“中国人比德国人更喜欢分享知识吗？” 是我最近进行的一项人机交互研究中的一个问题。

这是3人为小组（1德+2中）进行的一项跨文化的研究，内容是两国用户在使用互联网进行知识分享时的行为与意图的差异。进行到现在，我们已经发现了一些有趣的事：

• 对于错误知识的容忍程度，两国人民迥然相异。
• 对于贡献知识后可能丧失的竞争力，某国人民直言不讳：我很在意，所以不会分享。
• 中国人分享知识时，很大程度上是因为“很好玩”。德国人却根本没有这样的想法。
• 德国没有强大的QA社区，但我们的百度知道声势凶猛。
• 德文wikipedia是世界第2大wiki，但是我们的中文维基百科和百度百科都不成气候。
• ……

这个研究的最终目的是作为参考或指导，以开发出下一代更具可用性的知识分享工具。让人类个体间的知识流动更便捷、更迅猛。

目前，我们需要收集大量中国网友的意见，以确认或驳斥我们在第一阶段得到的结论。所以我们需要你的声音，请参与我们的问卷： http://tinyurl.com/kltxhj 

你，也将是一位受益者。

眨眼间2009就只剩下75%了，在过去的25% 里面，我在团队博客‘懒人有禅’发表了5篇文章，在这链个接：

广告banner的点击率是可预测的吗？

关于Treeview的一个交互细节

如何快捷找到曾访问过的网页？

企图扼杀Tagging的Facette

低效的Tag Cloud

几个关注用户体验的懒人凑在一起开了个团队博客，名曰：懒人有禅。

以后关于人机交互、用户体验的文章，我都将发表在懒人有禅，然后在这边简单链个接。

嗯，欢迎您奔赴懒人有禅观光。

不受控Tag词库的危害

Tagging系统有很多缺陷，很多缺陷的根源均来自：用户Tag词库不受控。

有这么几种可能性：

1. 不同用户使用同一个Tag表述不同的意义。比如China同时代表“中国”和“瓷器”。
2. 同一个用户先后使用不同的近义Tag标注同类的资源。比如“天”、“天空”和“蓝天”。
3. 同一个用户先后使用同一个Tag的单复数、或不同动词形态标注同类的资源。
4. 不同用户使用不同意义抽象层面的Tag标注同一个资源。比如“猪”、“家禽”和“哺乳动物”。

可见，因为Tag词库不受控，会导致表意模糊，影响知识结构，降低搜索效率。Delicious就是典型的不受控词库Tag系统，作为它的忠实用户，这些弊病我深有体会。

Faviki控制用户Tag词库的尝试以及它的失败

于是有人开始尝试进行对用户使用的Tag词汇进行控制，Faviki是其中的典型代表。

Faviki和Delicious功能类似，是一款在线书签(Online Bookmarking)服务。有趣的是，用户收藏url到Faviki时，只允许使用Wikipedia上的词条作为标签——Faviki正是以此来控制用户的Tag词库。

然而，Faviki的尝试似乎并不成功。首页的整站动态刷新速度极慢，用户寥寥无几。

结合自己的试用经验，Faviki让我用起来很恼火。比如在测试收藏Faviki的主页时，我很自然的使用'faviki'这个Tag，却被告知不被允许——因为Wikipedia没有收录'faviki'词条。

这无疑进一步加重了用户Tagging时的认知负担，不但要分析资源，寻找Tag，还需要对Tag是否准确和合格进行严格检验。

不受控词库也是Tag的一个魅力

相比专业的严谨分类系统(Taxonomy，比如图书馆分类学)，由用户Tag而成的Folksonomy(folk+taxnomoy)是自下向上，由草根力量构成的。

在这个过程当中，大量用户可能并不是出于贡献、分享的动机，而仅是为了自己收藏、整理的动机。用户可能有属于自己的Tag使用癖好，也可能形成自己的个性化词语使用习惯。而Tagging系统给了用户极大的自由，让用户可以选择任何想象得到的词语作为一个Tag。同时，很多用户还将Tagging系统的用法进行了延伸和拓展（比如，GTD）。因此，不受控词库其实可算是Tagging系统的一个魅力。

事实上，有研究证明，当一个资源被Tagging次数足够多的时候，使用频率最高的几个Tag会趋于固定。这意味着，即便词库不受控，用户们最终也会在Tag的选择上达成共识。这样看的话，Tag词库受控与否的重要性算是降低了不少。

读到一篇优秀的论文<HT06, Tagging Paper, Taxonomy, Flickr, Academic Article,ToRead>，主要有两部分内容：一是考衡Tagging System的方法、二是用户的Tagging动机。其中，讲Tagging动机的部分很平淡，没有新突破。文章的亮点在于作者提出了考衡Tagging System的7个维度，提供了分析问题的新角度。7个维度如下：

1. Tagging Rights[权限]
   • （系统允许下列角色进行Tagging：仅作者、作者和朋友、所有人，etc）
   • 因为不同角色的人有着不同的Tagging动机，这将影响Tagging结果
2. Tagging Support [提示]
   • （没有任何提示，根据语义提示相关标签，简单列出所有历史标签，etc）
   • 提示的好处：让用户提高Tagging效率，也能教育新用户Tagging是什么
   • 提示的坏处：最先出现的Tags可能并不是最理想的，但它们会对最终Tagging结果造成很大的影响
3. Aggregation Model[模式]
   • （对于同一个资源，所有用户共同维护一套标签，或不同用户维护属于自己的那一套标签，etc）
   • 前者能够保证标签内容有代表性，能够完整、准确的描述资源
   • 后者允许用户通过Tagging对资源进行符合个人使用习惯的标注
4. Object Type[资源类型]
   • （文本、非文本，etc）
   • 影响Tagging结果
5. Source of Material[资源来源]
   • （用户贡献、系统提供、任意来源，etc）
   • 资源来源的差异导致用户对资源的Tagging动机不同，进而影响Tagging结果
6. Resource Connectivity[资源间链接]
   • （超链、同属某群组，etc）
   • 可能导致同一个标签的高频出现
7. Social Connectivity[用户社交]
   • （方言区、专业领域，etc）
   • 拥有社交联系的用户习惯用相同的Tag，导致Tagging结果带有地域特色或专业特色，而且和主流用户的Tagging结果有差异

从这7个维度的角度来分析Delicious和Flickr，两个最具有代表性的Tagging System，其实本质上大相径庭，而用户在这两个网站上表现出来的Tag行为也确实有颇多不同之处。比如因素5导致的差异：Flickr用户更倾向于使用详尽的Tag来描述资源（自己的照片），以期被其他人搜索到。

从因素4、5的角度来看，也很容易解释为什么豆瓣上的Tag总是固定为：作者、演员、类型、流派了。