:: давненько не было рисованных

Воркшоп | 21.06 12:00 | «Моушн на слух: визуализируем звук в After Effects» 21.06 в 12:00 разберёмся, как визуализировать звук и музыку через движение, форму и трансформацию объектов в After Effects. Спикер: Евгения Никонова — моушн-дизайнер в Rambler&Co, новый куратор курса БМГ. Ex-ревьюер в Яндекс Практикуме, преподаватель, выпустила более 300 студентов. Работала с Авито, ВТБ, VK, Купер, ВДНХ, Ростех и другими На воркшопе разберём базу ключевой анимации, траекторию и приёмы трансформации объектов. Покажем, как синхронизировать вайб трека с графикой и собрать видеоарт на свою музыку. В финале Женя даст фидбек по работам участников. По итогам у вас: — видеоарт на ваш трек — базовый навык работы в After Effects и моушн-дизайне — лайфхаки и обратная связь от куратора Воркшоп подойдёт новичкам и тем, кто ни разу не открывал программу. After Effects нужно будет установить заранее, ссылкой поделимся. [ занять место ] любые вопросы можно задать в @alkali_support_bot

Кирилл Улитин и Стася Кабанова из МойОфис разбирают проблему, с которой сталкивается почти любое исследование: человек на интервью рассказывает не сам опыт, а его отредактированную версию. Он забывает мелкие действия, упрощает сценарий, пропускает автоматические шаги и иногда сам не замечает, как на самом деле обходит неудобства продукта. Поэтому команда попробовала контекстное интервью: сначала поговорить с пользователем, а потом смотреть, как он реально выполняет задачу в живой системе. В этот момент начинают проявляться вещи, которые нельзя достать обычными вопросами. Кто-то вытаскивает фотографию через инструменты разработчика, потому что интерфейс не дает скачать ее нормально. Кто-то раскладывает окна как личный рабочий дашборд. Кто-то компенсирует неудобство продукта связкой из нескольких приложений. Внутри: – Почему обычное интервью часто показывает логичную версию опыта, а не реальную; – Как внимание, память и социальная желательность искажают ответы пользователей; – Чем контекстное интервью отличается от глубинного интервью и юзабилити-теста; – Почему наблюдение помогает находить не только боли, но и обходные практики; – Когда можно просить пользователя выполнить задачу прямо во время исследования; – Зачем заранее предупреждать участника, что нужно будет показывать экран и рабочие действия; – Как диаграмма сходства помогает разобрать разрозненные наблюдения; – Когда контекстное интервью полезно, а когда оно не даст соразмерной ценности. ➡️ Читать статью ——— 💻 Курс по поиску работы 😍 Про дизайн 🔥 Вакансии дизайнерам 🎨 Референсы

Делаем блиц-интервью про AI и доступность. Задаем одинаковые вопросы и получаем разные ответы ) Наш третий гость — Алексей Назаренко @alexnozer_dev — фронтенд-разработчик, специализирующийся на вёрстке, доступности, производительности и веб-стандартах. Леша, спасибо 💜 Ты пробовал использовать Claude или ChatGPT со скринридером или с клавиатуры? Как это работает на практике? — Лично я не пробовал. Но читал о том, что в интерфейсах таких платформ полно проблем с доступностью. Ты знаешь кейсы, где AI улучшил доступность продукта? — Есть несколько фич, которые кажутся мне хорошим использованием AI в доступности: - Автогенерация субтитров на видео в TikTok, YouTube и подобных сервисах; - Возможность сгенерировать описание изображения (alt) в Firefox или Shopify; - Функция распознавания изображения с камеры в реальном времени в ChatGPT или Seeing AI; Ещё знаю, что AI используют при аудите для анализа контента и поиска нарушений WCAG. Но пока о каких-то серъёзных успеха в этом направлении не слышал. Есть ли риск, что AI-инструменты для доступности обучены на данных, которые не отражают реальный опыт людей с ограничениями по здоровью? Что должно измениться в том, как мы обучаем модели? — Все современные модели знают о доступности много, потому что это гигантские базы знаний. Сложность в том, чтобы эти знания оттуда извлечь. По умолчанию модели выдают статистически наиболее вероятный код. Дела с доступностью обстоят плохо, что подтверждают отчёты WebAIM. Поэтому в среднем сгенерированный код будет содержать проблемы доступности. С обучением моделей, скорее всего, уже ничего не сделать. Разве что в мире резко большинство сайтов и сервисов станут доступными и появятся новые хорошие кодовые базы, где это всё учтено. Но такого не будет. А учитывая волну нового сгенерированного кода за последние годы, всё только хуже. Поэтому нужно обкладывать агентов скиллами, правилами, инструкциями для работы, давать примеры доступного кода, проводить код ревью людьми, которые разбираются. ИИ волшебным образом не сделает мир доступнее, нужна инициатива и эксперты. 70% новых приложений создаётся на low-code и no-code платформах. Люди без технической базы делают продукты для миллионов. AI научит их паттернам доступности? — Я не слышал, чтобы без технической базы с помощью AI создавали продукты на миллионы пользователей. Истории «я за два вечера навайбкодил SaaS и заработал много денег» мне кажутся пылью в глаза. Десятки, сотни или тысячи пользователей, но не миллионы. Если говорить о крупных корпорациях, которые массово внедряют AI в процессы разработки, то там, всё же, есть техническая база. Не думаю, что AI научит доступности. Он способен воспроизводить шаблоны доступности и выдавать неплохие решения при должной настройке и в руках опытных разработчиков. Тех, кто росто генерирует код и не вникает в него, AI ничему не научит. В России активно пользуются технологиями с Ai — зарубежные скринридеры, программы по типу Open your eyes, есть ли надежда, что подобные сервисы будут разрабатываться российскими разработчиками? — Думаю, что надежда есть. Однако стимулов меньше, чем в странах Евросоюза или США. Нужно развивать культуру доступности и работать над законодательной базой, по аналогии с ADA или EAA. Культура будет способствовать информационной осведомлённости о важности доступности, а законы обяжут выделять на это ресурсы.