StreetComplete中关于厕所可访问性问题的技术解析
问题背景
在StreetComplete应用中,当用户调查咖啡馆等场所时,系统会询问"这里的厕所是否适合轮椅使用者?"这个问题。然而,当该场所根本没有厕所时,这个提问方式会导致用户困惑和潜在的标签错误。
问题分析
该问题源于以下几个技术细节:
-
问题表述的歧义性:原问题"这里的厕所是否适合轮椅使用者?"隐含了"该场所有厕所"的前提条件,这在没有厕所的场所会造成用户困惑。
-
用户界面设计:虽然应用中提供了"这里没有厕所"的选项,但它被隐藏在"其他答案"菜单中,许多用户可能不会发现这个选项。
-
标签逻辑缺陷:当用户选择"否"时,系统会错误地标记"toilets=yes",而实际上用户可能只是想表达"这里没有厕所"。
解决方案探讨
开发团队讨论了多种可能的解决方案:
-
调整问题表述:将问题改为"这里有厕所且适合轮椅使用者吗?",但这样仍无法解决用户选择"否"时的歧义问题。
-
优化用户界面:将"这里没有厕所"选项从"其他答案"菜单提升为主要选项之一,使其更显眼。
-
改进标签逻辑:当用户选择"否"时,可以标记"toilets=unknown"而非"toilets=yes",因为用户并未确认厕所是否存在。
-
增加前置问题:在询问轮椅可访问性之前,先询问"这里有厕所吗?",但这可能会在某些地区造成过多的重复提问。
最终解决方案
经过讨论,开发团队决定:
-
调整标签逻辑:当用户回答"否"时,不再自动标记"toilets=yes",而是采用更保守的标记方式。
-
优化问题流程:考虑在某些特定国家/地区增加专门的厕所存在性调查问题,前提是经过充分研究确认这些地区确实存在大量没有厕所的场所。
技术启示
这个案例展示了在开发地图数据收集应用时需要考虑的几个重要方面:
-
问题设计的精确性:避免隐含假设,确保问题表述清晰无歧义。
-
用户界面的友好性:确保所有可能的答案选项都易于发现和使用。
-
标签逻辑的严谨性:避免从用户回答中得出超出其本意的结论。
-
地区差异性考虑:不同地区的法规和实际情况可能大不相同,需要针对性地设计调查流程。
通过这次问题的讨论和解决,StreetComplete应用在数据收集的准确性和用户体验方面都得到了提升。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00