பயன்பாட்டு சோதனை பகுப்பாய்வு மற்றும் கண்டுபிடிப்புகளின் தொகுப்பு

ஆதாயங்கள்:

• பயன்பாட்டினை சோதனை பதிவுகள் மற்றும் கண்காணிப்பு குறிப்புகளை செயற்கை நுண்ணறிவுடன் கண்டுபிடிப்புகள், எடைகள் மற்றும் பரிந்துரைகளாக மாற்றும் திறன்
• தீவிரத்தன்மைக்கு ஏற்ப கண்டுபிடிப்புகளை வரிசைப்படுத்தி முன்னுரிமை அட்டவணையை உருவாக்கும் திறன்
• உண்மையான கண்காணிப்பு சான்றுகளுடன் செயற்கை நுண்ணறிவு தவிர்க்கும் அல்லது மிகைப்படுத்திய கண்டுபிடிப்புகளை சரிசெய்யும் திறன்

பயன்பாட்டு சோதனை என்பது உண்மையான பயனர்களுக்கு குறிப்பிட்ட பணிகளைக் கொடுத்து அவர்களைக் கண்காணிப்பதன் மூலம் வடிவமைப்பு எங்கு வேலை செய்கிறது மற்றும் எங்கு சிக்கிக் கொள்கிறது என்பதைக் கவனிப்பதற்கான ஒரு முறையாகும். சோதனையே எளிதானது; உண்மையான சவால் பின்விளைவுகளில் உள்ளது: மணிநேர பதிவுகள், கண்காணிப்பு குறிப்புகளின் பக்கங்கள் மற்றும் சிதறிய ஸ்கிரீன்ஷாட்களை தெளிவான, முன்னுரிமையான கண்டுபிடிப்புகளாக மாற்றுதல். இந்த தொகுப்பு கைமுறையாக நாட்கள் எடுக்கும் மற்றும் குழுக்கள் பெரும்பாலும் அதை முடிக்காமல் விடுகின்றன. செயற்கை நுண்ணறிவு இந்த தடையைத் திறக்கிறது: பதிவுகள் மற்றும் குறிப்புகளை கண்டுபிடிப்புகள், எடை மற்றும் பரிந்துரைகளாக மாற்றுகிறது. ஆனால் ஒரு கவனிப்பு உண்மையில் ஒரு பிரச்சனையா மற்றும் அது எவ்வளவு முக்கியம் என்பதை தீர்மானிப்பது மனித தீர்ப்பு.

கவனிப்பு, கண்டறிதல் மற்றும் பரிந்துரைகளுக்கு இடையே உள்ள வேறுபாடு

தொகுப்பில் மூன்று அடுக்குகளை பிரிப்பது மிகவும் முக்கியமானது:

• கவனிப்பு: என்ன நடந்தது, கருத்து இல்லை. "பங்கேற்பாளர் 3 'தொடரவும்' பொத்தானை 40 வினாடிகளுக்குத் தேடினார்."
• கண்டறிதல்: அவதானிப்புகளிலிருந்து வெளிப்படும் முறை. "முதன்மை செயலைக் கண்டறிவதில் பயனர்கள் சிக்கலை எதிர்கொள்கின்றனர்."
• பரிந்துரை: என்ன செய்வது. "முதன்மை பட்டனை பார்வைக்கு தனித்து நிற்கச் செய்கிறது."

AI இந்த மூன்று அடுக்குகளை விரைவாக உருவாக்குகிறது, ஆனால் பெரும்பாலும் ஒரு கண்காணிப்பில் இருந்து முழு கண்டுபிடிப்பையும் கண்டுபிடிப்பதைக் குழப்புகிறது அல்லது ஊகிக்கிறது. ஒவ்வொரு கண்டுபிடிப்புக்கும் பின்னால் போதுமான அவதானிப்புகள் (எத்தனை பங்கேற்பாளர்கள், எத்தனை முறை) உள்ளன என்பதைச் சரிபார்ப்பதே உங்கள் வேலை.

உதவிக்குறிப்பு: செயற்கை நுண்ணறிவு "ஒவ்வொரு கண்டுபிடிப்புக்கும் கீழே, அதை ஆதரிக்கும் அவதானிப்புகள் மற்றும் எத்தனை பங்கேற்பாளர்களில் அது காணப்பட்டது" என்று கூறவும். இந்த வழியில் நீங்கள் ஒரு கவனிப்பில் இருந்து உயர்த்தப்பட்ட கண்டுபிடிப்புகளை உடனடியாக வேறுபடுத்தி அறியலாம்.

தீவிரம்: முதலில் எதை சரிசெய்வது?

எல்லா கண்டுபிடிப்புகளும் சமமானவை அல்ல. ஒரு சிக்கலை எவ்வளவு அவசரமாக சரி செய்ய வேண்டும் என்பதை தீவிரம் குறிக்கிறது மற்றும் மூன்று காரணிகளால் தீர்மானிக்கப்படுகிறது:

1. தாக்கம்: இந்தச் சிக்கல் பயனரைப் பணியை முடிப்பதில் இருந்து தடுக்கிறதா அல்லது அவர்களுக்கு எரிச்சலூட்டுகிறதா?
2. அதிர்வெண்: எத்தனை பயனர்கள் மற்றும் எவ்வளவு அடிக்கடி?
3. வணிக பாதிப்பு: இந்தச் சிக்கல் மாற்றம், வருவாய் அல்லது நம்பிக்கையை எந்த அளவுக்குப் பாதிக்கும்?

ஒரு பொதுவான அளவுகோல்: சிக்கலானது (பணியை முற்றிலும் தடுக்கிறது), உயர் (கடுமையான சிரமம்), நடுத்தரம் (மெதுவடைகிறது), குறைந்த (ஒப்பனை). AI ஆரம்ப தரவரிசையை பரிந்துரைக்கலாம், ஆனால் இறுதி எடையிடல் முடிவு - குறிப்பாக வணிக தாக்கம் - சூழலைப் பற்றிய குழுவின் அறிவு தேவைப்படுகிறது.

கண்டுபிடிக்கும்

தாக்கம்

அதிர்வெண்

முக்கியத்துவம்

பரிந்துரை

முதன்மை பொத்தானைக் கண்டறிய முடியவில்லை

இது பணியில் தலையிடுகிறது

4/6 பங்கேற்பாளர்கள்

முக்கியமான

ஹைலைட் பொத்தான்

பிழை செய்தி தெளிவாக இல்லை

மெதுவாக

3/6

உயர்

செய்தியை தெளிவுபடுத்துங்கள்

ஐகான் பொருள் தெளிவாக இல்லை

லேசான தயக்கம்

2/6

நடுத்தர

குறியைச் சேர்க்கவும்

கலர் டோன் பிடிக்கவில்லை

அழகுசாதனப் பொருட்கள்

1/6

குறைந்த

பிறகு விட்டு விடுங்கள்

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - 5 மணிநேர பதிவு, அரை நாளில் கண்டுபிடிப்புகள். ஒரு குழு 6 பயனர் சோதனைகளின் குறிப்புகளை (மொத்தம் 5 மணிநேரம்) AIக்கு வழங்கியது. மாதிரி 14 கண்டுபிடிப்புகளை பரிந்துரைத்தது; குழு ஒவ்வொன்றையும் அவதானிப்புகளின் எண்ணிக்கையுடன் சரிபார்த்து, அதை 9 ஆகக் குறைத்து, முக்கியத்துவத்தின் வரிசையில் அவற்றை வரிசைப்படுத்தியது. கைமுறையாக 2 நாட்கள் எடுக்க வேண்டிய தொகுப்பு, அரை நாளாக குறைக்கப்பட்டது.

வழக்கு 2 - உயர்த்தப்பட்ட கண்டுபிடிப்பு பிடிபட்டது. "பயனர்கள் வழிசெலுத்தலைப் புரிந்து கொள்ளவில்லை," என்று AI ஒரு முக்கியமான கண்டுபிடிப்பில் எழுதியது. குழு ஆதரவு அவதானிப்புகளைப் பார்த்தபோது, ​​​​அது ஒரு பங்கேற்பாளரின் ஒரு தருணத்தை அடிப்படையாகக் கொண்டது என்பதைக் கண்டறிந்தனர். கண்டுபிடிப்பு "மிதமானதாக" தரமிறக்கப்பட்டது மேலும் கூடுதல் தரவு கோரப்பட்டது. பாடம்: ஒரு கவனிப்பு ஒரு முக்கியமான கண்டுபிடிப்பை உருவாக்காது.

வழக்கு 3 - முக்கியமான சிக்கல் தவறிவிட்டது. மாதிரியானது தொடர்ச்சியான ஆனால் வெளித்தோற்றத்தில் சிறிய சிக்கலை (படிவம் தானாக ஸ்க்ரோலிங் செய்யவில்லை) "குறைந்ததாக" எண்ணியது. வடிவமைப்பாளர் அவதானிப்புகளைப் பார்த்தபோது, ​​​​இது 5 பங்கேற்பாளர்களில் பணி கைவிடப்படுவதை உணர்ந்து அதை "உயர்வாக" அமைத்தது. பாடம்: AI இன் முக்கியத்துவ மதிப்பீடு கண்காணிப்புச் சான்றுகளால் சரி செய்யப்படுகிறது.

அளவு மற்றும் தரமான தரவை ஒன்றாகப் படித்தல்

பயன்பாட்டிற்கான சோதனை பெரும்பாலும் தரமானதாக உள்ளது (கவனிப்பு அடிப்படையிலானது), ஆனால் அளவு (எண்) சமிக்ஞைகளும் உள்ளன: பணி நிறைவு விகிதம், பணி காலம், பிழைகளின் எண்ணிக்கை, திருப்தி மதிப்பெண். மிகவும் சக்திவாய்ந்த தொகுப்பு இரண்டையும் ஒருங்கிணைக்கிறது: "பங்கேற்பாளர்களில் 33% பேர் மட்டுமே செக்அவுட் பணியை (அளவுக்கு) நிறைவு செய்தனர், மேலும் முடிக்கத் தவறிய அனைவரும் ஷிப்பிங் படியில் (தரமான) சிக்கிக்கொண்டனர்." செயற்கை நுண்ணறிவு இந்த இரண்டு தரவுகளையும் தனித்தனியாக கொடுக்கும்போது அவற்றை இணைக்க உதவுகிறது; ஆனால் நீங்கள் எண்களின் துல்லியம் மற்றும் மாதிரி அளவை உறுதிப்படுத்துகிறீர்கள். சதவீதங்களைப் பற்றி பேசுவது சிறிய மாதிரிகளில் தவறாக வழிநடத்தும் (எ.கா. 5 பயனர்கள்); "60%" என்று சொல்வதை விட "5 இல் 3 பயனர்கள்" என்று சொல்வது மிகவும் நேர்மையானது. முழுமையான எண்ணிக்கையில் பேச மாதிரியைக் கேளுங்கள்.

உதவிக்குறிப்பு: "சதவீதத்திற்குப் பதிலாக 'எத்தனை பயனர்கள்' என எழுதுங்கள்" என்று AI கூறவும். சிறிய மாதிரிகளில், சதவீதம் உண்மையில் இருப்பதை விட அதிக துல்லியத்தின் தோற்றத்தை அளிக்கிறது.

நகலெடுக்கக்கூடிய தூண்டுதல்கள்

உங்கள் பங்கு: பயன்பாட்டு ஆய்வாளர். பின்வரும் அநாமதேய சோதனைக் குறிப்புகளிலிருந்து கண்டுபிடிப்புகளை வரையவும். ஒவ்வொரு கண்டுபிடிப்புக்கும்: 1) தெளிவான அறிக்கை, 2) ஆதரவளிக்கும் அவதானிப்புகள் மற்றும் எத்தனை பங்கேற்பாளர்கள் அதைப் பார்த்தார்கள், 3) விளைவு (தடுத்தல்/குறைத்தல்/ஒப்பனை). "பலவீனமான சான்றுகள்" என ஒற்றைக் கவனிப்பின் அடிப்படையில் கண்டுபிடிப்புகளைக் குறிக்கவும். குறிப்புகள்: <<text>>

இந்த கண்டுபிடிப்புகளின் பட்டியலை முக்கியத்துவத்தின்படி வரிசைப்படுத்தவும். அளவுகோல்: தாக்கம் (பணி தடையா?), அதிர்வெண் (எத்தனை பங்கேற்பாளர்கள்?), வணிக தாக்கம். முக்கியமான/உயர்ந்த/நடுத்தர/குறைவான ஒவ்வொரு கண்டுபிடிப்பையும் ஒதுக்கி ஒரு பகுத்தறிவை எழுதவும். வணிகத்தின் தாக்கம் குறித்து உங்களுக்குத் தெரியாவிட்டால், "குழு மதிப்பீடு செய்ய வேண்டும்" என்று கூறவும். கண்டுபிடிப்புகள்: << பட்டியல்>>

ஒவ்வொரு கண்டுபிடிப்புக்கும் உறுதியான, செயல்படக்கூடிய வடிவமைப்பு பரிந்துரையை எழுதுங்கள். பரிந்துரை: என்ன மாறும் + இது ஏன் சிக்கலை தீர்க்கிறது + எந்த திரையை பாதிக்கிறது. தெளிவற்ற ("சிறந்தது") பரிந்துரைகளைத் தவிர்க்கவும். கண்டுபிடிப்புகள்: << பட்டியல்>>

பங்குதாரர் விளக்கக்காட்சிக்காக இந்த கண்டுபிடிப்புகள் அறிக்கையை சுருக்கவும்: 3 மிக முக்கியமான கண்டுபிடிப்புகள், சான்றுகள் (எத்தனை பயனர்கள்) மற்றும் பரிந்துரைக்கப்பட்ட நடவடிக்கை ஆகியவற்றை உள்ளடக்கிய ஒரு சுருக்கமான நிர்வாக சுருக்கத்தை எழுதுங்கள். மிகைப்படுத்தல்; குறிப்புகளில் இருந்து எண்களை எடுக்கவும்.அறிக்கை: <<text>>

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமானது: "இந்த சோதனை மதிப்பெண்களில் இருந்து முடிவுகளை எடுக்கவும்."

முடிவு: ஆதாரம் இல்லாத, முக்கியத்துவத்தின் வரிசை இல்லாத கலவையான பட்டியல், மற்றும் ஒரேயொரு அவதானிப்பை ஒரு கண்டுபிடிப்பாக தவறாகப் புரிந்துகொள்வது.

வலிமையானது: "குறிப்புகளில் இருந்து ஒரு கண்டுபிடிப்பை வரையவும்; ஒவ்வொரு கண்டுபிடிப்பின் கீழும், துணை அவதானிப்புகளைச் சேர்க்கவும் மற்றும் எத்தனை பங்கேற்பாளர்களில் அது காணப்பட்டது; ஒரு கவனிப்பின் அடிப்படையில் 'பலவீனமான ஆதாரம்' எனக் குறிக்கவும்; பின்னர் விளைவு-அதிர்வெண்-பணி விளைவுக்கு ஏற்ப முக்கியத்துவம் வரிசைப்படுத்தவும்."

முடிவு: சான்றுகள் அடிப்படையிலான, முன்னுரிமை அளிக்கப்பட்ட, பாதுகாக்கக்கூடிய கண்டுபிடிப்புகள்.

வித்தியாசம்: வலுவான ப்ராம்ப்ட் ஆதாரங்களின் எண்ணிக்கையைத் தூண்டுகிறது + பலவீனமான ப்ராம்ட் + முக்கியத்துவ அளவுகோல்.

பொதுவான தவறுகள்

• கண்டுபிடிப்புடன் குழப்பமான கவனிப்பு. "என்ன நடந்தது" என்பதை ஒட்டுமொத்த முடிவாக மாற்றுதல்.
• ஒரே கவனிப்பில் இருந்து முக்கியமான கண்டுபிடிப்புகளை உருவாக்குதல். அதிர்வெண் சரிபார்க்கப்படும் வரை எடை கொடுக்கப்படாது.
• செயற்கை நுண்ணறிவு மீதான வணிக தாக்கத்தை தீர்மானித்தல். வருவாய்/மாற்று தாக்கத்திற்கு சூழல் தேவை; அவர் தனது அணியில் இருக்கிறார்.
• முன்னுரிமை கொடுக்க வேண்டாம். கண்டுபிடிப்புகளின் ஒழுங்கற்ற பட்டியல் குழுவை முடக்குகிறது; அனைத்தையும் ஒரேயடியாக சரி செய்ய முடியாது.
• பரிந்துரைகளை தெளிவற்றதாக விடுதல். "சிறந்தது செய்" என்பது பொருந்தாது; என்ன, ஏன், எங்கு தெளிவாக இருக்க வேண்டும்.

சுருக்கமாக

பதிவுகள் மற்றும் குறிப்புகளை தெளிவான, முன்னுரிமைப்படுத்தப்பட்ட கண்டுபிடிப்புகளாக மாற்றுவதில் பயன்பாட்டினை சோதனையின் மதிப்பு வருகிறது. செயற்கை நுண்ணறிவு இந்த தொகுப்பை பெரிதும் துரிதப்படுத்துகிறது: அவதானிப்புகளை கண்டுபிடிப்புகளாக ஒருங்கிணைக்கிறது, பரிந்துரைகளை வரைகிறது, முக்கியத்துவத்தின் வரிசையை பரிந்துரைக்கிறது. ஆனால் ஒவ்வொரு கண்டுபிடிப்புக்கும் பின்னால் உள்ள அவதானிப்புகளின் எண்ணிக்கையைச் சரிபார்ப்பது, ஒற்றை அவதானிப்புகளின் அடிப்படையில் உயர்த்தப்பட்ட கண்டுபிடிப்புகளைக் களைவது மற்றும் சூழலுடன் வணிக தாக்கத்தை எடைபோடுவது மனித வேலை. ஆதாரங்களை அடிப்படையாகக் கொண்ட ஒரு கண்டுபிடிப்பு அறிக்கை, ஒரு குறிப்பிட்ட அதிர்வெண் கொண்டது மற்றும் முக்கியத்துவத்தின் வரிசையில் அமைக்கப்பட்டது, விரைவான மற்றும் பங்குதாரர்களுக்கு பாதுகாக்கக்கூடியதாக இருக்கும்.

விண்ணப்ப பணி

1. பயன்பாட்டிற்கான சோதனையிலிருந்து குறிப்புகளை அநாமதேயமாக்குங்கள் (உண்மையான அல்லது கற்பனையானது).
2. முதல் வரியில் கண்டுபிடிப்புகளை அகற்றவும்; ஒவ்வொன்றின் கீழும் உள்ள அவதானிப்புகளின் எண்ணிக்கையைச் சரிபார்க்கவும்.
3. "பலவீனமான சான்றுகள்" எனக் குறிக்கப்பட்ட கண்டுபிடிப்புகளைத் தனிமைப்படுத்தி, கூடுதல் தரவு தேவையா என்பதைத் தீர்மானிக்கவும்.
4. இரண்டாவது வரியில், முக்கியத்துவத்தின் வரிசையில் கண்டுபிடிப்புகளை வரிசைப்படுத்தவும்; ஒரு குழுவாக வணிக தாக்கத்தை மதிப்பிடுங்கள்.
5. மூன்றாவது வரியில், ஒவ்வொரு கண்டுபிடிப்புக்கும் உறுதியான பரிந்துரைகளை எழுதி, முன்னுரிமை அட்டவணையை உருவாக்கவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் அவதானிப்பு, கண்டுபிடிப்புகள் மற்றும் பரிந்துரைகளை தனி அடுக்குகளாக வைத்திருந்தேன்.
• [ ] ஒவ்வொரு கண்டுபிடிப்பையும் எத்தனை பங்கேற்பாளர்கள் காட்டினார்கள் என்பதை நான் சரிபார்த்தேன்.
• [ ] நான் ஒரு பார்வையின் அடிப்படையில் கண்டறிதல்களை பலவீனமான ஆதாரமாகக் குறித்தேன்.
• [ ] தாக்கம்-அதிர்வெண்-வேலை தாக்கம் மூலம் தீவிரத்தன்மை அளவை தீர்மானித்தேன்.
• [ ] குழுவுடன் வணிக தாக்க முடிவை மதிப்பீடு செய்தார்.
• [ ] நான் திட்டவட்டமாக பரிந்துரைகளை எழுதினேன் (என்ன/ஏன்/எங்கே).