TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
جنیفر گلبک: چالش سیب زمینی سرخ کرده پیچی: چرا «لایک های» رسانه های اجتماعی چیزهای بیشتری از آنچه به نظر می رسد را به ما نشان می دهند
Filmed:
Readability: 4.5
2,366,837 views
آیا سیب زمینی سرخ کرده پیچی دوست دارید؟ تا به حال آنها را در فیس بوک «لایک» کرده اید؟ به تماشای این ویدیو بپردازید تا متوجه شوید کهٓ فیس بوک (و سایتهای دیگر) با استفاده از لایکها و اشتراک گذاری های شما چه ویژگی های حیرت آوری را حدس می زنند. متخصص کامپیوتر جنفیر گلبک چگونگی پیدایش این موضوع را توضیح می دهد، برخی از نرم افزارها و تکنولوژی ها خیلی دوست داشتنی نیستند -- و چرا او فکر می کند که ما باید کنترل اطلاعات را به صاحبان واقعی آنها برگردانیم.
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
اگر دهه اول وب را به خاطر داشته باشید،
00:14
it was really a static place.
1
2735
2255
محیطی کاملا یک نواخت بود.
00:16
You could go online, you could look at pages,
2
4990
2245
می توانستید آنلاین شوید،
به صفحات نگاه کنید،
به صفحات نگاه کنید،
00:19
and they were put up either by organizations
3
7235
2513
و آنها توسط سازمانهایی طراحی شده بودند
00:21
who had teams to do it
4
9748
1521
که تیمهایی برای این کار داشتند
00:23
or by individuals who were really tech-savvy
5
11269
2229
یا توسط افرادی که در آن دوره
00:25
for the time.
6
13498
1737
واقعا عاشق تکنولوژی محسوب می شدند.
00:27
And with the rise of social media
7
15235
1575
و با پیدایش رسانه های اجتماعی
00:28
and social networks in the early 2000s,
8
16810
2399
و شبکه های اجتماعی از سالهای ۲۰۰۰ به بعد،
00:31
the web was completely changed
9
19209
2149
وب فضایی کاملا
00:33
to a place where now the vast majority of content
10
21358
3608
تغییر پیدا کرد که در حال حاضر بیشتر مطالبی که
00:36
we interact with is put up by average users,
11
24966
3312
با آن سر و کار داریم
توسط کاربران معمولی تامین شده اند،
توسط کاربران معمولی تامین شده اند،
00:40
either in YouTube videos or blog posts
12
28278
2697
یا همینطور در ویدیوهای یوتیوب و یا پست های وبلاگ
00:42
or product reviews or social media postings.
13
30975
3315
یا در انتقادات از یک محصول
و یا پست های رسانه های اجتماعی.
و یا پست های رسانه های اجتماعی.
00:46
And it's also become a much more interactive place,
14
34290
2347
و همین طور به محل تعاملی تر
تبدیل شده است،
تبدیل شده است،
00:48
where people are interacting with others,
15
36637
2637
جایی که افراد با دیگران در تعامل اند،
00:51
they're commenting, they're sharing,
16
39274
1696
نظر می گذارند، به اشتراک می گذارند،
00:52
they're not just reading.
17
40970
1614
فقط مشغول خواندن نیستند.
00:54
So Facebook is not the only place you can do this,
18
42584
1866
فیس بوک تنها محل برای این کار نیست،
00:56
but it's the biggest,
19
44450
1098
اما بزرگ ترین محل است،
00:57
and it serves to illustrate the numbers.
20
45548
1784
و برای نمایش آماری ما مناسب است.
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
فیس بوک ۱/۲ بیلیون کاربر در ماه دارد.
01:02
So half the Earth's Internet population
22
50809
1930
یعنی نیمی از جمعیت اینترنت دنیا
01:04
is using Facebook.
23
52739
1653
از فیس بوک استفاده می کنند.
01:06
They are a site, along with others,
24
54392
1932
فیس بوک یک سایت مثل سایر سایت ها بود،
01:08
that has allowed people to create an online persona
25
56324
3219
که به افراد اجازه ایجاد یک نمایه آنلاین را
01:11
with very little technical skill,
26
59543
1782
با حداقل دانش فنی داد،
01:13
and people responded by putting huge amounts
27
61325
2476
و مردم هم با قراردادن مقدار زیادی
از اطلاعات شخصی
از اطلاعات شخصی
01:15
of personal data online.
28
63801
1983
به فیس بوک پاسخ گفتند.
01:17
So the result is that we have behavioral,
29
65784
2543
بنابراین نتیجه این شد که
اطلاعات رفتاری،
اطلاعات رفتاری،
01:20
preference, demographic data
30
68327
1986
تمایلات و اطلاعات آمارنگاری
01:22
for hundreds of millions of people,
31
70313
2101
درباره صدها میلیون نفر در اختیار ماست،
01:24
which is unprecedented in history.
32
72414
2026
که در تاریخ بی سابقه بوده است.
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
و به عنوان یک دانشمند کامپیوتر،
01:29
I've been able to build models
34
77000
1664
یعنی توانسته ام مدل هایی بسازم
01:30
that can predict all sorts of hidden attributes
35
78664
2322
که قادر به پیش بینی ویژگیهای پنهانی
01:32
for all of you that you don't even know
36
80986
2284
افرادی مثل شما هستند که حتی نمی دانید که
01:35
you're sharing information about.
37
83270
2202
اطلاعات آن ها را به اشتراک گذاشته اید.
01:37
As scientists, we use that to help
38
85472
2382
به عنوان دانشمند، ما از این برای کمک
01:39
the way people interact online,
39
87854
2114
به نحوه ارتباط افراد آنلاین
استفاده می کنیم،
استفاده می کنیم،
01:41
but there's less altruistic applications,
40
89968
2499
اما ابزارهای غیر انسان دوستانه
هم وجود دارند،
هم وجود دارند،
01:44
and there's a problem in that users don't really
41
92467
2381
و مشکل این است که مردم واقعا نمی دانند
01:46
understand these techniques and how they work,
42
94848
2470
که این تکنیک ها چگونه کار می کنند،
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
و حتی اگر می دانستند، کاری
از دستشان بر نمی آمد.
از دستشان بر نمی آمد.
01:52
So what I want to talk to you about today
44
100446
1490
اما چیزی که امروز می خواهم
بگویم
بگویم
01:53
is some of these things that we're able to do,
45
101936
2702
کارهاییست که می شود
انجام دهیم،
انجام دهیم،
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
و سپس طرح چند ایده برای ما،
که بتوانیم به سمتی حرکت کنیم
که بتوانیم به سمتی حرکت کنیم
01:59
to move some control back into the hands of users.
47
107401
2769
که کنترل برخی از اطلاعاتمان را
به دست کاربر برگردانیم.
به دست کاربر برگردانیم.
02:02
So this is Target, the company.
48
110170
1586
خوب این مربوط به شرکت تارگت است.
02:03
I didn't just put that logo
49
111756
1324
من لوگوی شرکت را روی این
02:05
on this poor, pregnant woman's belly.
50
113080
2170
خانم حامله بیچاره نگذاشتم.
02:07
You may have seen this anecdote that was printed
51
115250
1840
ممکن است آن داستان جالبی را که
02:09
in Forbes magazine where Target
52
117090
2061
در مجله فوربز چاپ شد، دیده باشید
که تارگت
که تارگت
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
یک بروشور به آدرس دختر ۱۵ ساله ای می فرستد
02:13
with advertisements and coupons
54
121512
1710
با محتوای تبلیغات و کوپن هایی
02:15
for baby bottles and diapers and cribs
55
123222
2554
درباره شیشه شیر بچه و پوشک و گهواره
02:17
two weeks before she told her parents
56
125776
1684
۲ هفته قبل از آنکه به والدینش بگوید
02:19
that she was pregnant.
57
127460
1864
که باردار شده است.
02:21
Yeah, the dad was really upset.
58
129324
2704
آره، باباش خیلی ناراحت شده بود.
02:24
He said, "How did Target figure out
59
132028
1716
خوب تارگت چطور متوجه شد
02:25
that this high school girl was pregnant
60
133744
1824
که این دختر دبیرستانی باردار است
02:27
before she told her parents?"
61
135568
1960
دو هفته قبل از این که والدینش بدانند؟
02:29
It turns out that they have the purchase history
62
137528
2621
معلوم شد که آنها یک تاریخچه خرید
02:32
for hundreds of thousands of customers
63
140149
2301
از صدها هزار مشتری خود دارند
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
و عددی که اسمش را نمره بارداری گذاشته اند
محاسبه می کنند.
محاسبه می کنند.
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
که فقط این نیست که یک زن
باردار هست یا نه
باردار هست یا نه
02:39
but what her due date is.
66
147512
1730
بلکه تاریخ وضع حملش کی است.
02:41
And they compute that
67
149242
1304
و آن ها این را فقط توسط
02:42
not by looking at the obvious things,
68
150546
1768
محاسبه بدیهیاتی مثل این که
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
او گهواره یا لباس بچه می خرد
حساب نمی کنند،
حساب نمی کنند،
02:46
but things like, she bought more vitamins
70
154826
2943
بلکه چیزهایی مثل این که او بیشتر
ویتامین خرید می کند
ویتامین خرید می کند
02:49
than she normally had,
71
157769
1717
نسبت به خریدهای قبلی اش،
02:51
or she bought a handbag
72
159486
1464
یا او کیف دستی ای خریده است
02:52
that's big enough to hold diapers.
73
160950
1711
که برای حمل پوشک مناسب است.
02:54
And by themselves, those purchases don't seem
74
162661
1910
و به خودی خود، این خریدها به نظر
02:56
like they might reveal a lot,
75
164571
2469
چیز زیادی را آشکار نمی کنند،
02:59
but it's a pattern of behavior that,
76
167040
1978
اما این الگوی رفتاری است که،
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
زمانی که آن را در کنار الگوی
هزاران فرد دیگر قرار می دهید،
هزاران فرد دیگر قرار می دهید،
03:04
starts to actually reveal some insights.
78
172135
2757
شروع به آشکار کردن بعضی چیزها می کند.
03:06
So that's the kind of thing that we do
79
174892
1793
بنابراین این کاری است که می کنیم
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
وقتی چیزی درباره شما روی
شبکه های اجتماعی حدس می زنیم.
شبکه های اجتماعی حدس می زنیم.
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
ما به دنبال الگوهای رفتاری کوچکی هستیم،
03:14
when you detect them among millions of people,
82
182048
2682
که وقتی در کنار میلیون ها
فرد دیگر بگذاریدشان،
فرد دیگر بگذاریدشان،
03:16
lets us find out all kinds of things.
83
184730
2706
به ما اجازه دانستن همه نوع چیز را می دهد.
03:19
So in my lab and with colleagues,
84
187436
1747
بنابراین من و همکارانم در آزمایشگاه،
03:21
we've developed mechanisms where we can
85
189183
1777
مکانیزمی طراحی کرده ایم که می توانیم
03:22
quite accurately predict things
86
190960
1560
به خوبی چیزهایی رو پیش بینی کنیم
03:24
like your political preference,
87
192520
1725
مثل تمایلات سیاسی شما،
03:26
your personality score, gender, sexual orientation,
88
194245
3752
امتیاز شخصیتی، جنسیت، گرایش جنسی،
03:29
religion, age, intelligence,
89
197997
2873
دین، سن، هوش،
03:32
along with things like
90
200870
1394
به همراه چیزهایی مثل
03:34
how much you trust the people you know
91
202264
1937
این که چقدر به آشنایانتان اعتماد دارید
03:36
and how strong those relationships are.
92
204201
1804
و چقدر روابطتان عمیق هستند.
03:38
We can do all of this really well.
93
206005
1785
ما این ها را به خوبی انجام می دهیم.
03:39
And again, it doesn't come from what you might
94
207790
2197
و این هم از چیزهایی که
شما ممکن است به عنوان
شما ممکن است به عنوان
03:41
think of as obvious information.
95
209987
2102
اطلاعات بدیهی تصور کنید
به دست نمی آید.
به دست نمی آید.
03:44
So my favorite example is from this study
96
212089
2281
خوب مثال مورد علاقه من از مطالعاتی است که
03:46
that was published this year
97
214370
1240
امسال منتشر شد در ژورنال
03:47
in the Proceedings of the National Academies.
98
215610
1795
Proceedings of the National Academies
03:49
If you Google this, you'll find it.
99
217405
1285
می شود در گوگل جستجو کردش.
03:50
It's four pages, easy to read.
100
218690
1872
چهار صفحه است و به راحتی قابل خواندن.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
و فقط در مورد لایک های افراد در
فیس بوک تحقیق کرده اند،
فیس بوک تحقیق کرده اند،
03:55
so just the things you like on Facebook,
102
223565
1920
پس فقط آن چه در فیس بوک لایک می کنید،
03:57
and used that to predict all these attributes,
103
225485
2138
و از آن برای پیش بینی
همه این ویژگی های شخصی،
همه این ویژگی های شخصی،
03:59
along with some other ones.
104
227623
1645
به همراه سایر چیزها استفاده کردند.
04:01
And in their paper they listed the five likes
105
229268
2961
و در مقاله شان ۵ لایکی را نام بردند
04:04
that were most indicative of high intelligence.
106
232229
2787
که بیشترین تاثیر را در
تشخیص هوش بالا داشت.
تشخیص هوش بالا داشت.
04:07
And among those was liking a page
107
235016
2324
و در میان آن ها صفحه ای بود
04:09
for curly fries. (Laughter)
108
237340
1905
درباره سیب زمینی سرخ کرده پیچی. (خنده)
04:11
Curly fries are delicious,
109
239245
2093
سیب زمینی سرخ کرده پیچی خوشمزه است،
04:13
but liking them does not necessarily mean
110
241338
2530
اما لایک کردنش لزوما به این معنی نیست
04:15
that you're smarter than the average person.
111
243868
2080
که شما باهوش تر از یک آدم معمولی هستید.
04:17
So how is it that one of the strongest indicators
112
245948
3207
پس چطور می شود که یکی از مهمترین مشخصه های
04:21
of your intelligence
113
249155
1570
هوش شما
04:22
is liking this page
114
250725
1447
لایک کردن این صفحه است
04:24
when the content is totally irrelevant
115
252172
2252
وقتی محتوای آن کاملا بی ارتباط
04:26
to the attribute that's being predicted?
116
254424
2527
با ویژگی شخصیتی ای است که پیش بینی می شود؟
04:28
And it turns out that we have to look at
117
256951
1584
این طور به نظر می رسد که باید
04:30
a whole bunch of underlying theories
118
258535
1618
کلا به یک سری تئوری پنهان بنگریم
04:32
to see why we're able to do this.
119
260153
2569
که متوجه شویم چرا این اتفاق می افتد.
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
یکی از آن ها یک نظریه جامعه شناسی
به اسم هوموفیلی است،
به اسم هوموفیلی است،
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
که اساسا می گوید افراد،
با آدمهای شبیه خودشان دوست می شوند.
با آدمهای شبیه خودشان دوست می شوند.
04:40
So if you're smart, you tend to
be friends with smart people,
be friends with smart people,
122
268727
2014
پس اگر با هوشید،
با باهوش ها دوست می شوید،
با باهوش ها دوست می شوید،
04:42
and if you're young, you tend
to be friends with young people,
to be friends with young people,
123
270741
2630
و اگر جوان هستید،
با جوان ها دوست می شوید،
با جوان ها دوست می شوید،
04:45
and this is well established
124
273371
1627
و این مساله برای
04:46
for hundreds of years.
125
274998
1745
هزاران سال وجود داشته است.
04:48
We also know a lot
126
276743
1232
ما همچینین زیاد درباره
04:49
about how information spreads through networks.
127
277975
2550
اینکه چطور اطلاعات در شبکه ها
پخش می شوند می دانیم.
پخش می شوند می دانیم.
04:52
It turns out things like viral videos
128
280525
1754
ظاهرا چیزهایی مثل کلیپ ویدیویی
04:54
or Facebook likes or other information
129
282279
2406
یا لایک های فیسبوک و سایر اطلاعات
04:56
spreads in exactly the same way
130
284685
1888
دقیقا به شکلی منتشر می شوند،
04:58
that diseases spread through social networks.
131
286573
2454
که بیماری ها در بخشهای جامعه
انتشار می یابند.
انتشار می یابند.
05:01
So this is something we've studied for a long time.
132
289027
1791
بر روی این موضوع زیاد تحقیق کرده ایم.
05:02
We have good models of it.
133
290818
1576
مدل های خوبی برای آن داریم.
05:04
And so you can put those things together
134
292394
2157
و می توانید همه این ها را کنار هم بگذارید
05:06
and start seeing why things like this happen.
135
294551
3088
و ببینید که چرا اتفاقات
این چنینی می افتند.
این چنینی می افتند.
05:09
So if I were to give you a hypothesis,
136
297639
1814
بنابراین اگر بخواهم نظریه بدهم،
05:11
it would be that a smart guy started this page,
137
299453
3227
این است که فرد باهوشی که
این صفحه را ایجاد کرده است،
این صفحه را ایجاد کرده است،
05:14
or maybe one of the first people who liked it
138
302680
1939
یا شاید کسی که اولین بار لایکش کرده است.
05:16
would have scored high on that test.
139
304619
1736
در آزمون امتیاز بالایی می گرفتند.
05:18
And they liked it, and their friends saw it,
140
306355
2288
و لایک کردند، و دوستانشان دیدند،
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
و بر اساس هموفیلی، می دانیم که او احتمالا
دوستان باهوشی داشته است،
دوستان باهوشی داشته است،
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
پس بین آنها منشتر شد،
و بعضی از آنها هم لایک کردند،
و بعضی از آنها هم لایک کردند،
05:26
and they had smart friends,
143
314821
1189
و دوستانشان باهوش بودند،
05:28
and so it spread to them,
144
316010
807
بینشان منتقل شد،
05:28
and so it propagated through the network
145
316817
1973
و به همین شکل در شبکه
05:30
to a host of smart people,
146
318790
2569
بین افراد باهوش گسترش یافت،
05:33
so that by the end, the action
147
321359
2056
تا در نهایت، فعل
05:35
of liking the curly fries page
148
323415
2544
لایک کردن صفحه سیب زمینی پیچان
05:37
is indicative of high intelligence,
149
325959
1615
مشخص کننده هوش بالاست،
05:39
not because of the content,
150
327574
1803
نه به دلیل محتوای آن،
05:41
but because the actual action of liking
151
329377
2522
بلکه فقط به خاطر اینکه لایک کردنش
05:43
reflects back the common attributes
152
331899
1900
ویژگیهای مشابه افرادی را که
05:45
of other people who have done it.
153
333799
2468
آن را لایک کرده اند بازتاب می دهد.
05:48
So this is pretty complicated stuff, right?
154
336267
2897
این خیلی موضوع پیچیده ای است، نه؟
05:51
It's a hard thing to sit down and explain
155
339164
2199
نشستن و توضیح دادنش برای
05:53
to an average user, and even if you do,
156
341363
2848
یک کاربر معمولی کار سختی است،
و حتی اگر چنین کاری بکنیم،
و حتی اگر چنین کاری بکنیم،
05:56
what can the average user do about it?
157
344211
2188
یک کاربر معمولی چه کاری از دستش بر می آید؟
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
چطور متوجه می شوید که چیزی را
لایک کرده اید
لایک کرده اید
06:00
that indicates a trait for you
159
348447
1492
که نشان دهنده یک ویژگی شخصیتیست
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
که کاملا با محتوایی که آن را لایک کرده اید
بی ارتباط است.
بی ارتباط است.
06:05
There's a lot of power that users don't have
161
353484
2546
برای کنترل استفاده از داده ها،
قدرت زیادی لازم است،
قدرت زیادی لازم است،
06:08
to control how this data is used.
162
356030
2230
که کاربران ندارند.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
و من این را به عنوان مشکلی
که در حال بزرگتر شدن است می بینم.
که در حال بزرگتر شدن است می بینم.
06:13
So I think there's a couple paths
164
361372
1977
و فکر می کنم چند راه وجود دارد که
06:15
that we want to look at
165
363349
1001
باید مدنظر قرار دهیم
06:16
if we want to give users some control
166
364350
1910
اکر می خواهیم به کاربران اجازه کنترل
06:18
over how this data is used,
167
366260
1740
نحوه استفاده از اطلاعاتشان را بدهیم،
06:20
because it's not always going to be used
168
368000
1940
چرا که اطلاعات همیشه به سود آنها
06:21
for their benefit.
169
369940
1381
استفاده نمی شود.
06:23
An example I often give is that,
170
371321
1422
مثال معمول من این است که،
06:24
if I ever get bored being a professor,
171
372743
1646
اگر زمانی از استادی خسته شدم،
06:26
I'm going to go start a company
172
374389
1653
یک شرکت به راه خواهم انداخت
06:28
that predicts all of these attributes
173
376042
1454
برای پیش بینی تمام این ویژگیها
06:29
and things like how well you work in teams
174
377496
1602
و چیزهایی مثل طرز فکر در کار تیمی
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
و آیا معتاد هستید، آیا الکلی هستید.
06:33
We know how to predict all that.
176
381769
1440
می دانیم چطور پیش بینی کنیم.
06:35
And I'm going to sell reports
177
383209
1761
و این گونه گزارشات را
06:36
to H.R. companies and big businesses
178
384970
2100
به شرکتهای تجاری بزرگ
06:39
that want to hire you.
179
387070
2273
که قصد استخدام دارند می فروشیم.
06:41
We totally can do that now.
180
389343
1177
ما واقعا می توانیم.
06:42
I could start that business tomorrow,
181
390520
1788
می توانم همین فردا تجارت را شروع کنم،
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
و شما هیچ کنترلی نخواهید داشت
06:46
over me using your data like that.
183
394360
2138
که من از داده های شما این گونه
استفاده کنم.
استفاده کنم.
06:48
That seems to me to be a problem.
184
396498
2292
این از نظر من یک مشکل است.
06:50
So one of the paths we can go down
185
398790
1910
یکی از راه های پبش روی ما
06:52
is the policy and law path.
186
400700
2032
راه قانون و خط مشی است.
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
و به دلایلی، فکر می کنم
این کاربردی ترین راه است.
این کاربردی ترین راه است.
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
اما مشکل اینجاست که
که ما واقعا باید این کار را انجام دهیم.
که ما واقعا باید این کار را انجام دهیم.
07:00
Observing our political process in action
189
408534
2780
در نظر گرفتن پروسه سیاسی مان در عمل
07:03
makes me think it's highly unlikely
190
411314
2379
به من این حس را می دهد که خیلی بعید است
07:05
that we're going to get a bunch of representatives
191
413693
1597
که ما چند نفر نماینده پیدا کنیم
07:07
to sit down, learn about this,
192
415290
1986
که بنشینند، در این باره آموزش ببینند،
07:09
and then enact sweeping changes
193
417276
2106
و شروع به انجام تغییرات در
07:11
to intellectual property law in the U.S.
194
419382
2157
قوانین مالکیت عمومی آمریکا کنند،
07:13
so users control their data.
195
421539
2461
تا کاربران قدرت کنترل داده هایشان را
داشته باشند.
داشته باشند.
07:16
We could go the policy route,
196
424000
1304
می توان راه خط مشی را رفت،
07:17
where social media companies say,
197
425304
1479
که رسانه های اجتماعی بگویند،
07:18
you know what? You own your data.
198
426783
1402
اختیار اطلاعاتتان را دارید.
07:20
You have total control over how it's used.
199
428185
2489
و بر نحوه استفاده از آن کنترل دارید.
07:22
The problem is that the revenue models
200
430674
1848
مشکل این جاست که مدل درآمد در
07:24
for most social media companies
201
432522
1724
بیشتر شبکه های اجتماعی
07:26
rely on sharing or exploiting
users' data in some way.
users' data in some way.
202
434246
4031
به نوعی بر پایه اشتراک و بهره برداری از
اطلاعات کاربران بنا شده است.
اطلاعات کاربران بنا شده است.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
گاهی درباره فیس بوک گفته می شود که
07:32
aren't the customer, they're the product.
204
440110
2528
کاربران مشتری نیستند، بلکه کالا هستند.
07:34
And so how do you get a company
205
442638
2714
و خب شما چطور می توانید
شرکتی را وادار کنید
شرکتی را وادار کنید
07:37
to cede control of their main asset
206
445352
2558
که کنترل مهمترین داراییشان را
07:39
back to the users?
207
447910
1249
به کاربران برگردانند؟
07:41
It's possible, but I don't think it's something
208
449159
1701
ممکن است، ولی من فکر نمی کنم که
07:42
that we're going to see change quickly.
209
450860
2320
به این زودی تغییری ببینیم.
07:45
So I think the other path
210
453180
1500
پس فکر می کنم که راه دیگری
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
که می توان رفت و کارآمد تر خواهد بود
07:48
is one of more science.
212
456968
1508
راه علم است.
07:50
It's doing science that allowed us to develop
213
458476
2510
این علم است که به ما اجازه طراحی
07:52
all these mechanisms for computing
214
460986
1750
مکانیزم هایی برای محاسبه
07:54
this personal data in the first place.
215
462736
2052
اطلاعات شخصی را داد.
07:56
And it's actually very similar research
216
464788
2106
و در واقع ما باید
07:58
that we'd have to do
217
466894
1438
تحقیقات مشابهی انجام دهیم
08:00
if we want to develop mechanisms
218
468332
2386
تا مکانیزم هایی طراحی کنیم
08:02
that can say to a user,
219
470718
1421
که بتوانند به کاربران بگویند،
08:04
"Here's the risk of that action you just took."
220
472139
2229
«این ریسک کاری است که تو انجام دادی.»
08:06
By liking that Facebook page,
221
474368
2080
با لایک آن صفحه فیس بوک،
08:08
or by sharing this piece of personal information,
222
476448
2535
یا به اشتراک گذاری آن تکه از اطلاعات شخصی،
08:10
you've now improved my ability
223
478983
1502
تو قابلیت مرا برای پیش بینی
08:12
to predict whether or not you're using drugs
224
480485
2086
این که معتاد هستی یا نه افزایش دادی
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
یا این که شرایطتت در محل کار
خوب است یا بد.
خوب است یا بد.
08:17
And that, I think, can affect whether or not
226
485433
1848
و فکر می کنم این، بر روی تمایل افراد
08:19
people want to share something,
227
487281
1510
برای اشتراک گذاری یک چیز،
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
خصوصی کردن، یا حتی فقط ذخیره کردن در
کامپیوترشان موثر است.
کامپیوترشان موثر است.
08:24
We can also look at things like
229
492030
1563
همچنین می توان روی کارهایی مثل
08:25
allowing people to encrypt data that they upload,
230
493593
2728
اجازه رمزنگاری اطلاعاتی که آپلود می کنند
کار کنیم،
کار کنیم،
08:28
so it's kind of invisible and worthless
231
496321
1855
تا اطلاعات برای سایت هایی مثل فیس بوک
08:30
to sites like Facebook
232
498176
1431
یا هر سرویس دیگری
08:31
or third party services that access it,
233
499607
2629
مخفی و غیرقابل استفاده باشد،
08:34
but that select users who the person who posted it
234
502236
3247
اما کاربرانی که شخص آپلود کننده
انتخاب می کند،
انتخاب می کند،
08:37
want to see it have access to see it.
235
505483
2670
اجازه دسترسی به اطلاعات را داشته باشند.
08:40
This is all super exciting research
236
508153
2166
با یک نگاه عقلانی
08:42
from an intellectual perspective,
237
510319
1620
این تحقیقات خیلی هیجان آور هستند،
08:43
and so scientists are going to be willing to do it.
238
511939
1859
و دانشمندان تمایل به انجام آن را دارند.
08:45
So that gives us an advantage over the law side.
239
513798
3610
و این یک مزیت نسبت به راه قانون است.
08:49
One of the problems that people bring up
240
517408
1725
یکی از مشکلاتی که مردم هنگام صحبت در
08:51
when I talk about this is, they say,
241
519133
1595
این رابطه بیان می کنند این است که
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
می گویند اگر افراد شروع به
مخفی کردن این اطلاعات کنند،
مخفی کردن این اطلاعات کنند،
08:55
all those methods that you've been developing
243
523374
2113
تمامی روشهایی که شما برای پیش بینی
08:57
to predict their traits are going to fail.
244
525487
2653
شخصیتشان طراحی کردید، از کار خواهند افتاد.
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
و من می گویم، کاملا درسته، و برای من،
این یعنی موفقیت،
این یعنی موفقیت،
09:03
because as a scientist,
246
531660
1786
چرا که به عنوان یک دانشمند،
09:05
my goal is not to infer information about users,
247
533446
3688
هدف من کشف اطلاعات درباره مردم نیست،
09:09
it's to improve the way people interact online.
248
537134
2767
بلکه بهبود روش تعاملشان در اینترنت است.
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
و گاهی این کار با کسب اطلاعات،
درباره آنها انجام می شود،
درباره آنها انجام می شود،
09:15
but if users don't want me to use that data,
250
543119
3022
اما اگر کاربران نخواهند که از اطلاعاتشان
استفاده کنم،
استفاده کنم،
09:18
I think they should have the right to do that.
251
546141
2038
به نظرم باید این حق را داشته باشند.
09:20
I want users to be informed and consenting
252
548179
2651
من می خواهم کاربران ابزارهایی که
ما طراحی می کنیم
ما طراحی می کنیم
09:22
users of the tools that we develop.
253
550830
2112
مطلع و راضی باشند.
09:24
And so I think encouraging this kind of science
254
552942
2952
و یه همین دلیل فکر می کنم ترغیب کردن
این نوع علم
این نوع علم
09:27
and supporting researchers
255
555894
1346
و پشتیبانی از محققینی که
09:29
who want to cede some of that control back to users
256
557240
3023
قصد دارند بخشی از کنترل را
به کاربران برگردانند،
به کاربران برگردانند،
09:32
and away from the social media companies
257
560263
2311
و جلوی شرکت های رسانه های اجتماعی
را بگیرند،
را بگیرند،
09:34
means that going forward, as these tools evolve
258
562574
2671
به معنی پیشرفت است، همچنان که
این ابزارها بهتر
این ابزارها بهتر
09:37
and advance,
259
565245
1476
و پیشرفته تر می شوند،
09:38
means that we're going to have an educated
260
566721
1414
به این معنی است که کاربرانی
09:40
and empowered user base,
261
568135
1694
تحصیل کرده و قدرتمند خواهیم داشت،
09:41
and I think all of us can agree
262
569829
1100
و فکر می کنم که همه
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
می پذیریم که این هدف ایده آلی است برای
دنبال کردن.
دنبال کردن.
09:45
Thank you.
264
573493
2184
متشکرم.
09:47
(Applause)
265
575677
3080
(تشویق حضار)
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