Содержание

Используем карту распределения внимания по странице для создания потрясающего опыта взаимодействия

Автор: Анжела Стрингфеллоу (Angela Stringfellow) – до того, как начала заниматься интернет-маркетингом, несколько лет проработала менеджером по маркетингу в области здравоохранения. В течение последних нескольких лет Анжела оказывает консультационные услуги средним и крупным организациям, помогая им выстраивать всеобъемлющие кампании в социальных сетях, создавать блоги и формировать редакционные стратегии, позволяющие поднять общую репутацию бренда и его известность. При этом она преимущественно сосредотачивается на технологиях Web 2.0 и контент-маркетинге.

К настоящему времени проведено огромное количество исследований, позволяющих выявить «горячие точки» или участки веб-страниц, куда наиболее часто устремляется взгляд пользователя, и где сосредотачивается его внимание. Эти естественные особенности распределения визуального внимания пользователя по странице можно использовать для проектирования хорошего дизайна целевой страницы и ее разметки.

EyeTools.com называет траекторию взгляда одного человека тепловой картой (heat map), так как на первый взгляд она кажется совокупностью случайно разбросанных по странице горячих точек, при удалении от которых температура понижается. При анализе траекторий взглядов множества пользователей можно выявить логические общие особенности распределения внимания.

Результаты этого анализа можно использовать для размещения ключевой информации в горячих точках страницы или изображения, там, где внимание пользователя будет сосредоточено с наибольшей вероятностью.

Эта тепловая карта, созданная TechWyse.com, показывает участки целевой страницы, где взгляд пользователя сосредотачивается прежде всего.

Пользователь может заблудиться на странице, если его карта не будет учтена

Анализ тепловой карты является удобным методом анализа целевой страницы или изображения, и позволяет улучшить опыт пользовательского взаимодействия. Строить карту распределения внимания следует после того, как будут собраны данные об особенностях поведения большого количества пользователей; запутанные пути или отсутствие закономерностей говорит о том, что на этой странице пользователи теряются.

Если же тепловая карта указывает, что внимание пользователей сосредотачивается на областях страницы, не представляющих особой важности, то это сигнал для пересмотра дизайна. В идеале, самые горячие области тепловой карты должны быть сосредоточены в местах призыва к действию. В примере выше, сильнее всего внимание концентрируется на фрагменте заголовка, гласящем «Бесплатно». Это, конечно, важная информация, но пользователи «не видят» область «Текущее состояние» в левом нижнем углу, и практически полностью игнорируют призыв к действию «Запросить информацию», размещенный чуть выше. Юх,Хороший разработчик целевых страниц прекрасно знает, что каждый пиксель на них должен выполнять определенную функцию. Даже белое пространство не только упорядочивает остальные элементы, но и помогает взгляду найти наиболее важные места. Широкие белые области вокруг призыва к действию позволяют читателю быстрее и сильнее сосредоточиться на нем. Еще одним элементом управления вниманием посетителя могут быть изображения. В частности, люди часто устремляют свой взгляд в те места, куда смотрят другие. Поэтому, если мы поместим на странице фотографию человека, взгляд которого направлен прямо на призыв к действию, то, наверняка, заставим читателя обратить особое внимание на эту область страницы.


Это изображение (источник: SocialTriggers.com) демонстрирует результаты исследования, проведенного Usable World. На данной рекламной странице взгляд читателя прочнее фиксируется на заголовке с помощью смотрящего на него ребенка. Ребенок тут служит своеобразной естественной стрелкой, управляющей вниманием зрителя.

Этот пример с TechWyse.com показывает еще один вариант дизайна целевой страницы. Обратите внимание, как взгляд читателя «прыгает» по ней, пропуская призыв к действию.

Красота не должна быть единственным критерием

OneExtraPixel.com отмечает, что многие дизайнеры полностью погружаются в идею создания кричащих, запоминающихся графических элементов, способных сильно впечатлить посетителей. Большинство разработчиков целевых страниц ставят во главу угла красивый, привлекательный дизайн, совершенно упуская из вида конверсию, и не задумываясь над тем, где именно будет сосредоточено внимание посетителя.

Эрик Роувелл (Eric Rowell) пишет: «Хороший дизайн, в первую очередь, служит решению задач, для которых создан сайт, а уже потом он должен быть красивым». Сравнивая дизайн страницы с архитектурой, он говорит, что если бы при проектировании зданий руководствовались, прежде всего, принципом красоты и гармонии, то многие дома не имели бы ни окон, ни дверей. Другими словами функциональная составляющая должна определять все остальное.

Вначале определяем задачи целевой страницы

Невозможно создать эффективную целевую страницу, не определив задачи, которые она должна решать. Прежде чем сделать первый набросок, дизайнер уже должен знать назначение данной страницы. Есть три наиболее важных пункта, которые следует принять во внимание, определяя задачи, для которых создается целевая страница:

• Определить проблему, которую надо решить;

• Показать способ решения этой проблемы;

• Создать призыв к действию, которое решит эту проблему.

Целевая страница YouSendIt определяет проблему (передать файлы большого объема), предлагает ее решение (неограниченный доступ, позволяющий посылать другим и хранить большие файлы, где бы не находился пользователь) и имеет ясные призыв к действию (Пошли файл – Попробуй прямо сейчас).

Дизайн страницы должен последовательно проводить внимание читателя через каждый из этих пунктов, и гладко вести его к процессу покупки.

Кроме того, целевая страница должна решать следующие задачи:

• Дифференцировать товар или услугу от предложений конкурентов. Что уникального в вашем продукте или предложении?

• Уменьшить степень обеспокоенности потенциального клиента. Предоставляется ли гарантия, насколько просто будет вернуть продавцу неподходящий товар?

• Сделать предложение, которое усилит призыв к действию. Что дополнительно получит человек, решив отдать вам свои кровно заработанные деньги?

Square.com дифференцирует свое предложение и уменьшает обеспокоенность пользователя, предлагая низкие проценты за обслуживание и возможность быстрого пополнения счета.

В чем состоит стимул? Покупатели могут сразу же воспользоваться кредитной картой, вместе с к которой бесплатно получают фирменный считыватель баланса Square Card Reader.

Правильный дизайн ведет читателей к действию

Назначение целевых страниц состоит в побуждении читателей к выполнению определенного действия. Взяв на вооружение технологию тепловых карт, можно создавать целевые страницы, которые переводят внимание от одного участка к другому, каждый из которых последовательно выполняет свое дело в формировании убедительного продающего предложения.

В публикации на Pixsysm Blog указывается на несколько ошибок, которые «любят» делать дизайнеры целевых страниц:

Объекты, конкурирующие за внимание посетителя. Более одного очевидного призыва к действию создают путаницу. Если человек попал на целевую страницу, то его следует однозначно убедить выполнить определенное действие. Тут не должно быть никаких догадок и права выбора.

Слишком много шрифтов.

Выберите один или (максимум) два типа шрифта, совместимых друг с другом. Один шрифт используйте для того, чтобы выделить важные моменты, а другой, для подачи вспомогательной информации.

Не используйте рамки и т.п., если это не призыв к действию. Оставьте рамки и кнопки для основного призыва к действию, они останавливают взгляд и сосредотачивают внимание. Разбросанные тут и там рамки, появляющиеся до призыва к действию, запутывают читателя и могут заставить вообще уйти со страницы раньше времени.

Использование слишком сложной структуры заголовков. Заголовки и подзаголовки служат для последовательного донесения до пользователя важной информации. Как и рамки, их следует использовать стратегически, переводя внимание читателя от одного пункта к другому.

Использование дизайна для управления путем перемещения взгляда

Для нецелевых страниц тепловая карта обычно напоминает латинскую букву «F». Взгляд посетителя вначале устремляется в верхний левый угол, затем проходит слева направо, после чего совершает вертикальный путь сверху вниз.

Данное изображение (источник: UseIt.com) показывает типичный F-паттерн, обычный для нецелевых страниц.

Но на целевых страницах путь, проходимый взглядом посетителя, может быть совершенно другим, и вести его можно с помощью дизайна. Некоторые советы по использованию элементов дизайна для управления вниманием читателя даны в статье «8 Визуальных техник, которые можно использовать, чтобы указать взгляду его путь и увеличить конверсию целевой страницы».

Ниже приведены наиболее эффективные приемы.

Заставьте работать белые поля. Свободные участки страницы расслабляют, и могут вести взгляд посетителя к следующему важному шагу процесса покупки.

Начните с убедительного заголовка. Большинство читателей начинают изучение страницы с верхнего левого угла, поэтому отличным решением будет разместить здесь логотип компании, а следом за ним – основной заголовок.

Используйте маркированный список для последовательной подачи информации. Маркированные списки притягивают внимание читателя, тут они надеются получить важную информацию в сжатом формате.

Используйте изображения в качестве подсказок для направления взгляда. По информации Social Triggers, изображение человека, смотрящего на определенную область страницы, притягивает к ней внимание читателя. Кроме того, изображения могут формировать своеобразные стрелки, последовательно подсказывающие взгляду направление дальнейшего следования. Например, изображение человека, положившего одну руку себе на бедро, сосредотачивает взгляд читателя в направлении, в котором указывает локоть.

Для построения карты внимания можно попросить других людей посмотреть на страницу, а затем рассказать, в каком порядке их внимание переходило с одного элемента на другой. Существуют и более продвинутые методы анализа. В любом случае, при невысокой конверсии целевой страницы следует убедиться в том, что ее дизайн помогает взгляду пройти нужный путь.

Источник: unbounce. com

Управление картой — Яндекс Карты. Справка

  1. Переместить карту
  2. Изменить вид карты
  3. Повернуть или наклонить карту
  4. Изменить масштаб карты
  5. Измерить расстояние
  6. Напечатать карту

По умолчанию на сервисе отображается карта вашего города или региона.

Чтобы посмотреть другой участок карты, нажмите левую кнопку мыши и, удерживая ее, передвиньте карту в нужном направлении.

В правом верхнем углу страницы нажмите кнопку и выберите нужный режим отображения Яндекс Карт:

  • Схема — схематическое изображение дорог, домов и т. д.

  • Спутник — снимок местности, сделанный из космоса.

  • Гибрид — снимок местности, сделанный из космоса, дополненный информацией с карты: названиями улиц, адресами и др.

Режим отображения не влияет на остальные функции карты: поиск, построение маршрутов или перемещение карты.

Поворачивать и наклонять карту можно только в режиме Схема.

Внимание. На устаревших и маломощных устройствах функция не поддерживается.

Вы можете управлять наклоном и поворотом карты с помощью:

  • кнопки в виде компаса .

    Чтобы наклонить карту, нажмите 3D. Чтобы сбросить наклон карты, нажмите 2D.

    Чтобы повернуть карту, вращайте внешнее кольцо компаса, удерживая левую кнопку мыши.

    Красная стрелка на компасе указывает на север;

  • мыши и клавиатуры.

    Нажмите и удерживайте клавишу Ctrl и левую кнопку мыши. Чтобы повернуть или наклонить карту, перемещайте мышь.

Чтобы вернуть карту в исходное положение, один раз нажмите на внешнее кольцо компаса.

На мелких масштабах наклон сбрасывается автоматически.

Вы можете изменить масштаб карты с помощью:

  • Кнопок  и .

  • Колеса мыши: чтобы уменьшить масштаб, прокрутите его на себя, чтобы увеличить — от себя.

  • Кнопок мыши: двойной щелчок левой кнопкой на карте увеличит масштаб карты, правой — уменьшит.

  • Правой кнопки мыши:

    1. Нажмите на карту.

    2. Не отпуская кнопку, переместите мышь в нужном направлении.

      При движении мыши на карте будет выделена область.

    3. Отпустите кнопку.

      Выделенная область переместится в центр карты, ее масштаб при этом увеличится.

Измерить расстояние на карте можно по прямой или по ломаной линии, повторяя линии улиц.

Для этого:

  1. В правом верхнем углу страницы нажмите кнопку .

    Чтобы отключить функцию, нажмите эту кнопку повторно.

  2. Выберите начальную точку для измерения.

  3. Выберите следующие точки. Возле последней отобразится длина всей линии.

    Вы можете корректировать полученную линию. Для этого перетащите любую точку на другое место.

    Если нажать на линию в произвольном месте, там появится новая точка, которую также можно перемещать по карте.

  4. Нажмите на точку. Рядом с ней отобразится расстояние от начальной точки до выбранной.

  5. Чтобы удалить точку, дважды нажмите на нее.

    Чтобы удалить линию целиком, нажмите возле конечной точки.

  6. Чтобы выключить линейку и удалить всю линию, нажмите возле конечной точки.

  1. Нажмите и выберите Печать. Откроется окно предварительного просмотра.

  2. Измените масштаб карты и переместите ее, если потребуется.

  3. Выберите:

  4. При необходимости напишите комментарий. Этот текст будет напечатан под картой.

  5. Нажмите кнопку Печать.

  6. Выберите принтер и параметры печати.

    Нажмите кнопку Печать.

Вы можете также напечатать карту, на которую нанесете собственные объекты. Подробнее см. в разделе Конструктор карт.

Написать в службу поддержки

5 инструментов карты внимания. Появление электронной коммерции создало… | by Samir T

Экономике внимания нужны инструменты для ее измерения

Появление электронной коммерции создало «экономику внимания», когда каждая компания борется за ваше внимание, и победитель получает все.

Чтобы сократить время пребывания на сайте, повысить CTR и показатели конверсии, предприятиям нужны инструменты для измерения точек визуального внимания.

Цифровые продукты конкурируют за ограниченное внимание пользователей. Современная экономика все больше вращается вокруг продолжительности человеческого внимания и того, как продукты привлекают это внимание. — НН/г

Лучшим методом измерения внимания пользователей является отслеживание взгляда, но это дорого и требует лабораторного оборудования.

Нам нужна доступная и масштабируемая замена. Ниже приведены 5 наиболее практичных инструментов.

RealEye устраняет необходимость в лабораториях для отслеживания взгляда и делает его доступным.

Вместо дорогостоящего оборудования Realeye позволяет нам собирать взгляды через веб-камеры.

Кроме того, возможно удаленное тестирование удобства использования.

VisualEyes, с другой стороны, имитирует исследования слежения за глазами и тесты предпочтений с точностью 93%. Результаты могут отображаться в виде тепловых карт или областей интереса

Visualeyes позволяет быстро анализировать и тестировать дизайн пользовательского интерфейса на Figma, Sketch и Adobe XD с помощью плагинов.

Кроме того, он имеет показатель ясности, который может служить отличной заменой для быстрого теста предпочтений.

Согласно исследованиям, существует корреляция между отслеживанием движения глаз и мышью. Используя инструменты отслеживания мыши вместо отслеживания взгляда, мы можем сэкономить деньги.

Hotjar — одна из самых популярных программ для отслеживания мыши. Она удобна в использовании, не требует кредитной карты, предлагает интерактивную демонстрацию и имеет бесплатный тарифный план навсегда.

Тепловые карты кликов были доступны в Hotjar, и вы могли наводить курсор на области кликов, чтобы увидеть количество и процент кликов. Также была включена карта прокрутки.

Кроме того, Hotjar имеет отличную систему записи сеансов, которая отслеживает движения мыши на нескольких устройствах, поэтому дизайнеры UX могут наблюдать за поведением пользователей в режиме реального времени.

Исследователи UX и интернет-маркетологи могут просматривать подробную информацию о сеансе, включая тип устройства, операционную систему, версию браузера, страну и URL-адрес реферера через URL-адрес воспроизведения сеанса.

Hotjar — прекрасный инструмент как для начинающих дизайнеров, так и для занятых дизайнеров продуктов.

Он используется более чем в 180 странах более чем 900 000 организаций.

Crazyegg предоставляет тепловую карту и запись сеанса с тем же качеством, что и Hotjar. Кроме того, Crazy Egg предлагает конфетти и улучшенную карту прокрутки, а также A/B-тестирование.

Конфетти

Я без ума от Конфетти, они были правы. С Crazy Egg вы можете независимо анализировать поведение пользователей на основе ссылающихся источников трафика, параметров UTM, времени суток и 17 других показателей.

Отличный инструмент для анализа маркетинговых кампаний.

Карта прокрутки

Несмотря на то, что у Hotjar тоже есть карта прокрутки, я больше рекомендую и ценю Crazy Egg.

Карты прокрутки Hotjar основаны на длине прокрутки страницы пользователем, поэтому тепловая карта прокрутки постоянно уменьшается, в то время как карты прокрутки CrazyEgg основаны на том, сколько времени пользователь тратит на каждый раздел страницы.

Для начала 30-дневного пробного периода в Crazyegg требуется кредитная карта.

Crazyegg подходит для дизайнеров среднего уровня и начинающих маркетологов.

Последнее, но не менее важное, это Mouseflow. В центре внимания Mouseflow была запись сеанса. Подобно Hotjar, он предлагает бесплатный план навсегда, кредитная карта не требуется, а также живую демоверсию для воспроизведения сеанса.

В Mouseflow упоминаются обе карты прокрутки. Карта прокрутки Crazyegg известна как карта внимания.

На Mouseflow также есть тепловая карта движения мыши. В качестве дополнительной функции Mouseflow имеет аналитику конверсий для форм и воронок.

Mouseflow идеально подходит для старших маркетологов и исследователей пользователей.

Проверьте эти ссылки в конце:

  • Mouseflow против Hotjar
  • Mouseflow против CrazyEgg

Карты человеческого внимания для классификации текста: фокусируются ли люди и нейронные сети на одних и тех же словах?

Джансу Сен, Томас Хартвигсен, Бяо Инь, Сяннан Конг, Эльке Рунденштейнер


Abstract
Основанные на человеческом внимании, механизмы вычислительного внимания были разработаны, чтобы помочь нейронным сетям сфокусироваться на определенных частях входных данных. Хотя утверждается, что механизмы внимания обеспечивают интерпретируемость, мало что известно о реальных отношениях между машинным и человеческим вниманием. В этой работе мы проводим первую количественную оценку человеческого и компьютерного механизмов внимания для задачи классификации текста. Для этого мы разрабатываем и проводим крупномасштабное краудсорсинговое исследование для сбора карт человеческого внимания, которые кодируют части текста, на которые люди обращают внимание при классификации текста.
Основываясь на этом новом ресурсе набора данных человеческого внимания для классификации текста, YELP-HAT, собранном на основе общедоступного набора данных YELP, мы проводим количественный сравнительный анализ карт машинного внимания, созданных моделями глубокого обучения, и карт человеческого внимания. Наш анализ предлагает понимание взаимосвязей между картами внимания человека и машины по трем параметрам: совпадение в выборе слов, распределение по лексическим категориям и контекстно-зависимая полярность настроений. Наши результаты открывают многообещающие возможности для будущих исследований, начиная от контролируемого внимания и заканчивая разработкой ориентированных на человека объяснений, основанных на внимании.

Anthology ID:
2020.acl-main.419
Volume:
Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics
Month:
July
Year:
2020
Address :
онлайн
Место проведения:
ACL
SIG:
Издатель:
Ассоциация для вычислительной лингвистики
Примечание:
Page:
4599999999999999999999999999999 9998.
6–4608
Язык:
URL:
https://aclanthology.org/2020.acl-main.419
DOI:
10.18653/v1/9020.acl-0.4
Ссылка (ACL):
Джансу Сен, Томас Хартвигсен, Бяо Инь, Сяннан Конг и Эльке Рунденштейнер. 2020. Карты человеческого внимания для классификации текста: фокусируются ли люди и нейронные сети на одних и тех же словах? In Материалы 58-го ежегодного собрания Ассоциации компьютерной лингвистики , страницы 4596–4608, онлайн. Ассоциация компьютерной лингвистики.
Ссылка (неофициальная):
Карты человеческого внимания для классификации текста: фокусируются ли люди и нейронные сети на одних и тех же словах? (Сен и др., ACL 2020)
Ссылка для копирования:
PDF:
https://aclanthology.org/2020.acl-main.419.pdf
Видео:
 http://slideslive.com/38929024

PDF Процитировать Поиск Видео


  • BibTeX
  • MODS XML
  • Endnote
  • Предварительно отформатированный
 @inproceedings{sen-etal-2020-human,
    title = "Карты человеческого внимания для классификации текста: фокусируются ли люди и нейронные сети на одних и тех же словах?",
    автор = "Сен, Джансу и
      Хартвигсен, Томас и
      Инь, Бяо и
      Конг, Сяннан и
      Рунденштайнер, Эльке",
    booktitle = "Материалы 58-го ежегодного собрания Ассоциации компьютерной лингвистики",
    месяц = ​​июль,
    год = "2020",
    адрес = "Онлайн",
    издатель = "Ассоциация вычислительной лингвистики",
    url = "https://aclanthology. org/2020.acl-main.419",
    doi = "10.18653/v1/2020.acl-main.419",
    страницы = "4596--4608",
    abstract = "Мотивированные человеческим вниманием механизмы вычислительного внимания были разработаны, чтобы помочь нейронным сетям сфокусироваться на определенных частях входных данных. Хотя утверждается, что механизмы внимания обеспечивают интерпретируемость, мало что известно о реальных отношениях между машинным и человеческим вниманием. , В этой работе мы проводим первую количественную оценку человеческого внимания по сравнению с вычислительными механизмами для задачи классификации текста.Для достижения этого мы разрабатываем и проводим крупномасштабное краудсорсинговое исследование для сбора карт человеческого внимания, которые кодируют части текста. текст, на который люди обращают внимание при проведении классификации текста.Основываясь на этом новом наборе данных о человеческом внимании для классификации текста, YELP-HAT, собранном на основе общедоступного набора данных YELP, мы проводим количественный сравнительный анализ карт машинного внимания, созданных моделями глубокого обучения.  и карты человеческого внимания. Наш анализ предлагает понимание взаимосвязей между людьми карты внимания человека и машины по трем параметрам: совпадение в выборе слов, распределение по лексическим категориям и зависимость полярности настроений от контекста. Наши результаты открывают многообещающие возможности для будущих исследований, начиная от контролируемого внимания и заканчивая разработкой ориентированных на человека объяснений, основанных на внимании».
}
 
 

<моды>
    <информация о заголовке>
        Карты человеческого внимания для классификации текста: фокусируются ли люди и нейронные сети на одних и тех же словах?
    
    <название типа="личное">
        Кансу
        Отправитель
        <роль>
            автор
        
    
    <название типа="личное">
        Томас
        Хартвигсен
        <роль>
            автор
        
    
    <название типа="личное">
        Бяо
        Инь
        <роль>
            автор
        
    
    <название типа="личное">
        Сяннань
        Конг
        <роль>
            автор
        
    
    <название типа="личное">
        Эльке
        Рунденштейнер
        <роль>
            автор
        
    
    <информация о происхождении>
        2020-07
    
    текст
    
        <информация о заголовке>
            Материалы 58-го ежегодного собрания Ассоциации компьютерной лингвистики
        
        <информация о происхождении>
            Ассоциация компьютерной лингвистики
            <место>
                Онлайн
            
        
        публикация конференции
    
    Мотивированные человеческим вниманием механизмы вычислительного внимания были разработаны, чтобы помочь нейронным сетям сфокусироваться на определенных частях входных данных.  Хотя утверждается, что механизмы внимания обеспечивают интерпретируемость, мало что известно о реальных отношениях между машинным и человеческим вниманием. В этой работе мы проводим первую количественную оценку человеческого и компьютерного механизмов внимания для задачи классификации текста. Для этого мы разрабатываем и проводим крупномасштабное краудсорсинговое исследование для сбора карт человеческого внимания, которые кодируют части текста, на которые люди обращают внимание при классификации текста. Основываясь на этом новом ресурсе набора данных человеческого внимания для классификации текста, YELP-HAT, собранном на основе общедоступного набора данных YELP, мы проводим количественный сравнительный анализ карт машинного внимания, созданных моделями глубокого обучения, и карт человеческого внимания. Наш анализ предлагает понимание взаимосвязей между картами внимания человека и машины по трем параметрам: совпадение в выборе слов, распределение по лексическим категориям и контекстно-зависимая полярность настроений.  Наши результаты открывают многообещающие возможности для будущих исследований, начиная от контролируемого внимания и заканчивая разработкой ориентированных на человека объяснений, основанных на внимании.
    sen-etal-2020-human
    10.18653/v1/2020.acl-main.419
    <местоположение>
        https://aclanthology.org/2020.acl-main.419
    
    <часть>
        <дата>2020-07
        <единица экстента="страница">
            4596
            4608
        
    


 
 %0 Материалы конференции Карты человеческого внимания %T для классификации текста: фокусируются ли люди и нейронные сети на одних и тех же словах? %А Сен, Джансу %А Хартвигсен, Томас % А Инь, Бяо %А Конг, Сяннань %A Rundensteiner, Эльке %S Материалы 58-го ежегодного собрания Ассоциации компьютерной лингвистики %D 2020 %8 июля %I Ассоциация компьютерной лингвистики %С онлайн %F sen-etal-2020-человек %X Основанные на человеческом внимании, механизмы вычислительного внимания были разработаны, чтобы помочь нейронным сетям сфокусироваться на определенных частях входных данных. Хотя утверждается, что механизмы внимания обеспечивают интерпретируемость, мало что известно о реальных отношениях между машинным и человеческим вниманием. В этой работе мы проводим первую количественную оценку человеческого и компьютерного механизмов внимания для задачи классификации текста. Для этого мы разрабатываем и проводим крупномасштабное краудсорсинговое исследование для сбора карт человеческого внимания, которые кодируют части текста, на которые люди обращают внимание при классификации текста. Основываясь на этом новом ресурсе набора данных человеческого внимания для классификации текста, YELP-HAT, собранном на основе общедоступного набора данных YELP, мы проводим количественный сравнительный анализ карт машинного внимания, созданных моделями глубокого обучения, и карт человеческого внимания. Наш анализ предлагает понимание взаимосвязей между картами внимания человека и машины по трем параметрам: совпадение в выборе слов, распределение по лексическим категориям и контекстно-зависимая полярность настроений.