Tutkimukset ovat osoittaneet, että ”persoona”-käsitettä käytetään pääasiassa ihmisen ja tietokoneen vuorovaikutuksen (HCI) tutkimuksissa, mutta on olemassa luonnollisen kielen käsittelyyn (NLP) liittyviä tutkimuksia, jotka viittaavat myös persoonan käsitteeseen. Tämän postauksen tarkoituksena on tehdä käsitteellinen ero näissä kahdessa eri tyypissä, joissa viitataan persooniin.

Ensinnäkin HCI-tutkimukset keskittyvät yleensä käyttäjäpersooniin tai suunnittelupersooniin. Nämä ovat ihmisten, algoritmien tai ihmisten ja algoritmien yhteistyön luomia persoonia, jotka edustavat organisaation luomien ohjelmistosovellusten, palveluiden tai muiden tuotteiden tai ulostulojen nykyisiä tai potentiaalisia käyttäjiä. Käyttäjä- tai suunnittelupersoonien hyödyntäjät ovat suunnittelijoita, ohjelmistokehittäjiä, markkinoijia tai muita käyttäjäkeskeiseen päätöksentekoon osallistuvia sidosryhmiä – suoraan sanoen, he ovat ihmisiä, jotka tulkitsevat persoonien tietoja tiettyyn käyttötapaukseen.

Sitä vastoin nykyiset NLP-tutkimukset näyttävät keskittyvän ”kielellisiin persooniin”, eivät käyttäjäpersooniin tai suunnittelupersooniin. Nämä kielelliset persoonat voidaan nähdä pseudo-persoonina, jotka perustuvat kielellisiin malleihin. Pseudo-persoona tarkoittaa, että nämä NLP-persoonat eivät ole kehittyneet siinä määrin, että ne edustaisivat henkilöprofiileja, joissa on ihmisen tulkittavissa olevia tietoja käyttäjistä, kuten tavoitteita, kiinnostuksen kohteita, väestötietoja jne. NLP-persoonalla ei ole nimeä, sukupuolta tai kiinnostuksen kohteita. Pikemminkin se on lukuvektori (upotus), joka voi olla hyödyllinen koneoppimistehtävissä, mutta mahdollisesti hyödytön ihmissuunnittelijalle.

Teknisesti voi olla yhtäläisyyksiä siinä, miten (datalähtöiset) käyttäjäpersoonat ja NLP-pohjaiset persoonat luodaan. Esimerkiksi molemmat voivat perustua datan dimensioiden vähentämiseen. Datalähtöisissä käyttäjäpersoonissa kriittinen vaihe on kuitenkin se, mitä tapahtuu dimensioiden vähentämisen jälkeen – nimittäin personointi, joka tehdään lisäämällä nimi, kuva ja muut tiedot täydellisten (kutsutaan myös pyöristetyiksi) henkilöprofiilien luomiseksi. NLP-persoonissa tällaista vaihetta ei koskaan suoriteta (ainakaan missään tutkimuspaperissa, jonka olen henkilökohtaisesti nähnyt).

Tämä saa minut ajattelemaan, että NLP-persoonat eivät ole ihmispäättäjille tarkoitettuja, vaan niiden tarkoituksena on luoda käyttäjämalleja, joita muut algoritmit voisivat hyödyntää loppupään tehtävissä, esimerkiksi mallintaa tai ennustaa käyttäjien käyttäytymistä. (Katso myös keskustelumme persoonien roolista automatisoidussa päätöksenteossa.)

Yllä olevat kohdat herättävät muutaman tärkeän kysymyksen persoonakäsitteen käytöstä NLP-tutkimuksissa:

(1) Ensinnäkin on syytä kysyä, miksi ei vain viitata kielellisiin malleihin persoonakäsitteen käyttämisen sijaan? Eli mikä erottaa persoonat kielellisistä malleista? Onko ”persoona” vain harhaanjohtavaa sanastoa, kun sitä käytetään viittaamaan kielellisiin malleihin?

(2) HCI-persoonia käytetään ihmisten ymmärtämiseen eli empaattisen ymmärryksen muodostamiseen käyttäjien käyttäytymisestä, jotta voidaan luoda käyttäjälähtöisiä suunnittelutuloksia. Mikä on vastaava tarkoitus NLP-persoonilla? Jälleen, onko tarpeen viitata ”persooniin” vai pitäisikö käyttää termejä, kuten ”käyttäjämalli” tai ”käyttäjän upotus”?

Johtopäätös

Persoonien käyttö NLP-tehtäviin on mielenkiintoinen polku, mutta poikkeaa pohjimmiltaan HCI-persoonaparadigmasta, jossa persoonia luodaan ihmissuunnittelijoita eikä algoritmeja varten. ”Persoona”-käsitteen käyttö NLP-tutkimuksessa voi olla hämmentävää HCI-tutkijalle, mikä saa NLP-tutkijat harkitsemaan muiden termien, kuten käyttäjämallin ja käyttäjäupotusten, käyttöä. Erityisesti käyttäjämallin käsite on laajalti vakiintunut termi, kun puhutaan implisiittisestä käyttäjien mallintamisesta loppupään tehtäviin, kuten personointiin ja suositukseen.