Zpracování sociálních informací - Social information processing
![]() | Tento článek má několik problémů. Prosím pomozte vylepši to nebo diskutovat o těchto otázkách na internetu diskusní stránka. (Zjistěte, jak a kdy tyto zprávy ze šablony odebrat) (Zjistěte, jak a kdy odstranit tuto zprávu šablony)
|
Zpracování sociálních informací je „činnost, při které kolektivní lidské činy organizují znalosti“.[1] Jedná se o vytváření a zpracování informací skupinou lidí. Jako akademický obor studium sociálních informací zpracovává zpracování informací síla v síti sociální systémy.
Typicky se používají počítačové nástroje, jako například:
- Nástroje pro tvorbu: např. blogy
- Nástroje pro spolupráci: např. wiki, zejména např. Wikipedia
- Překladové nástroje: Duolingo, reCAPTCHA
- Označování systémy (sociální záložky): např. Lahodné, Flickr, CiteULike
- Sociální síť: např. Facebook, Moje místo, Shromáždění
- Kolaborativní filtrování: např. Digg, Systém doporučení produktů Amazon, Yahoo! Odpovědi, Urtak
Ačkoli se počítače často používají k usnadnění práce v síti a spolupráci, nejsou nutné. Například Trakční v roce 1982 byl zcela založen na papíře a peru a spoléhal se na sociální sítě a knihovny sousedství. Vytvoření Oxfordský anglický slovník v 19. století bylo provedeno z velké části pomocí anonymních dobrovolníků organizovaných pomocí hledaných reklam v novinách a papírů zasílaných poštou.
Současný stav znalostí
Web pro jarní sympozium AAAI 2008 o zpracování sociálních informací navrhl následující témata a otázky:[2]
- Označování
- Označování již přilákala zájem komunity AI. Zatímco původním účelem označování bylo pomoci uživatelům organizovat a spravovat jejich vlastní dokumenty, od té doby se navrhuje, aby kolektivní označování běžných dokumentů bylo možné použít k uspořádání informací prostřednictvím neformálního klasifikačního systému, který se nazývá lidovost. Je naděje[SZO? ] že folksonomie nakonec pomůže splnit slib sémantického webu.
- Výpočet na základě člověka a kolektivní inteligence
- Jaké typy problémů jsou přístupné výpočtovým metodám lidského roje? Jak můžeme navrhnoutmoudrost davů „efekt ve prospěch našich potřeb při řešení problémů?
- Pobídky k účast
- Jak získat metadata a obsah od uživatelů? Jak lze vyzvat uživatele odolné vůči značkování k označování obsahu?
- Sociální sítě
- Zatímco uživatelé vytvářejí sociální sítě z různých důvodů - např. Ke sledování života přátel nebo práce nebo názorů uživatelů, které respektují - informace o síti jsou pro mnoho aplikací důležité. Globálně, an informační ekosystém může vzniknout interakcí mezi uživateli a mezi uživateli a obsahem. Komunita uživatelů, kteří se zajímají o konkrétní téma, se může časem objevit a propojení s jinými komunitami umožní nahlédnout do vztahů mezi tématy.
- Vývoj sociální média a informační ekosystémy
- Jak se časem mění obsah a jeho kvalita? Roste zájem o systémy peer-production, například o to, jak a proč jsou některé open-source projekty jako Linux a Wikipedia úspěšné. Za jakých okolností pravděpodobně uspějí weby s obsahem generovaným uživateli a jaké to má důsledky pro sdílení informací a učení v komunitách?
- Algoritmy
- Než budeme moci využít sílu zpracování sociálních informací, potřebujeme nové přístupy ke strukturované analýze dat, konkrétně algoritmy pro syntézu různých typů metadata: např. sociální sítě a označování. Výzkum v této oblasti poskytne zásadní základ pro vývoj nových algoritmů pro sociální vyhledávání, objevování informací a personalizace a další přístupy, které využívají sílu zpracování sociálních informací.
Klíčové koncepty
Systémy sociálních doporučení
Sociální přetížení odpovídá uložení velkému množství informací a interakce na sociálním webu. Sociální přetížení způsobuje určité výzvy z hlediska webů sociálních médií i jejich uživatelů.[3] Uživatelé se musí vypořádat s velkým množstvím informací a rozhodovat se mezi různými aplikacemi sociálních sítí, zatímco weby sociálních sítí se snaží udržet své stávající uživatele a učinit jejich stránky pro uživatele zajímavými. K překonání sociálního přetížení, systémy sociálních doporučení bylo použito k zapojení uživatelů na webech sociálních médií takovým způsobem, aby uživatelé přijímali přizpůsobenější obsah pomocí technik doporučení.[3] Systémy sociálních doporučení jsou specifické typy systémů doporučení, které jsou určeny pro sociální média a využívají nový druh dat, které přináší, jako jsou lajky, komentáře, značky atd., Ke zlepšení účinnosti doporučení. Doporučení v sociálních médiích mají několik aspektů, jako je doporučení obsahu sociálních médií, lidí, skupin a značek.
Obsah
Sociální média umožňují uživatelům poskytovat zpětnou vazbu k obsahu vytvářenému uživateli webových stránek sociálních médií, a to prostřednictvím komentování nebo lajkování obsahu sdíleného ostatními a anotování jejich vlastního obsahu pomocí značek. Tato nově zavedená metadata sociálními médii pomáhá získat doporučení pro obsah sociálních médií se zvýšenou účinností.[3] Sociální média také umožňují extrahovat explicitní vztah mezi uživateli, jako je přátelství a sledovaní lidé / následovníci. To poskytuje další zdokonalení systémů pro filtrování spolupráce, protože uživatelé nyní mohou posoudit doporučení poskytovaná na základě lidí, se kterými mají vztahy.[3] Byly provedeny studie ukazující účinnost doporučovacích systémů, které využívají vztahy mezi uživateli na sociálních médiích ve srovnání s tradičními systémy založenými na filtrování založené na spolupráci, konkrétně pro doporučení filmů a knih.[4][5] Dalším vylepšením, které sociální média doporučují systémům, je řešení problému studeného startu pro nové uživatele.[3]
Některé klíčové oblasti použití doporučení obsahu na sociálních médiích jsou doporučení blogů a příspěvků na blogu, doporučení multimediálního obsahu, jako jsou videa YouTube, doporučení otázek a odpovědí na otázky tazatelů a respondentů na sociálních sítích webové stránky s otázkami a odpověďmi, pracovní doporučení (LinkedIn), doporučení na novinkách na sociálních agregačních webech (jako jsou Digg, GoogleReader, Reddit atd.), doporučení krátkých zpráv na mikroblogy (jako je Twitter).[3]
Lidé
Také známý jako sociální shoda (termín navrhují Terveen a McDonald), systémy doporučování lidí se zabývají doporučováním lidí lidem na sociálních médiích. Aspekty, díky nimž lidé doporučují systémy odlišné od tradičních doporučujících systémů a vyžadují zvláštní pozornost, jsou v zásadě soukromí, důvěra mezi uživateli a reputace.[6] Existuje několik faktorů, které ovlivňují výběr doporučovacích technik pro doporučení lidí na sociálních sítích (SNS). Tyto faktory souvisejí s typy vztahů mezi lidmi na sociálních sítích, jako jsou symetrické vs. asymetrické, ad-hoc vs. dlouhodobé a potvrzené vs. nepotvrzené vztahy.[3]
Rozsah systémů doporučujících lidi lze rozdělit do tří:[3] doporučení známých lidí, se kterými se spojit, doporučení lidem, aby je následovali, a doporučení cizinců. Doporučování cizím lidem je považováno za cenné jako doporučení známých lidí, protože vede k příležitostem, jako je výměna nápadů, získávání nových příležitostí a zvyšování reputace člověka.
Výzvy
Manipulace se sociálními proudy je jednou z výzev, kterým systémy sociálních doporučovatelů čelí.[3] Sociální stream lze popsat jako údaje o aktivitě uživatelů shromážděné na informačním kanálu na webových stránkách sociálních médií. Data sociálního streamu mají jedinečné vlastnosti, jako je rychlý tok, rozmanitost dat (pouze textový obsah vs. heterogenní obsah) a vyžadování aktuálnosti. Tyto jedinečné vlastnosti datových proudů ve srovnání s tradičními údaji o sociálních médiích představují problémy pro systémy sociálních doporučovatelů. Další výzvou v sociálních doporučeních je provádění doporučení napříč doménami, jako v tradičních systémech doporučení.[3] Důvodem je, že webové stránky sociálních médií v různých doménách obsahují různé informace o uživatelích a sloučení informací v různých kontextech nemusí vést k užitečným doporučením. Například používání oblíbených receptů uživatelů na jednom webu sociálních médií nemusí být spolehlivým zdrojem informací pro efektivní doporučení práce pro ně.
Sociální povědomí
Účast lidí v online komunitách se obecně liší od jejich participativního chování v reálných kolektivních kontextech. Lidé v každodenním životě jsou zvyklí využívat „sociální podněty“ pro vedení svých rozhodnutí a akcí, např. pokud skupina lidí hledá dobrou restauraci na oběd, je velmi pravděpodobné, že se rozhodnou vstoupit do místní firmy, která má uvnitř nějaké zákazníky, místo toho, aby byla prázdná (přeplněnější restaurace by mohla odrážet její popularitu a v důsledku toho jeho kvalita služeb). V online sociálním prostředí však není jednoduché, jak přistupovat k těmto zdrojům informací, které se obvykle v systémech zaznamenávají, ale toto není uživatelům sděleno.
Existuje několik teorií, které vysvětlují, jak toto sociální povědomí může ovlivnit chování lidí v reálných scénářích. Americký filozof George Herbert Mead uvádí, že lidé jsou sociální stvoření v tom smyslu, že jednání lidí nelze izolovat od chování celého kolektivu, jehož jsou součástí, protože každý čin jednotlivce je ovlivněn většími sociálními praktikami, které fungují jako obecný rámec chování.[7] Ve svém výkonnostním rámci kanadský sociolog Erving Goffman předpokládá, že v každodenních sociálních interakcích jednotlivci jednají tak, že nejprve shromažďují informace od ostatních, aby předem věděli, co od nich mohou očekávat, a aby tak mohli plánovat, jak se chovat efektivněji.[8]
Výhody
Stejně jako v reálném světě může poskytování sociálních podnětů ve virtuálních komunitách pomoci lidem lépe porozumět situacím, kterým v těchto prostředích čelí, zmírnit jejich rozhodovací procesy tím, že jim umožní přístup k informovanějším volbám, aby je přesvědčil účastnit se aktivit, které se tam konají, a efektivněji strukturovat vlastní harmonogram individuálních a skupinových aktivit.[9]
V tomto referenčním rámci byl navržen přístup zvaný „zobrazení sociálního kontextu“ pro zobrazování sociálních informací - buď ze skutečného nebo virtuálního prostředí - v digitálních scénářích. Je založen na použití grafických reprezentací k vizualizaci stop přítomnosti a aktivit skupiny lidí, čímž poskytuje uživatelům pohled třetích stran na dění v komunitě, tj. Kteří se aktivně účastní, kteří nepřispívají k skupinové úsilí atd. Tento přístup odhalující sociální kontext byl studován v různých scénářích (např. software pro videokonference IBM, velká komunita zobrazující stopy sociálních aktivit ve sdíleném prostoru zvaném NOMATIC * VIZ) a bylo prokázáno, že jeho aplikace může uživatelům poskytnout několik výhod, například poskytnout jim více informací pro lepší rozhodování a motivovat je k aktivnímu přístupu k řízení jejich vlastních a skupinových zastoupení na displeji prostřednictvím jejich akcí v reálném životě.[9]
Obavy
Tím, že jsou stopy aktivit uživatelů veřejně přístupné pro ostatní, je přístupné, je přirozené, že to může vzbudit obavy uživatelů ohledně toho, jaká jsou jejich práva na data, která generují, kdo jsou koneční uživatelé, kteří mohou mít přístup k jejich informacím a jak mohou znát a kontrolovat své zásady ochrany osobních údajů.[9] Existuje několik perspektiv, které se pokoušejí kontextualizovat tento problém s ochranou osobních údajů. Jednou z perspektiv je vidět soukromí jako kompromis mezi stupněm invaze do osobního prostoru a počtem výhod, které by uživatel mohl vnímat ze sociálního systému zveřejněním svých stop online aktivit.[10] Další perspektivou je zkoumání ústupku mezi viditelností lidí v sociálním systému a jejich úrovní soukromí, kterou lze spravovat na úrovni jednotlivce nebo skupiny vytvořením konkrétních oprávnění umožňujících ostatním přístup k jejich informacím. Jiní autoři uvádějí, že namísto vynucování nastavení a kontroly nastavení soukromí se sociální systémy mohou zaměřit na zvyšování jejich povědomí o tom, kdo je jejich publikem, aby mohli spravovat své online chování podle reakcí, které od těchto různých skupin uživatelů očekávají.[9]
Viz také
- Počítačem zprostředkovaná komunikace
- Crowdsourcing
- Rozhodování
- Sociální práce na počítači
- Teorie zpracování sociálních informací
- Sociální průsvitnost
Reference
- ^ AAAI (Březen 2008), Zpracování sociálních informací, AAAI Spring Symposium, Stanford University
- ^ „Symposium zpracování sociálních informací“.
- ^ A b C d E F G h i j Guy, Ido (1. ledna 2015). Systémy sociálních doporučení. Příručka doporučujících systémů. str. 511–543. doi:10.1007/978-1-4899-7637-6_15. ISBN 978-1-4899-7636-9.
- ^ Sinha, Rashmi; Swearingen, Kirsten (2001). "Porovnání doporučení online systémů a přátel". Workshop DELOS: Personalizace a systémy doporučení v digitálních knihovnách. 106.
- ^ Golbeck, Jennifer (2006-05-16). Generování doporučení pro prediktivní film z důvěry v sociální sítě. Správa důvěry. Přednášky z informatiky. 3986. 93–104. doi:10.1007/11755593_8. ISBN 978-3-540-34295-3.
- ^ Terveen, Loren; McDonald, David W. (2005-09-01). „Social Matching: A Framework and Research Agenda“. ACM Trans. Comput.-Hum. Interakce. 12 (3): 401–434. doi:10.1145/1096737.1096740. ISSN 1073-0516.
- ^ Medovina, Georgi. H. (1934). Mysl, já a společnost: Z pohledu sociálního behavioristy. Chicago: University of Chicago Press.
- ^ Goffman, Erving (1990). Prezentace sebe sama v každodenním životě. London: Penguin. ISBN 978-0-14-013571-8.
- ^ A b C d Ding, Xianghua; Erickson, Thomas; Kellogg, Wendy A .; Patterson, Donald J. (2011). „Informování a provádění: zkoumání toho, jak se zviditelňuje zprostředkovaná socialita“. Osobní a všudypřítomné výpočty. 16 (8): 1095–1117. doi:10.1007 / s00779-011-0443-8. ISSN 1617-4909.
- ^ Patil, Sameer; Lai, Jennifer (2005). "Kdo se dozví, co kdy". Kdo se dozví, co kdy: konfigurace oprávnění k ochraně osobních údajů v aplikaci pro zvyšování povědomí. p. 101. doi:10.1145/1054972.1054987. ISBN 978-1581139983.
Další čtení
- AAAI, Symposium pro zpracování sociálních informací, Stanford, AAAI, březen 2008.
- Camerer, Colin F. a Ernst Fehr, “Kdy dominuje „„ ekonomický člověk “sociálnímu chování? "
- Chi, Ed H., „Augmenting Social Cognition: From Social Foraging to Social Sensemaking,“ (video ) (ve společnosti Google), únor 2007. (pdf ), AAAI Symposium, březen 2008, (video ) (v PARC), květen 2008.
- Crane, Riley (2008), Virová, kvalitní a nevyžádaná videa na YouTube (PDF), Seminář AAAI, Březen 2008CS1 maint: umístění (odkaz)
- Denning, Peter J. (2006), „Spěšně vytvořené sítě“ (PDF), Komunikace ACM, 49 (4): 15, doi:10.1145/1121949.1121966
- Denning, Peter J., “Infoglut „ACM, červenec 2006.
- Denning, Peter J. a Rick Hayes-Roth, “Rozhodování ve velmi velkých sítích „ACM, listopad 2006.
- Fu, Wai-Tat (duben 2008), „Mikrostruktury sociálního označování: racionální model“, Sborník z konference ACM 2008 o počítačové podpoře spolupráce., Cscw '08: 229–238, doi:10.1145/1460563.1460600, ISBN 9781605580074
- Fu, Wai-Tat (srpen 2009), „Sémantický imitační model sociálního označování.“ (PDF), Sborník konference IEEE o sociálních počítačích: 66–72, archivovány od originál (PDF) dne 29. 12. 2009
- Hogg, Tad a Bernardo A. Huberman, “Řešení organizačního problému parazitování na sociálních sítích "
- Huang, Yi-Ching (Janet), "Jste tím, co označujete „“ (ppt) Seminář AAAI, březen 2008.
- Huberman, Bernardo, “Sociální dynamika ve věku webu[trvalý mrtvý odkaz ], “(video) (PARC) 10. ledna 2008.
- Judson, Olivia, “Cítit oči na sobě „The New York Times, 3. srpna 2008,
- Lerman, Kristina, "Zpracování sociálních informací v agregaci zpráv," IEEE Internet Computing, Listopad – prosinec 2007.
- Lerman, Kristina, "Zpracování sociálních informací „(video) (ve společnosti Google). Červen 2007.
- Nielsen, Michael, Budoucnost vědy. Připravovaná kniha.
- Nielsen, Michael, Kasparov versus svět. Blogový příspěvek o šachové partii z roku 1999, ve které Garry Kasparov (nakonec) vyhrál zápas proti kolektivnímu soupeři.
- Page, Scott E., Rozdíl: Jak síla rozmanitosti vytváří lepší skupiny, firmy, školy a společnosti, Princeton University Press, 2007.
- Segaran, Toby, Programování kolektivní inteligence: vytváření aplikací Smart Web 2.0, O'Reilly, 2007.
- Shalizi, Cosma Rohilla, “Sociální média jako okna sociálního života mysli "
- Smith, M., Purser, N. a Giraud-Carrier, C. (2008). Sociální kapitál v blogosféře: případová studie[trvalý mrtvý odkaz ]. V příspěvcích z jarního sympozia AAAI o zpracování sociálních informací K. Lerman a kol. (Eds.), Technical Report SS-08-06, AAAI Press, 93-97.
- Spinellis, Diomidis, Wikipedia neomezuje růst (Článek ACM, je vyžadováno předplatné).
- Stojanovič, Julia, “Využití značkování k modelování uživatelských zájmů v del.icio.us[trvalý mrtvý odkaz ]„“ (ppt) Seminář AAAI, Březen 2008.
- Whitaker, Steve, “Časové značení," Sympozium AAAI, Březen 2008.