੰਦਰਭ ਦੇ ਗਿਆਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਲੱਭਣਾ
ਪ੍ਰਭਾਵ
ਬਾਰੰਬਾਰਤਾ
ਮਹੱਤਤਾ
ਸੁਝਾਅ
ਪ੍ਰਾਇਮਰੀ ਬਟਨ ਨਹੀਂ ਲੱਭਿਆ ਜਾ ਸਕਦਾ ਹੈ
ਇਹ ਕੰਮ ਵਿੱਚ ਵਿਘਨ ਪਾਉਂਦਾ ਹੈ
4/6 ਭਾਗੀਦਾਰ
ਨਾਜ਼ੁਕ
ਹਾਈਲਾਈਟ ਬਟਨ
ਗਲਤੀ ਸੁਨੇਹਾ ਅਸਪਸ਼ਟ ਹੈ
ਹੌਲੀ ਹੋ ਰਿਹਾ ਹੈ
3/6
ਉੱਚ
ਸੰਦੇਸ਼ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ
ਪ੍ਰਤੀਕ ਦਾ ਅਰਥ ਅਸਪਸ਼ਟ ਹੈ
ਮਾਮੂਲੀ ਝਿਜਕ
2/6
ਮੱਧਮ
ਟੈਗ ਸ਼ਾਮਲ ਕਰੋ
ਕਲਰ ਟੋਨ ਪਸੰਦ ਨਹੀਂ ਸੀ
ਸ਼ਿੰਗਾਰ
1/6
ਘੱਟ
ਇਸਨੂੰ ਬਾਅਦ ਵਿੱਚ ਛੱਡ ਦਿਓ
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 — ਰਿਕਾਰਡਿੰਗ ਦੇ 5 ਘੰਟੇ, ਅੱਧੇ ਦਿਨ ਵਿੱਚ ਨਤੀਜੇ। ਇੱਕ ਟੀਮ ਨੇ AI ਨੂੰ 6 ਉਪਭੋਗਤਾ ਟੈਸਟਾਂ (ਕੁੱਲ 5 ਘੰਟੇ) ਦੇ ਨੋਟ ਦਿੱਤੇ। ਮਾਡਲ ਨੇ 14 ਖੋਜਾਂ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ; ਟੀਮ ਨੇ ਨਿਰੀਖਣਾਂ ਦੀ ਗਿਣਤੀ ਦੇ ਵਿਰੁੱਧ ਹਰੇਕ ਦੀ ਜਾਂਚ ਕੀਤੀ, ਇਸਨੂੰ 9 ਤੱਕ ਘਟਾ ਦਿੱਤਾ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਮਹੱਤਵ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਦਰਜਾ ਦਿੱਤਾ। ਸੰਸਲੇਸ਼ਣ, ਜਿਸ ਨੂੰ ਹੱਥੀਂ 2 ਦਿਨ ਲੱਗ ਜਾਂਦੇ ਸਨ, ਨੂੰ ਅੱਧਾ ਦਿਨ ਕਰ ਦਿੱਤਾ ਗਿਆ ਸੀ।
ਕੇਸ 2 - ਵਧੀ ਹੋਈ ਖੋਜ ਫੜੀ ਗਈ। “ਉਪਭੋਗਤਾ ਨੇਵੀਗੇਸ਼ਨ ਨੂੰ ਨਹੀਂ ਸਮਝਦੇ,” ਏਆਈ ਨੇ ਇੱਕ ਨਾਜ਼ੁਕ ਖੋਜ ਵਿੱਚ ਲਿਖਿਆ। ਜਦੋਂ ਟੀਮ ਨੇ ਸਹਾਇਕ ਨਿਰੀਖਣਾਂ 'ਤੇ ਦੇਖਿਆ, ਤਾਂ ਉਨ੍ਹਾਂ ਨੇ ਪਾਇਆ ਕਿ ਇਹ ਇਕੱਲੇ ਭਾਗੀਦਾਰ ਦੇ ਇੱਕ ਪਲ 'ਤੇ ਆਧਾਰਿਤ ਸੀ। ਖੋਜ ਨੂੰ "ਮੱਧਮ" ਵਿੱਚ ਘਟਾ ਦਿੱਤਾ ਗਿਆ ਸੀ ਅਤੇ ਹੋਰ ਡੇਟਾ ਦੀ ਬੇਨਤੀ ਕੀਤੀ ਗਈ ਸੀ। ਸਬਕ: ਇੱਕ ਸਿੰਗਲ ਨਿਰੀਖਣ ਇੱਕ ਨਾਜ਼ੁਕ ਖੋਜ ਨਹੀਂ ਬਣਾਉਂਦਾ।
ਕੇਸ 3 - ਨਾਜ਼ੁਕ ਮੁੱਦਾ ਖੁੰਝ ਗਿਆ। ਮਾਡਲ ਨੇ ਇੱਕ ਆਵਰਤੀ ਪਰ ਮਾਮੂਲੀ ਜਿਹੀ ਸਮੱਸਿਆ (ਫਾਰਮ ਸਵੈ-ਸਕ੍ਰੌਲਿੰਗ ਨਹੀਂ) ਨੂੰ "ਘੱਟ" ਵਜੋਂ ਗਿਣਿਆ। ਜਦੋਂ ਡਿਜ਼ਾਈਨਰ ਨੇ ਨਿਰੀਖਣਾਂ ਨੂੰ ਦੇਖਿਆ, ਤਾਂ ਉਸਨੂੰ ਅਹਿਸਾਸ ਹੋਇਆ ਕਿ ਇਸ ਨਾਲ 5 ਭਾਗੀਦਾਰਾਂ ਵਿੱਚ ਕੰਮ ਛੱਡ ਦਿੱਤਾ ਗਿਆ ਅਤੇ ਇਸਨੂੰ "ਉੱਚ" 'ਤੇ ਸੈੱਟ ਕੀਤਾ ਗਿਆ। ਪਾਠ: AI ਦੇ ਮਹੱਤਵ ਦਾ ਅੰਦਾਜ਼ਾ ਨਿਰੀਖਣ ਪ੍ਰਮਾਣਾਂ ਦੁਆਰਾ ਠੀਕ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਗਿਣਾਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਡੇਟਾ ਨੂੰ ਇਕੱਠੇ ਪੜ੍ਹਨਾ
ਉਪਯੋਗਤਾ ਟੈਸਟਿੰਗ ਜਿਆਦਾਤਰ ਗੁਣਾਤਮਕ (ਨਿਰੀਖਣ-ਆਧਾਰਿਤ) ਹੁੰਦੀ ਹੈ, ਪਰ ਇੱਥੇ ਮਾਤਰਾਤਮਕ (ਸੰਖਿਆਤਮਕ) ਸੰਕੇਤ ਵੀ ਹੁੰਦੇ ਹਨ: ਕੰਮ ਪੂਰਾ ਕਰਨ ਦੀ ਦਰ, ਕਾਰਜ ਦੀ ਮਿਆਦ, ਤਰੁੱਟੀਆਂ ਦੀ ਗਿਣਤੀ, ਸੰਤੁਸ਼ਟੀ ਸਕੋਰ। ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸੰਸਲੇਸ਼ਣ ਦੋਵਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ: "ਸਿਰਫ਼ 33% ਭਾਗੀਦਾਰਾਂ ਨੇ ਚੈਕਆਉਟ ਟਾਸਕ (ਗੁਣਾਤਮਕ) ਨੂੰ ਪੂਰਾ ਕੀਤਾ, ਅਤੇ ਸਾਰੇ ਜੋ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹੇ ਉਹ ਸ਼ਿਪਿੰਗ ਪੜਾਅ (ਗੁਣਾਤਮਕ) 'ਤੇ ਫਸ ਗਏ।" ਜਦੋਂ ਤੁਸੀਂ ਇਹਨਾਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਦਿੰਦੇ ਹੋ ਤਾਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇਹਨਾਂ ਦੋ ਡੇਟਾ ਨੂੰ ਜੋੜਨ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ; ਪਰ ਤੁਸੀਂ ਸੰਖਿਆਵਾਂ ਅਤੇ ਨਮੂਨੇ ਦੇ ਆਕਾਰ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹੋ। ਪ੍ਰਤੀਸ਼ਤ ਬਾਰੇ ਗੱਲ ਕਰਨਾ ਛੋਟੇ ਨਮੂਨੇ (ਜਿਵੇਂ ਕਿ 5 ਉਪਭੋਗਤਾ) ਵਿੱਚ ਗੁੰਮਰਾਹਕੁੰਨ ਹੋ ਸਕਦਾ ਹੈ; "5 ਵਿੱਚੋਂ 3 ਉਪਭੋਗਤਾ" ਕਹਿਣਾ "60%" ਕਹਿਣ ਨਾਲੋਂ ਵਧੇਰੇ ਇਮਾਨਦਾਰ ਹੈ। ਮਾਡਲ ਨੂੰ ਪੂਰਨ ਸੰਖਿਆ ਵਿੱਚ ਬੋਲਣ ਲਈ ਕਹੋ।
ਸੰਕੇਤ: AI ਨੂੰ ਕਹੋ "ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਬਜਾਏ 'ਕਿੰਨੇ ਉਪਭੋਗਤਾ' ਲਿਖੋ।" ਛੋਟੇ ਨਮੂਨਿਆਂ ਵਿੱਚ, ਪ੍ਰਤੀਸ਼ਤ ਅਸਲ ਵਿੱਚ ਇਸ ਤੋਂ ਵੱਧ ਸ਼ੁੱਧਤਾ ਦਾ ਪ੍ਰਭਾਵ ਦਿੰਦਾ ਹੈ।
ਕਾਪੀ ਕਰਨ ਯੋਗ ਉਤਪ੍ਰੇਰਕ
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਉਪਯੋਗਤਾ ਵਿਸ਼ਲੇਸ਼ਕ। ਨਿਮਨਲਿਖਤ ਅਗਿਆਤ ਟੈਸਟ ਨੋਟਸ ਤੋਂ ਲੱਭਤਾਂ ਖਿੱਚੋ। ਹਰੇਕ ਖੋਜ ਲਈ: 1) ਸਪਸ਼ਟ ਕਥਨ, 2) ਸਹਾਇਕ ਨਿਰੀਖਣ ਅਤੇ ਕਿੰਨੇ ਭਾਗੀਦਾਰਾਂ ਨੇ ਇਸਨੂੰ ਦੇਖਿਆ, 3) ਪ੍ਰਭਾਵ (ਬਲਾਕਿੰਗ/ਹੌਲੀ/ਕਾਸਮੈਟਿਕ)। ਇੱਕ ਇੱਕਲੇ ਨਿਰੀਖਣ 'ਤੇ ਆਧਾਰਿਤ ਖੋਜਾਂ ਨੂੰ "ਕਮਜ਼ੋਰ ਸਬੂਤ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਨੋਟ: <<text>>
ਖੋਜਾਂ ਦੀ ਇਸ ਸੂਚੀ ਨੂੰ ਮਹੱਤਤਾ ਅਨੁਸਾਰ ਕ੍ਰਮਬੱਧ ਕਰੋ। ਮਾਪਦੰਡ: ਪ੍ਰਭਾਵ (ਟਾਸਕ ਅੜਿੱਕਾ?), ਬਾਰੰਬਾਰਤਾ (ਕਿੰਨੇ ਭਾਗੀਦਾਰ?), ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ। ਹਰੇਕ ਖੋਜ ਨੂੰ ਨਾਜ਼ੁਕ/ਉੱਚ/ਮੱਧਮ/ਘੱਟ ਨਿਰਧਾਰਤ ਕਰੋ ਅਤੇ ਇੱਕ ਤਰਕ ਲਿਖੋ। ਜੇਕਰ ਤੁਸੀਂ ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ ਬਾਰੇ ਯਕੀਨੀ ਨਹੀਂ ਹੋ, ਤਾਂ ਕਹੋ "ਟੀਮ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।" ਲੱਭਤਾਂ: <<list>>
ਹਰੇਕ ਖੋਜ ਲਈ ਇੱਕ ਠੋਸ, ਕਾਰਵਾਈਯੋਗ ਡਿਜ਼ਾਈਨ ਸਿਫਾਰਸ਼ ਲਿਖੋ। ਸਿਫ਼ਾਰਸ਼: ਕੀ ਬਦਲੇਗਾ + ਇਹ ਸਮੱਸਿਆ ਦਾ ਹੱਲ ਕਿਉਂ ਕਰਦਾ ਹੈ + ਇਹ ਕਿਹੜੀ ਸਕ੍ਰੀਨ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੀ ਹੈ। ਅਸਪਸ਼ਟ ("ਬਿਹਤਰ ਕਰੋ") ਸਿਫ਼ਾਰਸ਼ਾਂ ਤੋਂ ਬਚੋ। ਖੋਜਾਂ: <<list>>
ਸਟੇਕਹੋਲਡਰ ਪ੍ਰਸਤੁਤੀ ਲਈ ਇਸ ਖੋਜ ਰਿਪੋਰਟ ਦਾ ਸਾਰ ਦਿਓ: ਇੱਕ ਸੰਖੇਪ ਕਾਰਜਕਾਰੀ ਸਾਰਾਂਸ਼ ਲਿਖੋ ਜਿਸ ਵਿੱਚ 3 ਸਭ ਤੋਂ ਨਾਜ਼ੁਕ ਖੋਜਾਂ, ਸਬੂਤ (ਕਿੰਨੇ ਉਪਭੋਗਤਾ), ਅਤੇ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਕਾਰਵਾਈ ਸ਼ਾਮਲ ਹੋਵੇ। ਅਤਿਕਥਨੀ; ਨੋਟਸ ਤੋਂ ਨੰਬਰ ਲਓ। ਰਿਪੋਰਟ: <<text>>
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ: "ਇਹਨਾਂ ਟੈਸਟ ਸਕੋਰਾਂ ਤੋਂ ਸਿੱਟੇ ਕੱਢੋ।"
ਨਤੀਜਾ: ਇੱਕ ਮਿਸ਼ਰਤ ਸੂਚੀ ਜਿਸ ਵਿੱਚ ਕੋਈ ਸਬੂਤ ਨਹੀਂ ਹੈ, ਕੋਈ ਮਹੱਤਤਾ ਨਹੀਂ ਹੈ, ਅਤੇ ਇੱਕ ਖੋਜ ਵਜੋਂ ਇੱਕ ਨਿਰੀਖਣ ਨੂੰ ਗਲਤ ਸਮਝਣਾ ਹੈ।
ਮਜਬੂਤ: "ਨੋਟਸ ਤੋਂ ਇੱਕ ਖੋਜ ਖਿੱਚੋ; ਹਰੇਕ ਖੋਜ ਦੇ ਤਹਿਤ, ਸਹਾਇਕ ਨਿਰੀਖਣ ਜੋੜੋ ਅਤੇ ਕਿੰਨੇ ਭਾਗੀਦਾਰਾਂ ਵਿੱਚ ਇਹ ਦੇਖਿਆ ਗਿਆ ਸੀ; ਇੱਕ ਇੱਕਲੇ ਨਿਰੀਖਣ ਦੇ ਆਧਾਰ 'ਤੇ 'ਕਮਜ਼ੋਰ ਸਬੂਤ' ਵਜੋਂ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰੋ; ਫਿਰ ਪ੍ਰਭਾਵ-ਆਵਿਰਤੀ-ਵਰਕ ਪ੍ਰਭਾਵ ਦੇ ਅਨੁਸਾਰ ਮਹੱਤਤਾ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਦਰਜਾ ਦਿਓ।"
ਨਤੀਜਾ: ਸਬੂਤ-ਆਧਾਰਿਤ, ਤਰਜੀਹੀ, ਬਚਾਅ ਯੋਗ ਖੋਜਾਂ।
ਅੰਤਰ: ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ ਸਬੂਤ ਦੀ ਸੰਖਿਆ + ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ + ਮਹੱਤਤਾ ਮਾਪਦੰਡ।
ਆਮ ਗਲਤੀਆਂ
- ਲੱਭਣ ਦੇ ਨਾਲ ਉਲਝਣ ਵਾਲਾ ਨਿਰੀਖਣ. ਇੱਕ ਸਿੰਗਲ "ਕੀ ਹੋਇਆ" ਨੂੰ ਸਮੁੱਚੇ ਸਿੱਟੇ ਵਿੱਚ ਬਦਲਣਾ।
- ਇੱਕ ਇੱਕਲੇ ਨਿਰੀਖਣ ਤੋਂ ਮਹੱਤਵਪੂਰਣ ਖੋਜਾਂ ਬਣਾਉਣਾ। ਬਾਰੰਬਾਰਤਾ ਦੀ ਪੁਸ਼ਟੀ ਹੋਣ ਤੱਕ ਕੋਈ ਵਜ਼ਨ ਨਹੀਂ ਦਿੱਤਾ ਜਾਵੇਗਾ।
- ਨਕਲੀ ਬੁੱਧੀ 'ਤੇ ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ ਦਾ ਫੈਸਲਾ ਕਰਨਾ। ਮਾਲੀਆ/ਪਰਿਵਰਤਨ ਪ੍ਰਭਾਵ ਲਈ ਸੰਦਰਭ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਉਹ ਆਪਣੀ ਟੀਮ 'ਤੇ ਹੈ।
- ਤਰਜੀਹ ਨਾ ਦਿਓ. ਖੋਜਾਂ ਦੀ ਅਸੰਗਠਿਤ ਸੂਚੀ ਟੀਮ ਨੂੰ ਅਧਰੰਗ ਕਰਦੀ ਹੈ; ਸਭ ਕੁਝ ਇੱਕੋ ਵਾਰ ਠੀਕ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ।
- ਸੁਝਾਵਾਂ ਨੂੰ ਅਸਪਸ਼ਟ ਛੱਡ ਕੇ। "ਬਿਹਤਰ ਕਰੋ" ਲਾਗੂ ਨਹੀਂ ਹੈ; ਕੀ, ਕਿਉਂ ਅਤੇ ਕਿੱਥੇ ਸਪੱਸ਼ਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
ਸਾਰੰਸ਼ ਵਿੱਚ
ਉਪਯੋਗਤਾ ਜਾਂਚ ਦਾ ਮੁੱਲ ਰਿਕਾਰਡਿੰਗਾਂ ਅਤੇ ਨੋਟਸ ਨੂੰ ਸਪੱਸ਼ਟ, ਤਰਜੀਹੀ ਖੋਜਾਂ ਵਿੱਚ ਬਦਲਣ ਵਿੱਚ ਆਉਂਦਾ ਹੈ। ਨਕਲੀ ਬੁੱਧੀ ਇਸ ਸੰਸਲੇਸ਼ਣ ਨੂੰ ਬਹੁਤ ਤੇਜ਼ ਕਰਦੀ ਹੈ: ਖੋਜਾਂ ਵਿੱਚ ਨਿਰੀਖਣਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦਾ ਹੈ, ਸਿਫਾਰਸ਼ਾਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਮਹੱਤਤਾ ਦੇ ਕ੍ਰਮ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ। ਪਰ ਹਰੇਕ ਖੋਜ ਦੇ ਪਿੱਛੇ ਨਿਰੀਖਣਾਂ ਦੀ ਸੰਖਿਆ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ, ਇਕੱਲੇ ਨਿਰੀਖਣਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਵਧੀਆਂ ਖੋਜਾਂ ਨੂੰ ਬਾਹਰ ਕੱਢਣਾ, ਅਤੇ ਸੰਦਰਭ ਦੇ ਨਾਲ ਵਪਾਰਕ ਪ੍ਰਭਾਵ ਨੂੰ ਭਾਰ ਦੇਣਾ ਮਨੁੱਖੀ ਕੰਮ ਹੈ। ਇੱਕ ਖੋਜ ਰਿਪੋਰਟ ਜੋ ਸਬੂਤ 'ਤੇ ਅਧਾਰਤ ਹੈ, ਇੱਕ ਨਿਸ਼ਚਿਤ ਬਾਰੰਬਾਰਤਾ ਹੈ, ਅਤੇ ਮਹੱਤਤਾ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਵਿਵਸਥਿਤ ਕੀਤੀ ਗਈ ਹੈ, ਹਿੱਸੇਦਾਰਾਂ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਅਤੇ ਬਚਾਅ ਯੋਗ ਹੋਵੇਗੀ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
- ਵਰਤੋਂਯੋਗਤਾ ਟੈਸਟ (ਅਸਲ ਜਾਂ ਕਾਲਪਨਿਕ) ਤੋਂ ਨੋਟਾਂ ਨੂੰ ਅਗਿਆਤ ਬਣਾਓ।
- ਪਹਿਲੇ ਪ੍ਰੋਂਪਟ 'ਤੇ ਖੋਜਾਂ ਨੂੰ ਹਟਾਓ; ਹਰੇਕ ਦੇ ਅਧੀਨ ਨਿਰੀਖਣਾਂ ਦੀ ਗਿਣਤੀ ਦੀ ਜਾਂਚ ਕਰੋ।
- "ਕਮਜ਼ੋਰ ਸਬੂਤ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਖੋਜਾਂ ਨੂੰ ਅਲੱਗ ਕਰੋ ਅਤੇ ਫੈਸਲਾ ਕਰੋ ਕਿ ਕੀ ਵਾਧੂ ਡੇਟਾ ਦੀ ਲੋੜ ਹੈ।
- ਦੂਜੇ ਪ੍ਰੋਂਪਟ ਦੇ ਨਾਲ, ਖੋਜਾਂ ਨੂੰ ਮਹੱਤਵ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਦਰਜਾ ਦਿਓ; ਇੱਕ ਟੀਮ ਵਜੋਂ ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ।
- ਤੀਜੇ ਪ੍ਰੋਂਪਟ ਦੇ ਨਾਲ, ਹਰੇਕ ਖੋਜ ਲਈ ਠੋਸ ਸੁਝਾਅ ਲਿਖੋ ਅਤੇ ਇੱਕ ਤਰਜੀਹ ਸਾਰਣੀ ਬਣਾਓ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਨਿਰੀਖਣ, ਖੋਜਾਂ ਅਤੇ ਸੁਝਾਵਾਂ ਨੂੰ ਵੱਖਰੀਆਂ ਪਰਤਾਂ ਵਜੋਂ ਰੱਖਿਆ।
- [ ] ਮੈਂ ਪੁਸ਼ਟੀ ਕੀਤੀ ਕਿ ਕਿੰਨੇ ਭਾਗੀਦਾਰਾਂ ਨੇ ਹਰੇਕ ਖੋਜ ਨੂੰ ਦਿਖਾਇਆ।
- [ ] ਮੈਂ ਇੱਕ ਇੱਕਲੇ ਨਿਰੀਖਣ 'ਤੇ ਆਧਾਰਿਤ ਖੋਜਾਂ ਨੂੰ ਕਮਜ਼ੋਰ ਸਬੂਤ ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ।
- [ ] ਮੈਂ ਪ੍ਰਭਾਵ-ਵਾਰਵਾਰਤਾ-ਨੌਕਰੀ ਪ੍ਰਭਾਵ ਦੁਆਰਾ ਗੰਭੀਰਤਾ ਦਾ ਪੱਧਰ ਨਿਰਧਾਰਤ ਕੀਤਾ ਹੈ।
- [ ] ਟੀਮ ਦੇ ਨਾਲ ਕਾਰੋਬਾਰੀ ਪ੍ਰਭਾਵ ਦੇ ਫੈਸਲੇ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ।
- [ ] ਮੈਂ ਸੁਝਾਵਾਂ ਨੂੰ ਠੋਸ ਰੂਪ ਵਿੱਚ ਲਿਖਿਆ (ਕੀ/ਕਿਉਂ/ਕਿੱਥੇ)।