Как кансей выглядит наглядно Есть специальные программы вообще для этого, напомню как Артемий Лебедев ругался на русскую систему ВААЛ в своем Ководстве, но вообще в мире периодически такие цифровые среды релизят
ЦиЦифровой геноцид
КатегорияOtherЯзыкRUДобавлен06 июл. 2026 г.КачествоПроверен
Подписчики1.5K
Сред. просмотры504
ERR34.6%
Цена-- RUB
Цена / подписчик--
Цена / просмотр--
Метрики обновлены: 06 июл. 2026 г.
Последние посты
Эмоциональный дизайн и кенсай инжиниринг, разные подходы к измерению эмоций на уровне технологий Как-то разговаривал с коллегой относительно опыта измерений эмоций при проектировании определенных технологий, например, рабочих интерфейсов тасктрекинга и других задач управления проектами: показательно, некоторая лакуна в отечественных подходах по сравнению с миром. Например, удивила молодая команда из Казахстана применяющая кансей-инжиниринг для проектирования веб-сайтов (ничего удивительного, но показательно, что метод используется у них, но не в РФ, хотя с 60ых-70ых эти работы ходили по миру и на производствах). Косвенно, это и повод задуматься о том, насколько реально положение российских исследований и проектирования опыта пользователя The Kansei Engineering Approach in Web Design : Case of Transportation Website от молодого коллектива авторов Kazakh-British Technical University - я так понимаю, что магистерская диссертация, но вообще показательная с точки зрения уровня https://arxiv.org/pdf/2405.03223 О чем идет речь? Напомню, что кансей-инжиниринг разрабатывался изначально для компании Мазда и в каком-то смысле был альтернативой методам Кано - происходя из одного источника семантического дифференциала управления качеством Огсвуда. Авторы применяют подход Кансей-инжиниринга, исследуя эмоциональное воздействие на логистический веб-сайт на примере платформы Reis.kz . Эта платформа, представляющая собой маркетплейс для поиска грузов и транспортных услуг, предоставляет подходящий контекст для оценки эффективности KE в улучшении пользовательского опыта в конкретной предметной области. Исследование выявляет эмоции, связанные с определёнными характеристиками продукта, через серию опросов, экспериментов и оценок. Впоследствии эти эмоции и психологические ощущения преобразуются в параметры привлекательного веб-дизайна. Описание метода: Определение стратегии компании Сбор кансей-слов Установка семантической дифференциальной шкалы Сбор образцов продуктов Список элементов/категорий Эксперимент по оценке Статистический анализ Интерпретация проанализированных данных Объяснение данных Сотрудничество с дизайнерами Сбор слов первым шагом является сбор кансей-слов, связанных с новым продуктом и соответствующих стратегии, обсуждавшейся на предыдущем этапе. Кансей-слово — это термин, описывающий контекст продукта. Эти слова могут быть прилагательными или другими частями речи. Для получения полного набора слов используются следующие источники: Соответствующая литература Эксперты Опытные пользователи Связанные исследования по Кансей Идеи, видения Часть кансей-слов была предоставлена маркетинговыми экспертами и пользователями Reis.kz , а некоторые были адаптированы из связанных исследований по Кансей. Шкала и сбор образцов конкурентов/бенчмарк Следующим шагом является размещение собранных кансей-слов в 5-балльной семантической дифференциальной (SD) анкете (шкала Лайкерта), где положительному кансей-слову соответствует наибольшее значение, а отрицательному — наименьшее. Опросник Для этого был произведен отбор экспериментальных субъектов и образцов. Респондентам демонстрировали образцы веб-сайтов, использованные в эксперименте по оценке по семантической шкале. В число выбранных транспортных компаний вошли не только казахстанские, но и международные. В список также были включены компании-бенчмарки (эталоны). Список элементов/категорий На этом этапе происходит выявление характеристик дизайна собранных образцов продуктов, таких как цвет, шрифт, форма, размер и логотип. Мы выбрали шесть характеристик из всех продуктов для анализа того, как каждый элемент влияет на эмоции: Насыщенность и интенсивность используемых на странице цветов Доминирующий цвет на сайте Количество цветов, используемых на сайте Видимость логотипа бренда Размер шрифта, используемого на странице Наличие изображений на странице и их доля Данное исследование анализирует визуальные элементы дизайна, используемые на различных цифровых платформах. Таким образом, диз
https://arxiv.org/abs/2606.30534 https://orca-wm.github.io/ Большинство современных систем ИИ обучаются решать конкретные задачи: предсказывать следующее слово в предложении, генерировать следующий кадр видео или выбирать следующее действие робота. Но люди не воспринимают мир как цепочку изолированных предсказаний. Мы строим внутреннюю модель того, как устроен мир — ментальную модель, которая позволяет представлять возможные сценарии, предсказывать последствия и принимать решения. Новый подход под названием Orca стремится приблизить ИИ к этому принципу. Модель учится формировать представление о том, как мир меняется со временем. Вместо вопроса «Что будет дальше?» Orca задаёт более глубокий вопрос: «В каком состоянии сейчас находится мир и как он переходит в следующее состояние?» Это называется предсказанием следующего состояния (Next-State Prediction). Цель — создать единое латентное пространство мира, в котором визуальная, языковая и связанная с действиями информация объединены в общее представление. В этом пространстве ИИ может рассуждать о связях между объектами, событиями и действиями независимо от формы данных. Orca обучается двумя взаимодополняющими способами: 🔹 Бессознательное обучение — как человек впитывает окружающую среду, просто наблюдая за ней. Модель учится на непрерывных видеопотоках, улавливая паттерны движения, причинно-следственные связи и естественные изменения в мире. 🔹 Сознательное обучение — как человек понимает мир через язык и объяснения. Orca учится на описаниях важных событий и примерах визуального вопросно-ответного взаимодействия (VQA), связывая происходящее в мире с языковыми концепциями. Для обучения исследователи собрали огромный датасет: 125 000 часов видео и 160 миллионов аннотаций событий. Это дало модели доступ к очень широкому спектру реальных ситуаций. После обучения внутренней модели мира её основное представление замораживается. Дальше обучаются только небольшие специализированные модули, которые «считывают» из этого представления разные способности. Исследователи проверили, может ли это внутреннее понимание мира поддерживать: Генерацию текста — общение о мире Предсказание изображений — воображение возможных будущих визуальных состояний Генерацию действий в физическом мире — принятие решений для агентов, взаимодействующих с окружением Результаты показывают: чем сильнее внутреннее представление мира, тем лучше модель справляется с разными задачами. Orca превзошла другие ИИ-системы сопоставимого размера, которые обучались под конкретные задачи по отдельности. Это говорит о том, что общее понимание мира может быть эффективнее, чем создание отдельных моделей под каждую способность. Главная идея Orca - переход от ИИ, который просто распознаёт паттерны, к ИИ, который развивает структурированное понимание реальности
Репозиторий статей, книг и работ по натуралистическому принятию решений , экспертизе и когнитивному анализу задач Нашел на днях на мероприятиях NDM подборки различных работ и статей за последние десятилетия по теме анализа поведения и принятия решений в естественной среде, аналитика поведения экспертов, бизнесменов, игроков, пожарных, военных, операторов, диспетчеров - вместе с систематическим ревью работ по CTA - когнитивному анализу задач - большая часть работ после 2010 года, даже несколько роликов на ютубе лежат на вкладке другое, что не может не радовать Как-нибудь подробнее напишу про концепции тактических игр на бумаге, хотя пока не совсем понял, как это использовать (видел, что такие сценарии боевых действий применяют дата-сатанисты и дата-аналитики для подсчета как быстрее и лучше настроить логистику и тд и тп) https://docs.google.com/spreadsheets/d/1EgFsTdFFzMllKM3iri0N1-vwXvqk0G3QCk5GgsiWWBw/edit?usp=sharing
Делаю для себя LLM-wiki проекта Цифровой геноцид: в каком-то смысле это замена RAG, но помню, еще лет 10 назад, когда читал теории системной инженерии Анатолия Левенчука думал, что хорошей и правильной практикой создания внешнего, "рукотворного" мозга может быть блог. Насколько могу судить по развитию современных новых медиа, то теперь подобного рода проекты маркируются под брендом "digital garden", что любителя "Сада расходящихся тропок" Борхеса может быть ироничной отсылкой. С середины 2010‑х digital garden начинают описывать как публичную персональную вики/PKM, где заметки открыты, межсвязаны и постоянно перерабатываются, например, вот тут история , хотя любитель широких исторических аналогий управления знаний увидит прототип в Commonplace book Джона Локка. Сама по себе идея в целом повторяет практики менеджеров знаний - в молодости я так в шутку использовал Протеже , который предлагал связывать в базе знаний каждую сущность с другой в формате XML https://syg.ma/@vitaliy-bolataev/ontoinzhienieriia-na-sluzhbie-filologhii-kak-sozdavat-ontologhii-litieraturnykh-proizviedienii?ysclid=ma0zkbfdlu6159277 Собственно, LLM-wiki Карпатого - это паттерн работы с ИИ, в котором сама LLM по сырому корпусу данных постепенно строит и поддерживает живую вики-базу знаний (Markdown‑страницы, перелинковкой и индексами), если обычный RAG завязан на машиночитаемости(ну не прочтешь ты чанки), то это более человекочитаемый инструмент https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f Знаниевые графы и правда переживают второе рождение