Directe externe feedback

Virtual Reality Learning Lab

Directe externe feedback

Eerste column geschreven voor het vak Wikisofie.

Directe externe feedback

Tijdens het proces van schrijven voert de schrijver[1] een dialoog met zichzelf; na een stuk geschreven te hebben, verandert hij zijn rol naar een denkbeeldig lezer, bepaalt of de tekst duidelijk is en geeft feedback aan de producerende speler in het rollenspel. In dit proces probeert de schrijver continu zijn tekst te verbeteren. Door zich in te beelden hoe een lezer de tekst leest, komen mogelijke onduidelijkheden naar voren. Dit publiek waarvoor een schrijver schrijft is echter altijd fictief, de meeste externe feedback volgt vaak pas na publicatie. Zoals Walter J. Ong het formuleert:

in ‘writing’ something, the one producing the written utterance is (..) alone. Writing is a solipsistic operation.” (Walter J. Ong, 1982, p.101)[2]
In deze tekst wil ik de vraag stellen hoe het proces van schrijven zal veranderen als we toegang hebben tot directe externe feedback. Door gebruik te maken van het internet is dit op een vrij eenvoudige manier te bereiken. Zo zou ik deze tekst bijvoorbeeld ook op Twitter kunnen schrijven. In plaats van het typen in mijn tekstverwerkingsprogramma, zou ik ook, zodra een gedachte vorm krijgt hier een tweet van kunnen maken. Andere Twitteraars kunnen direct reageren op deze gedachtes en feedback geven erop. Interessante opmerkingen kunnen betreffen hoe zij de boodschap interpreteren, of het goed geformuleerd is en misschien verwijzingen naar andere bronnen. In plaats van een denkbeeldig publiek, krijg ik zo directe feedback van potentiële lezers, mits ik genoeg followers heb natuurlijk. Een andere manier, die de samenhang van de tekst waarschijnlijk ten goede komt is werken in een online tekstverwerkingsprogramma, waarbij ik de inhoud vrij geef. Terwijl ik typ kunnen anderen hier direct commentaar op geven.

Er is een aantal overduidelijke redenen waarom dit niet een functionele manier van schrijven is. Correcties in een toespraak dragen bijvoorbeeld zelden bij aan de geloofwaardigheid van de spreker. Een belangrijke eigenschap van schrijven is juist dat de schrijver eindeloos verbeteringen aan kan brengen zonder dat de lezer dit ooit doorheeft. In het schrijfproces schrijf je gedachtes op die nog vorm moeten krijgen door ze te bewerken en herschrijven. Deze boodschappen zijn nog niet klaar voor publicatie. Daarbij: wie heeft er tijd om constant feedback te geven op andermans teksten?

Feedback kan echter niet alleen gegeven worden door mensen. We zijn al volledig gewend aan computers die ons directe feedback  geven op wat we schrijven. Terwijl de letters op ons scherm verschijnen en woorden en zinnen vormen, wordt direct typografisch weergegeven of, en zo ja, wat er mis is met hetgeen we geschreven hebben. De spellingcontrole geeft feedback als getypte woorden niet overeenkomen met de woorden die in het woordenboek van het programma staan. We accepteren zelfs veelal dat woorden automatisch worden aangepast naar wat het programma ‘denkt’ dat we wilden typen. Het is deze autocorrectie die productief typen op smartphones met touchscreens mogelijk maakt. Ook laat de spellingscontrole mogelijke grammaticale fouten zien, wanneer bijvoorbeeld het getal van het onderwerp en het gezegde van een zin niet overeenkomen. We zullen echter allemaal de ervaring hebben dat de grammaticale functionaliteit van de software bij ingewikkeldere zinsconstructies vaak weinig zinvol is.

Hoewel onze dagelijkse ervaring hier niet geheel mee correleert, denk ik dat we alle reden hebben om een uitbreiding van deze intelligente feedback te verwachten. Niet alleen wordt de kracht van onze computers volgens de wet van Moore elke <x> jaar verdubbeld, ook wordt enorm veel onderzoek gedaan naar hoe computers beter kunnen omgaan met natuurlijke taal. Het prestigeproject Watson van IBM is hier een mijlpaal in. Het computersysteem Watson is erin geslaagd om ‘s werelds beste spelers in het kennisspel ‘Jeopardy!’ te verslaan. Eén van de grootste uitdagingen hierin was het correct begrijpen van de vragen[3] die gesteld werden. Deze vragen waren bedoeld voor menselijke spelers en geformuleerd in natuurlijke taal, compleet met alle vaagheden en onduidelijkheden die daarbij horen. Het ligt in de lijn der verwachtingen dat de kennis die in dit project en soortgelijk onderzoek wordt opgedaan, de komende jaren zal worden toegepast in applicaties waarvan de consument ook gebruik kan maken[4].

Hoe zou ons schrijfproces veranderen wanneer we software hebben die de kennis over natuurlijke taal gebruikt en directe feedback geeft op complexe eigenschappen van onze teksten? Intelligente, zelflerende software die bijvoorbeeld aangeeft dat het logische verband tussen een aantal zinnen onduidelijk is, de tekst dubbelzinnigheden bevat, de verdeling in alinea’s wat vreemd is, of de bronvermelding niet juist is. Dit zou een feedbacksysteem zijn dat ons op een milde manier kan confronteren met de onvolkomenheden in onze teksten, zonder dat we de tekst moeten publiceren voor lezers. Zouden we bij het verduidelijken van onze teksten, geen dialoog meer voeren met een ingebeelde lezer, maar met dit intelligente computerprogramma?


[1] Uiteraard kan hier, en in andere gevallen analoog, ook ‘schrijfster’ worden gelezen.

[2] Walter J. Ong (1982), Orality and Literacy, The technologizing of the Word, pp 78-116, Methuen, London

[3] Of eigenlijk, gezien de opbouw van Jeopardy! het antwoord. De spelers krijgen een antwoord en moeten de juiste vraag erbij noemen.

[4] De implementatie van de functionaliteit van Watson in dagelijkse applicaties zou zelfs vele malen sneller kunnen gaan dan men misschien zou verwachten. In deze tijd van cloud computing is het niet meer nodig dat de computer waarmee je op dat moment werkt de berekeningen uitvoert. Het begrijpen van natuurlijke taal zou worden uitbesteed aan enkele supercomputers waarmee jouw computer via het Internet in verbinding staat.

 

Leave a Reply

Your email address will not be published. Required fields are marked *