如果 UX/UI 专家现在坐在您的办公室，他或她可能会告诉您很多相关信息。请随意询问。 Richard E. Mayer 在他关于多媒体学习的书中至少提到了以下三个重要原则，以保持代表性编码的外在负载尽可能低：
连贯性原则：忽略所有有趣但不相关的附加信息。 CSS 的第一个想法出现于 1994 年，这一事实很有趣，但它并不能帮助任何人学习 CSS。
冗余原则：同一信息不会多次呈现。
空间和时间连续性原则：属于一起的信息也应该一起呈现。如果您在 Confluence 中隐藏了实际上属于一起的需求，那么您就没有履行这一原则。
在人工智能领域，数据质量是一个重要问题，这或许听起来不再 医院联系清单 那么令人惊讶。因为，就像我们人类一样，当数据“适合其在运营、决策和规划中的预期用途”时，数据就是高质量的。数据和数据集的典型质量缺陷，无论是在测试数据中、在积压中还是在文件资源管理器中，都是重复实例（冗余原则）、丢包和间隙（完整性）、丢失连接（时空连续性）和数据这与回收站无关（一致性原则）。数据质量不足会导致几乎所有领域的混乱、缺乏信任、错误决策并最终导致额外成本。
为您的同事提供适当的数据质量
就像人工智能一样，我们也必须读取、选择、组织和解释数据。只是当我们做得好的时候，很少会受到庆祝。数据质量可能是一个挑战。您的同事如何处理数据并不在您的掌控之中。但您可以影响您提供的准备数据的质量。为了实现高数据质量，必须考虑很多事情 - 从完整性到排列再到适当的表示。每一个讲习班、每一个培训课程和每一篇旨在传授知识的专业文章背后都有大量的工作。电子学习平台和在线教育市场的全球营业额达到数十亿欧元并非没有道理。高质量的数据是有代价的。下次当您编写故事、与同事一起编写代码或向客户展示最新概念时，请记住您正在与想要向您学习知识和技能的人一起工作。干净的代码、清晰完整的沟通以及适当、简洁的演示可以减少头痛、振奋情绪并帮助我们共同学习。
您想了解更多关于 adesso 世界中令人兴奋的话题吗？那么请看一下我们之前发布的博客文章。