Textoshop：受绘图软件启发的交互操作以方便文本编辑

研究背景与问题

• 发现的问题与挑战：

  1. 传统文本编辑器（如Microsoft Word）存在组织文本的能力有限，不能自然支持非线性写作过程。
  2. 文本改写选项较少，难以探索语调、句式或结构变化。
  3. 重组已表达的思想过程繁琐，缺乏简便的方式对已有文本进行合并或拆分。
  4. 管理文本不同版本的工具不足，常需依赖手动备份或不便的“撤销”功能。

• 研究重要性： 文字编辑任务是创造性写作、学术写作及专业通信过程中的核心，改进文本编辑工具可以提升用户效率与创造力。近年来，生成式AI（如大型语言模型）在文本生成方面显示出巨大前景，但用户与其交互的方式受限于复杂的提示文本输入，缺乏效能和直观性。

• 研究动机与相关工作：

  1. 绘图软件（如Adobe Photoshop）的互动性和灵活性可以为文本编辑带来启示，例如拖动、缩放、智能分层管理等。
  2. 已有的研究尝试利用生成式AI编辑文本，但往往缺乏用户控制。
  3. 过去关于多媒介交互界面的研究揭示，总结和借用熟悉的工具特征有助于创造直观易用的软件。

解决方案

• 提出的方案： 作者提出了称为“Textoshop”的文本编辑工具，以绘图软件的交互方式为灵感，提供了一组创新功能，使文本编辑更快速、更直观、更灵活。

• 创新之处：

  1. 基于绘图软件的直观交互：将文字视为像素，句子视为区域，语调视为颜色，借鉴图形图像编辑中的“直接操作（direct manipulation）”方法。
  2. 工具与功能映射：引入了语调选取、分层编辑、布尔操作、拖动、旋转等创新功能。
  3. 语调滑块与语调挑选器：语调调整可视化，支持用“色彩空间”探索如正式/非正式、积极/消极、复杂/简单等语调维度。

• 具体功能与技术：

  1. 直接操作:
     • 拖动：重新定位文本。
     • 缩放：调整文本长度，保持语义完整。
     • 旋转：更改句子的单词顺序（如切换主动/被动语态）。
  2. 工具集：
     • 语调画笔（Tone Brush）：应用指定语调。
     • 语调取色器（Tone Eyedropper）：从选中文本提取语调。
     • 修辞工具：如“平滑”工具连接句子，时态切换工具改变时态。
  3. 布尔运算：
     • 合并：整合两段文本。
     • 相交：提取公共信息。
     • 减去：从一段文本中移除另一段的内容。
  4. 文本分层：
     • 多层结构分隔编辑任务，每层可独立显示/隐藏，有助于内容版本管理和文本组织。

• 实施过程：

  • 前端用TypeScript构建界面，支持动态操作交互。
  • 使用OpenAI GPT-4o模型处理复杂的文本修改任务，补充自然语言加工技术。

研究成果

• 具体成果：

  1. 参与者较传统工具更成功、更偏好使用Textoshop完成文本编辑任务。
  2. 功能在非线性写作、语调探索、多版本管理和文本创建方面显著提升用户效率和满意度。

• 比较优势：

  1. 与传统编辑器相比，Textoshop更直观，完成复杂文本操作所需的时间更少。
  2. 与基于文本提示的大型语言模型交互界面相比，Textoshop提供了更多直接控制和操作灵活性。

• 实验与评估结果：

  1. 用户成功率和易用性评分显著提升：任务完成评分上升14%，系统可用性评级（SUS）提高至90（“优秀”）。
  2. 平均缩短任务完成时间约55秒。
  3. 多数参与者表示设计直观，特别是语调工具和分层功能有助于复杂写作任务。

• 局限性与未来方向：

  1. 对完全没有绘图软件经验的用户，学习曲线可能较陡。
  2. 当前文本生成仍然依赖LLM，面临潜在的偏差、隐私问题和语义不一致等挑战。
  3. 与现有的文本操作工具一样，追踪修改文本后的细微差异仍需进一步优化。
  4. 提议未来可将更多绘图软件功能（如“调整层”或混合模式）引入文本编辑，进一步提升系统灵活性与创造性支持。
  5. 渴望扩展研究时间至长期情境，以深入了解工具对写作工作流及创造性产出的影响。