Povej mi, kaj všečkaš, in povem ti, kdo si

(foto via Wikimedia)

Ko brskate po spletu, iščete informacije, nakupujete, ste obkroženi z raznimi priporočili. Ko si v spletni trgovini ogledujete nek izdelek, vam priporočajo še dodatne izdelke. Ko vpišete ključne besede v iskalnik, vam le-ta vrne spisek urejenih priporočil spletnih strani, za katere meni, da najbolj ustrezajo vašim željam. Priporočilni sistemi nas obkrožajo.

Čeprav delujejo priporočila pogosto vsiljiva in neustrezna, se za njimi skrivajo kompleksni algoritmi, ki jih razvija na trume raziskovalcev.

Cilji priporočilnih sistemov so pogosto prikazani kot »zlobni« (Stephen Baker v svoji knjigi Numerati namiguje na zaroto), a gre v osnovi predvsem za poskus poenostavitve uporabe spletnih tehnologij skozi razumevanje uporabnikovih želja glede na prejšnje uporabnikovo obnašanje.

social media
(foto via Wikimedia)

Na podlagi lastnih izkušenj nas večina sluti, da so priporočilni sistemi daleč od popolnosti. Priporočila so velikokrat slaba, včasih celo bizarna. To se še posebej dogaja, ko ima sistem premalo informacij o uporabniku (t.i. problem hladnega zagona, ang. cold-start problem). Raziskovalci se trudijo čim bolje razumeti uporabnikove potrebe in iščejo tiste ključne parametre, ki o uporabniku največ povedo. V zadnjem obdobju se je povečalo število raziskav, ki za izboljšanje priporočil uporabljajo uporabnikovo osebnost in emocije.

Osebnost uporabnika je lastnost, ki se s časom zelo malo spreminja. Nekateri smo bolj ekstravertirani, drugi manj. Nekateri smo bolj nevrotični, drugi manj. Nekateri smo bolj odprti za različnosti, drugi manj.

Popularen model za opisovanje je model Velikih Pet (ang. Big Five), kjer so osnovne dimenzije za opis osebnosti ekstravertnost, prijetnost, vestnost, nevroticizem in odprtost. Raziskave so pokazale, da imajo ljudje z različnimi osebnostmi tudi različne želje [vir], npr. glede glasbenih ali filmskih žanrov. Posledično lahko poznavanje osebnosti uporabnika uporabimo za izboljšanje priporočil [Tkalčič, Chen, 2016]. Težava nastane, ko želimo izvedeti, kakšna je osebnost uporabnika. Običajno za to uporabljamo vprašalnike, ki vsebujejo več deset vprašanj. Takšni vprašalniki pa so nadležni in v praksi neuporabni.

Raziskovalci z Univerze Cambridge so razvili metodo za ugotavljanje osebnosti brez nadležnega izpolnjevanja vprašalnikov [vir]. Na podlagi uporabnikove pretekle aktivnosti na družbenih omrežjih (npr. Facebook ali Twitter) lahko poleg osebnosti predvidijo tudi druge podatke, kot je vaš spol, politična usmerjenost, ali ste kadilec, inteligenčni kvocient, veroizpoved in podobno. Na primer, če je nekdo všečkal strani Leonard Cohen, Oscar Wilde ali Leonardo Da Vinci so to močni indikatorji osebnosti, ki je odprta za nove izkušnje. Obratno, ljudje, ki imajo nizko odprtost, so všečkali strani Nascar, ESPN2, Teen Mom 2 ali I don’t read.

Emocije se pri človeku hitreje spreminjajo. Zato jih je težko zajeti dovolj hitro, da bi lahko priporočilni sistem prilagodili trenutni emociji.

Obstajajo raziskave, ki poskušajo ugotoviti emotivno stanje osebe iz aktivnosti v družbenih omrežjih. Tak primer je raziskava, kjer iz zapisov na družbenem omrežju Twitter poskušajo ugotoviti, ali je avtor pod stresom ali ne.

Posebnost emocij pa je v tem, da jih lahko tudi umetno izzovemo, čemur pravimo indukcija emocij. To lahko koristno uporabimo v priporočilnih sistemih, ki služijo regulaciji emocij (npr. priporočanje glasbe za sprostitev). Obstaja pa tudi temna plat, kjer je skozi družbena omrežja možno manipulirati z emocijami ljudi.

Tak eksperiment so naredili kar raziskovalci v podjetju Facebook. Ena od lastnosti družbenega omrežja Facebook je, da lahko uporabnik vidi nekatere, izbrane (priporočene) vsebine, ki jih objavljajo uporabnikovi prijatelji. Razlog v tem filtriranju je količina vsebin, saj prijatelji ustvarijo bistveno več vsebin, kot jih lahko uporabnik v doglednem času prebere. Priporočilni sistem, ki filtrira vsebine, ki jih objavljajo prijatelji, so prilagodili tako, da so eni skupini uporabnikov priporočili več vsebin z negativnimi emocijami, drugi skupini pa so priporočili več vsebin s pozitivnimi emocijami. Izkazalo se je, da so uporabniki, ki so bili deležni več negativnih emocij, tudi sami generirali vsebine, ki so bile bolj negativne. Podoben vzorec so opazili tudi pri drugi skupini, ki je ustvarila več vsebin s pozitivnimi emocijami. S tem eksperimentom so pokazali, da lahko priporočilni sistem, ki ustrezno filtrira vsebine, vpliva na emotivno stanje uporabnikov.

Pomembno je, da se zavedamo, da s svojo aktivnostjo na spletu puščamo sledi, iz katerih se da razbrati marsikaj o nas samih. Druga pomembna stvar pa je zavedanje, da se skozi priporočilne sisteme lahko izvaja manipulacija, ki je lahko etično sporna.

 

marko tkalčič
Dr. Marko Tkalčič (foto: osebni arhiv)

Avtor: dr. Marko Tkalčič. Priporočilni sistemi, emocije, osebnost. Podoktorski raziskovalec na Univerzi Johannesa Keplerja v Linzu, docent na Fakulteti za elektrotehniko Univerze v Ljubljani. Zanima ga uporaba psiholoških konstruktov v računalniškem uporabniškem modeliranju. Na Twitterju ga najdete pod @RecSysMare.

 

Opomba: zapis je bil izvorno objavljen v eSiNAPSA, spletni reviji za znanstvenike, strokovnjake in nevroznanstvene navdušence (letnik 2015, številka 9).

 

Več od Metina lista

MD 003: I don’t believe in complaining

Tokrat je naša gostja LOUSEWIES VAN DER LAAN, Nizozemka, progresivna političarka, ki se...
Beri dalje

1 komentar

  • …”Pomembno je, da se zavedamo, da s svojo aktivnostjo na spletu puščamo sledi, iz katerih se da razbrati marsikaj o nas samih…”

    O tem ni dvoma, na FB ju sporočamo, kako živimo, kako ne živimo, kako bi želeli živeti in kako ne,… pogosto tudi med vrsticami, zakaj ja in zakaj ne. To itak sporočamo vsak dan z besedami ali brez.

Komentiranje je zaprto.