TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
Jennifer Golbeck: Zagadka spiralnych frytek, czyli dlaczego polubienia na portalach społecznościowych mówią o nas więcej niż się wydaje
Filmed:
Readability: 4.5
2,366,837 views
Lubicie spiralne frytki? Polubiliście je na Facebooku? Po obejrzeniu tego filmu przekonacie się, jakich zaskakujących rzeczy Facebook (i inne portale) może się o was dowiedzieć na podstawie historii polubień. Jennifer Golbeck zdradza jak to się dzieje. Opowiada o mrocznej stronie technologii i o tym, czemu kontrola nad danymi w sieci powinna wrócić do użytkowników.
Jennifer Golbeck - Computer scientist
As the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions. Full bio
As the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions. Full bio
Double-click the English transcript below to play the video.
00:12
If you remember that first decade of the web,
0
738
1997
Na początku swojego istnienia
Internet był mało dynamiczny.
00:14
it was really a static place.
1
2735
2255
00:16
You could go online, you could look at pages,
2
4990
2245
Strony, które odwiedzaliśmy
00:19
and they were put up either by organizations
3
7235
2513
były tworzone przez fachowców
z różnych organizacji,
z różnych organizacji,
00:21
who had teams to do it
4
9748
1521
00:23
or by individuals who were really tech-savvy
5
11269
2229
albo osoby obeznane z technologią.
00:25
for the time.
6
13498
1737
00:27
And with the rise of social media
7
15235
1575
Gdy na początku XXI wieku
00:28
and social networks in the early 2000s,
8
16810
2399
powstały media i portale społecznościowe,
00:31
the web was completely changed
9
19209
2149
Internet przeszedł rewolucję.
00:33
to a place where now the vast majority of content
10
21358
3608
Stał się miejscem, w którym treści
00:36
we interact with is put up by average users,
11
24966
3312
są tworzone
przez zwykłych użytkowników.
przez zwykłych użytkowników.
00:40
either in YouTube videos or blog posts
12
28278
2697
To oni umieszczają filmiki na YouTube,
tworzą blogi,
tworzą blogi,
00:42
or product reviews or social media postings.
13
30975
3315
piszą posty i recenzują produkty
na portalach społecznościowych.
na portalach społecznościowych.
00:46
And it's also become a much more interactive place,
14
34290
2347
Internet jest też bardziej interaktywny.
00:48
where people are interacting with others,
15
36637
2637
Ludzie komunikują się, komentują,
00:51
they're commenting, they're sharing,
16
39274
1696
dzielą się informacjami,
a nie tylko czytają.
a nie tylko czytają.
00:52
they're not just reading.
17
40970
1614
00:54
So Facebook is not the only place you can do this,
18
42584
1866
To dotyczy wszystkich serwisów,
00:56
but it's the biggest,
19
44450
1098
ale Facebook jest największy
i dobrze ilustruje statystyki.
i dobrze ilustruje statystyki.
00:57
and it serves to illustrate the numbers.
20
45548
1784
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
Odwiedza go 1,2 miliarda osób miesięcznie,
01:02
So half the Earth's Internet population
22
50809
1930
czyli połowa internautów z całego świata.
01:04
is using Facebook.
23
52739
1653
01:06
They are a site, along with others,
24
54392
1932
Tworzenie profilu na Facebooku
01:08
that has allowed people to create an online persona
25
56324
3219
i innych portalach społecznościowych
jest bardzo proste,
jest bardzo proste,
01:11
with very little technical skill,
26
59543
1782
01:13
and people responded by putting huge amounts
27
61325
2476
dzięki czemu do sieci trafia
mnóstwo danych osobowych.
mnóstwo danych osobowych.
01:15
of personal data online.
28
63801
1983
01:17
So the result is that we have behavioral,
29
65784
2543
Stąd mamy informacje dotyczące demografii,
01:20
preference, demographic data
30
68327
1986
zachowań i preferencji
setek milionów ludzi.
setek milionów ludzi.
01:22
for hundreds of millions of people,
31
70313
2101
Nigdy wcześniej nie mieliśmy
takich możliwości.
takich możliwości.
01:24
which is unprecedented in history.
32
72414
2026
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
Jako informatyk, mogę dzięki temu
01:29
I've been able to build models
34
77000
1664
tworzyć modele ukazujące różne tendencje,
01:30
that can predict all sorts of hidden attributes
35
78664
2322
01:32
for all of you that you don't even know
36
80986
2284
które przejawiacie,
nie zdając sobie z tego sprawy.
nie zdając sobie z tego sprawy.
01:35
you're sharing information about.
37
83270
2202
01:37
As scientists, we use that to help
38
85472
2382
Dzięki temu, jako naukowcy,
01:39
the way people interact online,
39
87854
2114
pomagamy ludziom w komunikacji online,
01:41
but there's less altruistic applications,
40
89968
2499
ale są tacy, którzy wykorzystują to
mniej altruistycznie.
mniej altruistycznie.
01:44
and there's a problem in that users don't really
41
92467
2381
Użytkownicy nie rozumieją, niestety,
01:46
understand these techniques and how they work,
42
94848
2470
jak to wszystko działa.
01:49
and even if they did, they don't
have a lot of control over it.
have a lot of control over it.
43
97318
3128
Nawet gdyby rozumieli,
nie mają nad tym kontroli.
01:52
So what I want to talk to you about today
44
100446
1490
Chciałabym opowiedzieć o tym,
01:53
is some of these things that we're able to do,
45
101936
2702
co można zrobić w tej sprawie
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
i jakie kroki można podjąć,
01:59
to move some control back into the hands of users.
47
107401
2769
żeby użytkownicy odzyskali kontrolę.
02:02
So this is Target, the company.
48
110170
1586
To logo sklepu Target.
02:03
I didn't just put that logo
49
111756
1324
Nie bez powodu umieściłam je
na brzuchu tej kobiety.
na brzuchu tej kobiety.
02:05
on this poor, pregnant woman's belly.
50
113080
2170
Może widzieliście w "Forbes" anegdotę
02:07
You may have seen this anecdote that was printed
51
115250
1840
02:09
in Forbes magazine where Target
52
117090
2061
o tym, jak Target wysłał nastolatce ulotkę
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
02:13
with advertisements and coupons
54
121512
1710
z kuponami na butelki, pieluchy i kołyski,
02:15
for baby bottles and diapers and cribs
55
123222
2554
02:17
two weeks before she told her parents
56
125776
1684
zanim jeszcze powiedziała
rodzicom o ciąży.
rodzicom o ciąży.
02:19
that she was pregnant.
57
127460
1864
02:21
Yeah, the dad was really upset.
58
129324
2704
Ojciec dziewczyny bardzo się zdenerwował,
02:24
He said, "How did Target figure out
59
132028
1716
bo skąd Target wiedział o ciąży licealistki
02:25
that this high school girl was pregnant
60
133744
1824
02:27
before she told her parents?"
61
135568
1960
wcześniej, niż jej rodzice?
02:29
It turns out that they have the purchase history
62
137528
2621
Okazało się, że Target ma historie zakupów
02:32
for hundreds of thousands of customers
63
140149
2301
setek tysięcy klientów
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
i tworzy "punktację ciążową".
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
Wie, nie tylko, czy kobieta jest w ciąży,
02:39
but what her due date is.
66
147512
1730
ale zna też termin porodu.
02:41
And they compute that
67
149242
1304
Sklep nie tworzy punktacji
na podstawie oczywistych zakupów,
na podstawie oczywistych zakupów,
02:42
not by looking at the obvious things,
68
150546
1768
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
jak ubranek dla dziecka, czy kołyski,
02:46
but things like, she bought more vitamins
70
154826
2943
ale na podstawie tego,
że kobieta kupiła więcej witamin
niż zazwyczaj
niż zazwyczaj
02:49
than she normally had,
71
157769
1717
02:51
or she bought a handbag
72
159486
1464
albo kupiła wielką torbę,
02:52
that's big enough to hold diapers.
73
160950
1711
która pomieści pieluchy.
02:54
And by themselves, those purchases don't seem
74
162661
1910
Pojedyncze zakupy niewiele mówią,
02:56
like they might reveal a lot,
75
164571
2469
02:59
but it's a pattern of behavior that,
76
167040
1978
ale stanowią wzór,
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
który w kontekście zakupów tysięcy ludzi
03:04
starts to actually reveal some insights.
78
172135
2757
może wiele ujawniać.
03:06
So that's the kind of thing that we do
79
174892
1793
Tym się właśnie zajmujemy,
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
analizując media społecznościowe.
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
Szukamy wzorców zachowań,
03:14
when you detect them among millions of people,
82
182048
2682
które, jeśli dotyczą milionów ludzi,
03:16
lets us find out all kinds of things.
83
184730
2706
mówią nam bardzo wiele.
03:19
So in my lab and with colleagues,
84
187436
1747
W laboratorium ja i moi koledzy
opracowujemy sposoby,
opracowujemy sposoby,
03:21
we've developed mechanisms where we can
85
189183
1777
dzięki którym możemy ustalić
03:22
quite accurately predict things
86
190960
1560
03:24
like your political preference,
87
192520
1725
wasze poglądy polityczne,
charakter, płeć, orientację seksualną,
03:26
your personality score, gender, sexual orientation,
88
194245
3752
03:29
religion, age, intelligence,
89
197997
2873
wyznanie, wiek, iloraz inteligencji,
03:32
along with things like
90
200870
1394
poziom ufności i trwałość związków.
03:34
how much you trust the people you know
91
202264
1937
03:36
and how strong those relationships are.
92
204201
1804
03:38
We can do all of this really well.
93
206005
1785
Możemy to precyzyjnie określić.
Podkreślam, że nie poznajemy odpowiedzi
03:39
And again, it doesn't come from what you might
94
207790
2197
na podstawie oczywistych informacji.
03:41
think of as obvious information.
95
209987
2102
03:44
So my favorite example is from this study
96
212089
2281
Mój ulubiony przykład pochodzi
03:46
that was published this year
97
214370
1240
z zeszłorocznego sprawozdania
National Academies,
National Academies,
03:47
in the Proceedings of the National Academies.
98
215610
1795
03:49
If you Google this, you'll find it.
99
217405
1285
można je znaleźć w Google.
03:50
It's four pages, easy to read.
100
218690
1872
Cztery strony, przyjemnie się czyta.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
Dotyczy ono analizy polubień na Facebooku.
03:55
so just the things you like on Facebook,
102
223565
1920
03:57
and used that to predict all these attributes,
103
225485
2138
Użyto ich do określenia pewnych cech.
03:59
along with some other ones.
104
227623
1645
04:01
And in their paper they listed the five likes
105
229268
2961
W sprawozdaniu zawarto pięć polubień,
04:04
that were most indicative of high intelligence.
106
232229
2787
które świadczą
o wysokiej inteligencji użytkownika.
o wysokiej inteligencji użytkownika.
04:07
And among those was liking a page
107
235016
2324
Wśród nich było polubienie strony
spiralnych frytek.
spiralnych frytek.
04:09
for curly fries. (Laughter)
108
237340
1905
(Śmiech)
04:11
Curly fries are delicious,
109
239245
2093
Spiralne frytki są pyszne,
ale nie tylko geniusze je lubią.
04:13
but liking them does not necessarily mean
110
241338
2530
04:15
that you're smarter than the average person.
111
243868
2080
04:17
So how is it that one of the strongest indicators
112
245948
3207
Jak to możliwe, że polubienie tej strony
04:21
of your intelligence
113
249155
1570
świadczy o inteligencji,
04:22
is liking this page
114
250725
1447
skoro jej zawartość
04:24
when the content is totally irrelevant
115
252172
2252
nijak ma się do cechy, na którą wskazuje?
04:26
to the attribute that's being predicted?
116
254424
2527
04:28
And it turns out that we have to look at
117
256951
1584
Tę zależność tłumaczy
04:30
a whole bunch of underlying theories
118
258535
1618
04:32
to see why we're able to do this.
119
260153
2569
kilka podstawowych teorii.
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
Jedną z nich jest teoria homofilii,
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
według której lubimy ludzi takich, jak my.
04:40
So if you're smart, you tend to
be friends with smart people,
be friends with smart people,
122
268727
2014
Mądrzy przyjaźnią się z innymi mądrymi,
04:42
and if you're young, you tend
to be friends with young people,
to be friends with young people,
123
270741
2630
a młodzi z młodymi.
04:45
and this is well established
124
273371
1627
Wiadomo o tym od dawna.
04:46
for hundreds of years.
125
274998
1745
04:48
We also know a lot
126
276743
1232
Wiemy też, jak informacje krążą w sieci.
04:49
about how information spreads through networks.
127
277975
2550
04:52
It turns out things like viral videos
128
280525
1754
Okazuje się, że popularne filmy,
facebookowe "lajki" i inne informacje
facebookowe "lajki" i inne informacje
04:54
or Facebook likes or other information
129
282279
2406
04:56
spreads in exactly the same way
130
284685
1888
rozprzestrzeniają się
w sieciach społecznościowych
w sieciach społecznościowych
04:58
that diseases spread through social networks.
131
286573
2454
identycznie jak choroby.
05:01
So this is something we've studied for a long time.
132
289027
1791
Długo to analizowaliśmy
05:02
We have good models of it.
133
290818
1576
i stworzyliśmy rzetelne modele.
05:04
And so you can put those things together
134
292394
2157
Można skojarzyć ze sobą fakty
05:06
and start seeing why things like this happen.
135
294551
3088
i już wiadomo, dlaczego tak się stało.
05:09
So if I were to give you a hypothesis,
136
297639
1814
Moja hipoteza jest taka, że autor strony,
05:11
it would be that a smart guy started this page,
137
299453
3227
05:14
or maybe one of the first people who liked it
138
302680
1939
albo jeden z pierwszych fanów,
05:16
would have scored high on that test.
139
304619
1736
jest bardzo inteligentny.
05:18
And they liked it, and their friends saw it,
140
306355
2288
Ktoś polubił stronę,
jego znajomi to zauważyli.
jego znajomi to zauważyli.
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
Zgodnie z teorią homofilii,
znajomi też byli inteligentni.
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
Niektórzy polubili stronę,
05:26
and they had smart friends,
143
314821
1189
mieli bystrych znajomych
i ci również ją polubili.
i ci również ją polubili.
05:28
and so it spread to them,
144
316010
807
05:28
and so it propagated through the network
145
316817
1973
Link do strony krążył po sieci,
05:30
to a host of smart people,
146
318790
2569
trafiał do inteligentnych ludzi
05:33
so that by the end, the action
147
321359
2056
i koniec końców
polubienie strony spiralnych frytek
05:35
of liking the curly fries page
148
323415
2544
05:37
is indicative of high intelligence,
149
325959
1615
wskazywało na inteligencję,
05:39
not because of the content,
150
327574
1803
nie ze względu na jej treść,
05:41
but because the actual action of liking
151
329377
2522
ale przez samą czynność,
05:43
reflects back the common attributes
152
331899
1900
która ujawniała wspólne cechy
fanów strony.
fanów strony.
05:45
of other people who have done it.
153
333799
2468
05:48
So this is pretty complicated stuff, right?
154
336267
2897
Skomplikowane?
05:51
It's a hard thing to sit down and explain
155
339164
2199
Trudno to wyjaśnić
przeciętnemu użytkownikowi Internetu.
05:53
to an average user, and even if you do,
156
341363
2848
Nawet jeśli się uda,
05:56
what can the average user do about it?
157
344211
2188
to co on może zrobić w tej sytuacji?
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
Skąd macie wiedzieć, że polubiliście coś,
06:00
that indicates a trait for you
159
348447
1492
wskazującego na konkretną cechę
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
niezwiązaną z zawartością strony?
06:05
There's a lot of power that users don't have
161
353484
2546
Użytkownicy nie mają kontroli nad tym,
06:08
to control how this data is used.
162
356030
2230
jak wykorzystuje się ich dane.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
To duży problem.
06:13
So I think there's a couple paths
164
361372
1977
Chcemy rozważyć metody pozwalające
06:15
that we want to look at
165
363349
1001
06:16
if we want to give users some control
166
364350
1910
na przekazanie kontroli nad ich danymi,
06:18
over how this data is used,
167
366260
1740
06:20
because it's not always going to be used
168
368000
1940
bo przecież nie zawsze są pozyskiwane
dla naszego dobra.
dla naszego dobra.
06:21
for their benefit.
169
369940
1381
06:23
An example I often give is that,
170
371321
1422
Często mówię,
06:24
if I ever get bored being a professor,
171
372743
1646
że jeżeli znudzi mi się bycie profesorem,
06:26
I'm going to go start a company
172
374389
1653
mogę założyć firmę,
06:28
that predicts all of these attributes
173
376042
1454
badającą cechy użytkowników Internetu,
06:29
and things like how well you work in teams
174
377496
1602
to czy dobrze pracują w grupach,
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
nadużywają narkotyków lub alkoholu.
06:33
We know how to predict all that.
176
381769
1440
Wiem co wskazuje na te cechy.
06:35
And I'm going to sell reports
177
383209
1761
Sprzedawałabym raporty
06:36
to H.R. companies and big businesses
178
384970
2100
firmom konsultingowym
lub wielkim korporacjom.
06:39
that want to hire you.
179
387070
2273
06:41
We totally can do that now.
180
389343
1177
Mogłabym zacząć od zaraz,
06:42
I could start that business tomorrow,
181
390520
1788
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
a wy nie mielibyście kontroli nad tym,
06:46
over me using your data like that.
183
394360
2138
co robię z waszymi danymi.
06:48
That seems to me to be a problem.
184
396498
2292
To według mnie duży problem.
06:50
So one of the paths we can go down
185
398790
1910
Jednym z rozwiązań
06:52
is the policy and law path.
186
400700
2032
jest skupienie się na aspekcie prawnym.
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
W teorii to skuteczne rozwiązanie,
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
jednak praktycznie, właściwie niemożliwe.
07:00
Observing our political process in action
189
408534
2780
Znając procesy prawne,
07:03
makes me think it's highly unlikely
190
411314
2379
wydaje się mało prawdopodobne,
07:05
that we're going to get a bunch of representatives
191
413693
1597
że zbierze się grupa polityków,
07:07
to sit down, learn about this,
192
415290
1986
gotowych zgłębić problem
07:09
and then enact sweeping changes
193
417276
2106
i radykalnie zmienić
prawo własności intelektualnej w USA,
prawo własności intelektualnej w USA,
07:11
to intellectual property law in the U.S.
194
419382
2157
07:13
so users control their data.
195
421539
2461
żeby użytkownicy zarządzali swoimi danymi.
07:16
We could go the policy route,
196
424000
1304
Wyjściem może być polityka prywatności.
07:17
where social media companies say,
197
425304
1479
Serwisy twierdzą,
że dane są waszą własnością,
że dane są waszą własnością,
07:18
you know what? You own your data.
198
426783
1402
07:20
You have total control over how it's used.
199
428185
2489
sami decydujecie, jak się je wykorzystuje.
07:22
The problem is that the revenue models
200
430674
1848
Problem w tym, że większość
serwisów społecznościowych
serwisów społecznościowych
07:24
for most social media companies
201
432522
1724
07:26
rely on sharing or exploiting
users' data in some way.
users' data in some way.
202
434246
4031
zarabia na wykorzystywaniu
i przekazywaniu danych o użytkownikach.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
O korzystających z Facebooka mówi się,
że nie są konsumentami, ale towarem.
że nie są konsumentami, ale towarem.
07:32
aren't the customer, they're the product.
204
440110
2528
07:34
And so how do you get a company
205
442638
2714
Jak sprawić, żeby firmy
oddały użytkownikom kontrolę
oddały użytkownikom kontrolę
07:37
to cede control of their main asset
206
445352
2558
nad najcenniejszym zasobami?
07:39
back to the users?
207
447910
1249
07:41
It's possible, but I don't think it's something
208
449159
1701
To możliwe, ale nieprędko tak się stanie.
07:42
that we're going to see change quickly.
209
450860
2320
07:45
So I think the other path
210
453180
1500
Jest trzecie rozwiązanie,
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
dużo skuteczniejsze.
07:48
is one of more science.
212
456968
1508
Rozwiązanie naukowe.
07:50
It's doing science that allowed us to develop
213
458476
2510
Chodzi o te same procesy,
07:52
all these mechanisms for computing
214
460986
1750
z pomocą których pozyskaliśmy dane.
07:54
this personal data in the first place.
215
462736
2052
07:56
And it's actually very similar research
216
464788
2106
Trzeba by przeprowadzić podobne badania,
07:58
that we'd have to do
217
466894
1438
08:00
if we want to develop mechanisms
218
468332
2386
żeby opracować mechanizmy,
08:02
that can say to a user,
219
470718
1421
mówiące użytkownikom, na co się narażają.
08:04
"Here's the risk of that action you just took."
220
472139
2229
08:06
By liking that Facebook page,
221
474368
2080
Dzięki temu, że polubiliście
stronę na Facebooku
stronę na Facebooku
08:08
or by sharing this piece of personal information,
222
476448
2535
albo podzieliliście się faktem z życia,
08:10
you've now improved my ability
223
478983
1502
mogę wywnioskować, czy bierzecie narkotyki
08:12
to predict whether or not you're using drugs
224
480485
2086
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
albo czy jesteście lubiani w pracy.
08:17
And that, I think, can affect whether or not
226
485433
1848
To wpływa na wybory ludzi,
czy chcą się czymś podzielić,
08:19
people want to share something,
227
487281
1510
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
czy zatrzymać to dla siebie.
08:24
We can also look at things like
229
492030
1563
Można też przyjrzeć się
08:25
allowing people to encrypt data that they upload,
230
493593
2728
metodom szyfrowania przesyłanych danych,
08:28
so it's kind of invisible and worthless
231
496321
1855
żeby były niewidoczne
i nie miały wartości dla Facebooka
08:30
to sites like Facebook
232
498176
1431
08:31
or third party services that access it,
233
499607
2629
czy innych firm.
08:34
but that select users who the person who posted it
234
502236
3247
Dostęp do danych mieliby tylko użytkownicy
08:37
want to see it have access to see it.
235
505483
2670
wskazani przez nas.
08:40
This is all super exciting research
236
508153
2166
To wyzwanie dla naukowców,
08:42
from an intellectual perspective,
237
510319
1620
08:43
and so scientists are going to be willing to do it.
238
511939
1859
ale oni chętnie podejmują wyzwania,
08:45
So that gives us an advantage over the law side.
239
513798
3610
w przeciwieństwie do polityków.
08:49
One of the problems that people bring up
240
517408
1725
Niektórzy zwracają uwagę na to,
08:51
when I talk about this is, they say,
241
519133
1595
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
że jeżeli ludzie zaczną zatajać dane,
08:55
all those methods that you've been developing
243
523374
2113
to metody, których używam
do wyznaczania cech użytkowników
do wyznaczania cech użytkowników
08:57
to predict their traits are going to fail.
244
525487
2653
będą bezużyteczne.
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
Jasne, że tak,
ale dla mnie to będzie zwycięstwo.
09:03
because as a scientist,
246
531660
1786
Jestem naukowcem
09:05
my goal is not to infer information about users,
247
533446
3688
i nie chcę zdobywać danych użytkowników,
09:09
it's to improve the way people interact online.
248
537134
2767
ale poprawiać ich komunikację w sieci.
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
Czasami trzeba w tym celu zdobyć dane,
09:15
but if users don't want me to use that data,
250
543119
3022
ale nie powinniśmy tego robić
wbrew ich woli.
09:18
I think they should have the right to do that.
251
546141
2038
Chcę, żeby ludzie wiedzieli
o narzędziach, nad jakimi pracujemy
o narzędziach, nad jakimi pracujemy
09:20
I want users to be informed and consenting
252
548179
2651
09:22
users of the tools that we develop.
253
550830
2112
i zgadzali się na ich stosowanie.
09:24
And so I think encouraging this kind of science
254
552942
2952
Wspieranie starań naukowców,
09:27
and supporting researchers
255
555894
1346
09:29
who want to cede some of that control back to users
256
557240
3023
którzy chcą, aby kontrolę nad danymi
sprawowali użytkownicy,
09:32
and away from the social media companies
257
560263
2311
a nie media społecznościowe,
09:34
means that going forward, as these tools evolve
258
562574
2671
oznacza, że wraz z rozwojem narzędzi,
umożliwiających ten proces
09:37
and advance,
259
565245
1476
09:38
means that we're going to have an educated
260
566721
1414
powstanie społeczeństwo
świadomych internautów,
świadomych internautów,
09:40
and empowered user base,
261
568135
1694
09:41
and I think all of us can agree
262
569829
1100
a chyba wszyscy uważamy,
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
że to wymarzona sytuacja.
Dziękuję.
09:45
Thank you.
264
573493
2184
(Brawa)
09:47
(Applause)
265
575677
3080
ABOUT THE SPEAKER
Jennifer Golbeck - Computer scientistAs the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions.
Why you should listen
Jennifer Golbeck is an associate professor in the College of Information Studies at the University of Maryland, where she also moonlights in the department of computer science. Her work invariably focuses on how to enhance and improve the way that people interact with their own information online. "I approach this from a computer science perspective and my general research hits social networks, trust, web science, artificial intelligence, and human-computer interaction," she writes.
Author of the 2013 book, Analyzing the Social Web, Golbeck likes nothing more than to immerse herself in the inner workings of the Internet tools so many millions of people use daily, to understand the implications of our choices and actions. Recently, she has also been working to bring human-computer interaction ideas to the world of security and privacy systems.
Jennifer Golbeck | Speaker | TED.com