Omskriving av tekniske feilmeldinger med klarspråk

Abstract

Denne masteroppgaven undersøker behovet for å redesigne Feide datakvalitetsverktøy for å forbedre datakvaliteten hos vertsorganisasjonen i Feide. Dårlig datakvalitet måles hvis det er feil på data på en Feide-bruker til elev, lærer eller annen ansatt ved en vertsorganisasjon i Feide. Per desember 2023 så har 2 av 5 vertsorganisasjoner dårlig datakvalitet, noe som tilsvarer 304 vertsorganisasjoner.

For å forstå konsekvensene av dårlig datakvalitet, ble det gjennomført en digital tjenestesafari. Denne undersøkelsen viste at flere digitale tjenester med Feide-pålogging ikke fungerer som de skal for lærere og elever fordi gruppeinformasjon mangler. Elever får ikke tilgang til læringsressurser og lærere får ikke benyttet benytte funksjonalitet som er viktig for å benytte tjenesten i undervisningen.

Intervjuer med Feide-administratorer avdekket at det er krevende å forstå informasjonen i Feide datakvalitetsverktøy. Dette er fordi informasjon i verktøyet er veldig teknisk og lite forklarende, og derfor krever forhåndskunnskap om Feide informasjonsmodell før det kan benyttes. Basert på tilbakemeldingene fra intervjuene kom det frem det var et behov for verktøyet, men at språket som brukt i verktøyet hindret brukskvaliteten av verktøyet.

Basert på dette så ble det testet om klarspråk kan forbedre brukskvaliteten av de tekniske feilmeldingene i verktøyet. Dette er gjort gjennom A/B-testing av dagens maskinorienterte feilmeldinger mot brukerorienterte feilmeldinger skrevet etter klarspråkprinsipper. Et av hovedfunnene gjennom A/B- testingen var brukskvaliteten ble forbedret ved å omskrive feilmeldingene fra å være maskinorientert til brukerorientert. Feilmeldinger blir mer forståelige, noe som gjør brukeren sin jobb med å identifisere og behandle feil enklere. Det tekniske språket når det ikke er oversatt til et menneskelig lesbart format var et hindrer for administratorer med mindre teknisk erfaring.

This master's thesis explores the need to redesign the Feide data quality tool to improve data quality at the host organization in Feide. Poor data quality is measured if there are errors in the data of a Feide user for a pupils, teacher or other employee at a host organization in Feide. As of December 2023, 2 out of 5 host organizations have poor data quality, which are 304 host organisations.

In order to understand the consequences of poor data quality, there were conducted a digital service safari. This showed that several digital services with Feide login do not work as they should for teachers and pupils because group information is missing. Pupils do not get access to learning resources and teachers are not allowed to use functionality that is important for using the service in teaching.

Interviews with Feide administrators revealed that it is demanding to understand the information in the Feide data quality tool. This is because information in the tool is very technical and not very explanatory, and therefore requires prior knowledge of the Feide information model before it can be used. Based on the feedback from the interviews, it emerged that there was a need for the tool, but that the language used in the tool hindered the quality of use of the tool.

Based on this, it was tested whether plain language can improve the quality of use of the technical error messages in the tool. This has been done through A/B testing of today's machine-oriented error messages against user-oriented error messages written according to plain language principles. One of the main findings through the A/B testing was that the quality of use was improved by rewriting the error messages from being machine-oriented to user-oriented. Error messages become more understandable, making the user's job of identifying and handling errors easier. The technical language when not translated into a human-readable format was a hindrance for administrators with less technical experience.