"What Are You Really Trying to Do?": Co-Creating Life Goals from Everyday Computer Use
Cet article introduit la « co-création laborieuse » (striving co-creation), un système fondé sur la Théorie de l'Activité qui infère et affine de manière collaborative les objectifs de vie à long terme des utilisateurs à partir de leur utilisation quotidienne de l'ordinateur grâce à une interface d'édition interactive, surmontant ainsi les limites des systèmes existants qui ne capturent que des actions de surface.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez un ordinateur qui ne se contente pas de regarder ce que vous cliquez ou tapez, mais qui comprend pourquoi vous le faites. Depuis des décennies, le rêve de l'interaction homme-machine est de construire des systèmes capables de saisir le but profond derrière nos actions quotidiennes. Nous avons longtemps accepté qu'une machine puisse nous dire que nous regardons un tableur ou lisons un e-mail, mais elle a peiné à voir que ces moments fragmentés font en réalité partie d'un effort plus vaste et à long terme, tel que la planification d'un déménagement dans une nouvelle ville ou la construction d'une vie stable pour une famille qui s'agrandit. Ce fossé existe parce que la technologie actuelle se concentre sur la tâche immédiate plutôt que sur la motivation sous-jacente. Elle voit les étapes, mais manque le voyage. Des chercheurs de l'Université de Stanford ont désormais franchi une étape significative pour combler ce fossé en créant un système qui ne se contente pas d'enregistrer les comportements, mais collabore avec les personnes pour découvrir les objectifs à long terme qui motivent leur utilisation quotidienne de l'ordinateur.
L'équipe derrière ce travail, dirigée par Shardul Sapkota et ses collègues, a développé un système appelé Tempo. L'idée centrale est un processus qu'ils appellent « co-création d'aspirations » (striving co-creation). Au lieu qu'un ordinateur devine silencieusement ce qu'un utilisateur veut, ou qu'un utilisateur doive taper manuellement une liste de ses objectifs de vie, le système et la personne travaillent ensemble pour construire une image de ces objectifs. Le système commence par prendre des captures d'écran de l'écran de l'utilisateur tout au long de la journée, capturant tout, de la navigation sur le Web à l'envoi de messages à des amis. Il utilise ensuite une intelligence artificielle avancée pour organiser ces images brutes en une hiérarchie. À la base se trouvent des opérations simples, comme un clic unique ou un défilement. Celles-ci se regroupent en actions, comme la recherche d'un sujet spécifique. Les actions se combinent en activités, qui sont des modèles de comportement récurrents. Enfin, ces activités sont synthétisées en « aspirations » (strivings), qui sont les poursuites continues et à long terme qui donnent du sens au travail quotidien, telles que « préserver l'identité culturelle » ou « établir une réputation professionnelle ».
Cependant, les chercheurs savaient qu'un ordinateur regardant un écran ne peut pas toujours connaître toute l'histoire. La même action, comme la recherche d'écoles, pourrait signifier qu'une famille déménage pour un meilleur emploi, ou pourrait signifier qu'elle fuit une situation difficile. Pour résoudre cela, Tempo comprend une seconde partie où l'utilisateur peut examiner et modifier les suppositions du système. Si l'ordinateur pense qu'un utilisateur est en train de « construire un capital social » mais que l'utilisateur sait qu'il ne fait que de la paperasse administrative, il peut corriger le système. Cette correction n'est pas seulement une correction ponctuelle ; elle devient une règle que l'ordinateur doit suivre à l'avenir. Le système apprend de ces modifications, affinant sa compréhension des objectifs de vie de la personne au fil du temps. Cela crée une boucle où la machine propose une interprétation, l'humain l'affine, et la machine incorpore cette nouvelle compréhension dans son prochain cycle d'analyse.
Pour tester si cette approche fonctionne réellement, les chercheurs ont déployé Tempo auprès de quatorze volontaires sur la durée d'une semaine. Les participants ont installé le logiciel sur leurs ordinateurs personnels, lequel a capturé des milliers de captures d'écran pendant qu'ils menaient leurs activités normales. Le système a traité ces données, construit la hiérarchie des actions et des objectifs, puis a invité les participants à examiner les résultats lors d'une session en laboratoire. Les résultats ont été encourageants. Lorsque le système incluait la propre description de la vie de l'utilisateur — tels que son emploi actuel, ses sources de stress et ses priorités — les objectifs qu'il générait étaient jugés nettement plus précis et alignés sur les véritables priorités de la personne. Sans ce contexte personnel, le système pouvait toujours identifier ce que les gens faisaient, mais il manquait souvent le « pourquoi » profond.
L'étude a également montré que la structure hiérarchique était essentielle. Lorsque les chercheurs ont testé une version du système qui sautait les étapes intermédiaires pour essayer de deviner directement les objectifs à long terme à partir des captures d'écran, les résultats étaient moins efficaces. Les participants ont estimé que ces suppositions directes étaient trop liées à des tâches spécifiques et momentanées et ne parvenaient pas à capturer le but plus large de leurs efforts. La hiérarchie étape par étape a permis au système de relier des activités sans rapport, révélant qu'une recherche de services de surveillance de la santé et un message à un parent concernant une tradition familiale faisaient tous deux partie d'une seule et même aspiration plus large : prendre soin de ses proches.
La découverte la plus surprenante fut peut-être la façon dont le processus de révision de ces objectifs a modifié la propre réflexion des participants. Même avant d'effectuer la moindre modification, le simple fait de voir l'interprétation du système de leur semaine a incité beaucoup d'entre eux à réfléchir à leur propre comportement. Certains ont réalisé qu'ils passaient du temps sur des tâches qui ne correspondaient pas à leurs valeurs déclarées, tandis que d'autres ont vu des schémas dans leur travail qu'ils n'avaient pas remarqués auparavant. Un participant a décrit l'expérience comme le sentiment d'avoir un thérapeute analysant son comportement, offrant des perspectives auxquelles il n'avait pas pensé. Le système ne s'est pas contenté d'enregistrer des données ; il a agi comme un miroir, aidant les gens à voir le lien entre leurs habitudes numériques quotidiennes et leurs aspirations de vie à long terme.
Les chercheurs ont pris soin de noter que ce système n'est pas parfait et qu'il ne s'agit pas d'un produit fini. L'étude n'a duré qu'une semaine, ce qui est suffisant pour voir des schémas récurrents, mais pas assez pour prouver que ces objectifs inférés resteront stables sur des mois ou des années. Il y a également eu des moments où le système a fait des suppositions confiantes qui étaient légèrement erronées, comme supposer qu'un utilisateur changeait de carrière alors que ce n'était pas le cas. Les participants ont trouvé que la capacité de modifier la hiérarchie était cruciale ; cela leur donnait le contrôle et leur permettait de corriger les malentendus du système. Sans la possibilité d'intervenir, les suppositions du système pouvaient être perçues comme une étiquette rigide plutôt que comme une interprétation utile.
En fin de compte, ce travail suggère une nouvelle façon pour la technologie d'interagir avec nous. Au lieu d'agir comme un outil passif qui attend des commandes, ou comme un observateur intrusif qui tente de deviner nos pensées, l'ordinateur devient un partenaire pour comprendre nos vies. Il propose un récit sur ce que nous essayons d'accomplir, et nous avons le pouvoir de réécrire ce récit jusqu'à ce qu'il soit juste. Les chercheurs ont constaté que lorsque les humains et les machines collaborent de cette manière, le résultat est une représentation des objectifs humains bien plus précise et significative que ce qu'aucun des deux ne pourrait accomplir seul. Cette approche traite nos objectifs de vie non pas comme des faits fixes à extraire, mais comme des récits continus que nous façonnons ensemble avec les outils que nous utilisons chaque jour.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.