ABOUT THE SPEAKER

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.

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.

More profile about the speaker
Jennifer Golbeck | Speaker | TED.com

TEDxMidAtlantic 2013

Jennifer Golbeck: Your social media "likes" expose more than you think

ジェニファー・ゴルベック: カーリー・フライの謎解き — ソーシャルメディアでの「いいね！」があなたの秘密を明かす？

Filmed: 2013-10-01

Readability: 4.5

2,366,837 views

カーリーフライは好きですか？フェイスブックて「いいね！」しましたか？フェイスブック(やそのほかのソーシャルネット)が、一見ランダムな「いいね！」や投稿からあなたについてどれほどのことを推測できるか、この講演を見て知っておいてください。コンピュータ科学者のジェニファー・ゴルベックが、どうやってそんなことが可能なのか、この技術の応用が必ずしも好ましいとは限らないこと、そして自分の情報をコントロールする力を本来の持ち主の手に戻すべきである理由を語ります。

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

Double-click the English transcript below to play the video.

00:12

If you remember思い出す that first decade10年 of the webウェブ,

0

738

1997

ウェブが最初の10年間
どんなだったか

00:14

it was really a static静的 place場所.

1

2735

2255

覚えていますか？
固定的なものでした

00:16

You could go onlineオンライン, you could look at pagesページ,

2

4990

2245

ネットにつなげ
サイトを見ることはできましたが

00:19

and they were put up eitherどちらか by organizations組織

3

7235

2513

当時それは
そのための部署を持つ組織や

00:21

who had teamsチーム to do it

4

9748

1521

当時それは
そのための部署を持つ組織や

00:23

or by individuals個人 who were really tech-savvyハイテクに精通した

5

11269

2229

コンピュータに精通した個人が
立ち上げたものでした

00:25

for the time.

6

13498

1737

コンピュータに精通した個人が
立ち上げたものでした

00:27

And with the rise上昇 of socialソーシャル mediaメディア

7

15235

1575

2000年代初期にソーシャルメディアや
ソーシャルネットワークが登場すると

00:28

and socialソーシャル networksネットワーク in the early早い 2000s,

8

16810

2399

2000年代初期にソーシャルメディアや
ソーシャルネットワークが登場すると

00:31

the webウェブ was completely完全に changedかわった

9

19209

2149

ウェブは大きく変容を遂げ

00:33

to a place場所 where now the vast広大 majority多数 of contentコンテンツ

10

21358

3608

今や私たちの見る
コンテンツの大部分が

00:36

we interact相互作用する with is put up by average平均 usersユーザー,

11

24966

3312

一般的なユーザーによる

00:40

eitherどちらか in YouTubeYouTube videosビデオ or blogブログ posts投稿

12

28278

2697

YouTubeのビデオ、ブログ

00:42

or product製品 reviewsレビュー or socialソーシャル mediaメディア postings転記.

13

30975

3315

製品のレビューやソーシャルメディアでの
投稿で占められています

00:46

And it's alsoまた、 become〜になる a much more interactiveインタラクティブ place場所,

14

34290

2347

また人々が互いに

00:48

where people are interacting相互作用する with othersその他,

15

36637

2637

やり取りをする場へと変化しています

00:51

they're commentingコメントする, they're sharing共有,

16

39274

1696

コメントしたり情報を共有したりし

00:52

they're not just reading読書.

17

40970

1614

ただ情報を見るだけではないのです

00:54

So Facebookフェイスブック is not the only place場所 you can do this,

18

42584

1866

フェイスブックはこのような場として
唯一ではないものの最大です

00:56

but it's the biggest最大,

19

44450

1098

フェイスブックはこのような場として
唯一ではないものの最大です

00:57

and it serves奉仕する to illustrate説明する the numbers数字.

20

45548

1784

数字を見れば分ります

00:59

Facebookフェイスブック has 1.2 billion億 usersユーザー per〜ごと month月.

21

47332

3477

フェイスブックには
月間ユーザーが12億います

01:02

So halfハーフ the Earth's地球の Internetインターネット population人口

22

50809

1930

つまり地球上のインターネット人口の―

01:04

is usingを使用して Facebookフェイスブック.

23

52739

1653

半分がフェイスブックを利用しています

01:06

They are a siteサイト, along一緒に with othersその他,

24

54392

1932

他のサイトと同様に

01:08

that has allowed許可された people to create作成する an onlineオンライン personaペルソナ

25

56324

3219

ITのスキルが殆どなくても
ネット上の人格を作ることができる

01:11

with very little technicalテクニカル skillスキル,

26

59543

1782

そんなサイトであり

01:13

and people responded応答した by puttingパッティング huge巨大 amounts金額

27

61325

2476

人々は個人的な情報を大量に

01:15

of personal個人的 dataデータ onlineオンライン.

28

63801

1983

投稿してきたのです

01:17

So the result結果 is that we have behavioral行動的,

29

65784

2543

その結果何億という人々の
行動パターン

01:20

preference好み, demographic人口統計学 dataデータ

30

68327

1986

好みや人口統計データなどが

01:22

for hundreds数百 of millions何百万 of people,

31

70313

2101

得られるのです

01:24

whichどの is unprecedented前例のない in history歴史.

32

72414

2026

こんなことは
過去には有りませんでした

01:26

And as a computerコンピューター scientist科学者,
what this means手段 is that

33

74440

2560

私のようなコンピュータ科学者にとって
これは意味深く

01:29

I've been ableできる to buildビルドする modelsモデル

34

77000

1664

私は人々が共有した情報から

01:30

that can predict予測する all sortsソート of hidden隠された attributes属性

35

78664

2322

本人が公開しているとは思いもしない

01:32

for all of you that you don't even know

36

80986

2284

多くの隠された特性を予測できる

01:35

you're sharing共有 information情報 about.

37

83270

2202

モデルを構築することができました

01:37

As scientists科学者, we use that to help

38

85472

2382

科学者はそれによって
人々の—

01:39

the way people interact相互作用する onlineオンライン,

39

87854

2114

ネット上での交流を
手助け出来るのですが

01:41

but there's lessもっと少なく altruistic利他的 applicationsアプリケーション,

40

89968

2499

そんなに利他的でない
応用もあります

01:44

and there's a problem問題 in that usersユーザー don't really

41

92467

2381

問題はユーザーが

01:46

understandわかる these techniques技術 and how they work,

42

94848

2470

この様な技術の存在やしくみを理解せず

01:49

and even if they did, they don't
have a lot of controlコントロール over it.

43

97318

3128

たとえ知っていたとしても
コントロールする手段が無いことです

01:52

So what I want to talk to you about today今日

44

100446

1490

私が今日お話ししたいことは

01:53

is some of these things that we're ableできる to do,

45

101936

2702

こういうことに対して我々が
何をできるか

01:56

and then give us some ideasアイデア
of how we mightかもしれない go forward前進

46

104638

2763

そして我々の手に

01:59

to move動く some controlコントロール back into the hands手 of usersユーザー.

47

107401

2769

いくらかコントロールを
取り返すアイデアについてです

02:02

So this is Targetターゲット, the company会社.

48

110170

1586

これはTargetという会社のロゴ

02:03

I didn't just put that logoロゴ

49

111756

1324

この哀れな妊婦のお腹に

02:05

on this poor貧しい, pregnant妊娠している woman's女性の belly腹.

50

113080

2170

ロゴを意味もなく
貼りつけたのではありません

02:07

You mayかもしれない have seen見た this anecdote逸話 that was printed印刷された

51

115250

1840

雑誌フォーブスに載った逸話を

02:09

in Forbesフォーブス magazineマガジン where Targetターゲット

52

117090

2061

ご覧になったかもしれません

02:11

sent送られた a flyerチラシ to this 15-year-old-歳 girl女の子

53

119151

2361

Targetはこの15歳の少女が

02:13

with advertisements広告 and couponsクーポン

54

121512

1710

親に妊娠を打ち明ける２週も前に

02:15

for baby赤ちゃん bottlesボトル and diapersおむつ and cribsベビーベッド

55

123222

2554

哺乳瓶、おむつ、ベビーベッドの

02:17

two weeks週 before she told her parents親

56

125776

1684

広告とクーポン券を

02:19

that she was pregnant妊娠している.

57

127460

1864

送りつけたのです

02:21

Yeah, the dadパパ was really upset動揺.

58

129324

2704

父親は激怒しました

02:24

He said, "How did Targetターゲット figure数字 out

59

132028

1716

Targetは親さえ知らない

02:25

that this high高い school学校 girl女の子 was pregnant妊娠している

60

133744

1824

高校生の少女の妊娠を

02:27

before she told her parents親?"

61

135568

1960

どうして知っていたのか？

02:29

It turnsターン out that they have the purchase購入 history歴史

62

137528

2621

判明したことは彼らには

02:32

for hundreds数百 of thousands千 of customers顧客

63

140149

2301

何十万という顧客の
購入履歴データがあり

02:34

and they compute計算する what they
call a pregnancy妊娠 scoreスコア,

64

142450

2730

彼らが言う所の
妊娠スコアというものを計算したのです

02:37

whichどの is not just whetherかどうか or
not a woman's女性の pregnant妊娠している,

65

145180

2332

単に妊娠の判断だけでなく

02:39

but what her due支払う date日付 is.

66

147512

1730

予定日の推定さえするのです

02:41

And they compute計算する that

67

149242

1304

すぐそれと分かる購入品—

02:42

not by looking at the obvious明らか things,

68

150546

1768

例えばベビーベッドや
赤ちゃん服だけでなく

02:44

like, she's buying買う a cribベビーベッド or baby赤ちゃん clothes服,

69

152314

2512

例えばベビーベッドや
赤ちゃん服だけでなく

02:46

but things like, she bought買った more vitaminsビタミン

70

154826

2943

いつもよりビタミン剤を
多めに買ったとか

02:49

than she normally通常は had,

71

157769

1717

おむつを入れるのに必要であろう

02:51

or she bought買った a handbagハンドバッグ

72

159486

1464

大きな手さげカバンを

02:52

that's big大きい enough十分な to holdホールド diapersおむつ.

73

160950

1711

買ったということから
推測するのです

02:54

And by themselves自分自身, those purchases購入 don't seem思われる

74

162661

1910

それぞれの物は
購入したからと言って

02:56

like they mightかもしれない reveal明らかにする a lot,

75

164571

2469

何かがばれる訳ではなさそうですが

02:59

but it's a patternパターン of behavior動作 that,

76

167040

1978

そういった購入行動のパターンを

03:01

when you take it in the contextコンテキスト
of thousands千 of other people,

77

169018

3117

他の数千人の人々のデータと
照らし合わせることによって

03:04

starts開始する to actually実際に reveal明らかにする some insights洞察.

78

172135

2757

その意味が見えてきます

03:06

So that's the kind種類 of thing that we do

79

174892

1793

このようにして我々は―

03:08

when we're predicting予測する stuffもの
about you on socialソーシャル mediaメディア.

80

176685

2567

ソーシャルメディアを通して
皆さんの事を分析しています

03:11

We're looking for little
patternsパターン of behavior動作 that,

81

179252

2796

我々は数百万の人々の

03:14

when you detect検出する them among中 millions何百万 of people,

82

182048

2682

この様なささいな行動パターンから

03:16

lets〜する us find out all kinds種類 of things.

83

184730

2706

様々なことを見出そうとしているのです

03:19

So in my lab研究室 and with colleagues同僚,

84

187436

1747

私の研究所では仲間たちと

03:21

we've私たちは developed発展した mechanismsメカニズム where we can

85

189183

1777

様々なことを正確に予測する
手法を開発しました

03:22

quiteかなり accurately正確に predict予測する things

86

190960

1560

様々なことを正確に予測する
手法を開発しました

03:24

like your political政治的 preference好み,

87

192520

1725

人々の政治的傾向

03:26

your personality人 scoreスコア, gender性別, sexual性的 orientationオリエンテーション,

88

194245

3752

個性性別性的傾向

03:29

religion宗教, age年齢, intelligenceインテリジェンス,

89

197997

2873

宗教年令知能

03:32

along一緒に with things like

90

200870

1394

それに加え

03:34

how much you trust信頼 the people you know

91

202264

1937

知人をどの程度信頼し

03:36

and how strong強い those relationships関係 are.

92

204201

1804

どれくらい深い関係か
といったことです

03:38

We can do all of this really well.

93

206005

1785

かなり上手くいきました

03:39

And again, it doesn't come from what you mightかもしれない

94

207790

2197

繰り返しますが直接的でない
情報から結果が得られるのです

03:41

think of as obvious明らか information情報.

95

209987

2102

繰り返しますが直接的でない
情報から結果が得られるのです

03:44

So my favoriteお気に入り example例 is from this study調査

96

212089

2281

私が特に気に入っている事例は

03:46

that was published出版された this year年

97

214370

1240

米国科学アカデミー紀要に載った

03:47

in the Proceedings議事録 of the Nationalナショナル Academiesアカデミー.

98

215610

1795

今年の論文でグーグルで
検索すれば見つかるでしょう

03:49

If you GoogleGoogle this, you'llあなたは find it.

99

217405

1285

今年の論文でグーグルで
検索すれば見つかるでしょう

03:50

It's four4つの pagesページ, easy簡単 to read読む.

100

218690

1872

４ページの論文で
すぐに読めます

03:52

And they looked見た at just people's人々の Facebookフェイスブック likes好きな人,

101

220562

3003

ここではフェイスブックで
何を「いいね！」したかという

03:55

so just the things you like on Facebookフェイスブック,

102

223565

1920

情報だけを元に

03:57

and used that to predict予測する all these attributes属性,

103

225485

2138

先ほど挙げたような
個人の特性を

03:59

along一緒に with some other onesもの.

104

227623

1645

予測しています

04:01

And in their彼らの paper紙 they listedリストされた the five五 likes好きな人

105

229268

2961

この論文では高い知能と
関連性の高い

04:04

that were most最も indicative指示的 of high高い intelligenceインテリジェンス.

106

232229

2787

５つの「いいね！」の対象をリストしました

04:07

And among中 those was liking好み a pageページ

107

235016

2324

その一つが

04:09

for curly縮れた friesフライ. (Laughter笑い)

108

237340

1905

カーリー・フライのページです (笑)

04:11

Curly縮れた friesフライ are deliciousおいしい,

109

239245

2093

カーリー・フライは
確かに美味しいですが

04:13

but liking好み them does not necessarily必ずしも mean

110

241338

2530

カーリー・フライが
好きなこと自体が

04:15

that you're smarterスマートな than the average平均 person人.

111

243868

2080

平均以上の知性を
意味するのではありません

04:17

So how is it that one of the strongest最強 indicators指標

112

245948

3207

ではどうして対象物が
予測しようとする性質と無関係なのに

04:21

of your intelligenceインテリジェンス

113

249155

1570

ではどうして対象物が
予測しようとする性質と無関係なのに

04:22

is liking好み this pageページ

114

250725

1447

これが知性と関連性の高い
指標となるのでしょう

04:24

when the contentコンテンツ is totally完全に irrelevant無関係

115

252172

2252

これが知性と関連性の高い
指標となるのでしょう

04:26

to the attribute属性 that's beingであること predicted予測された?

116

254424

2527

これが知性と関連性の高い
指標となるのでしょう

04:28

And it turnsターン out that we have to look at

117

256951

1584

これを説き明かすために

04:30

a whole全体 bunch束 of underlying根底にある theories理論

118

258535

1618

背後にあるありとあらゆる

04:32

to see why we're ableできる to do this.

119

260153

2569

理論に着目すべきことが
分りました

04:34

One of them is a sociological社会学的
theory理論 calledと呼ばれる homophily同性愛者,

120

262722

2913

その一つが社会学で
「同類性」といわれるもので

04:37

whichどの basically基本的に says言う people are
friends友達 with people like them.

121

265635

3092

人間は基本的に似た者同士が
集まるというものです

04:40

So if you're smartスマート, you tend傾向がある to
be friends友達 with smartスマート people,

122

268727

2014

賢い人は賢い人達と
仲間になる傾向があり

04:42

and if you're young若い, you tend傾向がある
to be friends友達 with young若い people,

123

270741

2630

若者は若者同士で集まるといったことで

04:45

and this is well established設立

124

273371

1627

これは何百年もの前に

04:46

for hundreds数百 of years年.

125

274998

1745

確立された理論です

04:48

We alsoまた、 know a lot

126

276743

1232

情報がネットワークにより

04:49

about how information情報 spreadsスプレッド throughを通して networksネットワーク.

127

277975

2550

どう広がるかも
よく分かっています

04:52

It turnsターン out things like viralウイルス性の videosビデオ

128

280525

1754

話題になるビデオや

04:54

or Facebookフェイスブック likes好きな人 or other information情報

129

282279

2406

フェイスブックの「いいね！」
のような情報は

04:56

spreadsスプレッド in exactly正確に the same同じ way

130

284685

1888

まるで病気が伝染するように

ソーシャルネットワークを通して
広がるのです

04:58

that diseases病気 spread普及 throughを通して socialソーシャル networksネットワーク.

131

286573

2454

05:01

So this is something we've私たちは studied研究した for a long time.

132

289027

1791

こういうことは長年研究され

05:02

We have good modelsモデル of it.

133

290818

1576

良い予測モデルがあります

05:04

And so you can put those things together一緒に

134

292394

2157

こういったことを合わせて考えてみれば

05:06

and start開始 seeing見る why things like this happen起こる.

135

294551

3088

なぜあんな予測がなされるのか
分ってきます

05:09

So if I were to give you a hypothesis仮説,

136

297639

1814

そこで仮説を示すとすれば―

05:11

it would be that a smartスマート guy started開始した this pageページ,

137

299453

3227

そのページを作った人か

05:14

or maybe one of the first people who liked好き it

138

302680

1939

あるいは初期に「いいね！」をした一人が

05:16

would have scored得点する high高い on that testテスト.

139

304619

1736

知性の高い人だったのでしょう

05:18

And they liked好き it, and their彼らの friends友達 saw it,

140

306355

2288

彼らが気に入って
そしてその友達がこれを見て

05:20

and by homophily同性愛者, we know that
he probably多分 had smartスマート friends友達,

141

308643

3122

類が友を呼び ― きっと彼には賢い友人が
多いのでしょう

05:23

and so it spread普及 to them,
and some of them liked好き it,

142

311765

3056

仲間の輪は広がり
彼らも気に入り

05:26

and they had smartスマート friends友達,

143

314821

1189

そこからさらに

05:28

and so it spread普及 to them,

144

316010

807

賢い友達へと広まり

05:28

and so it propagated伝播 throughを通して the networkネットワーク

145

316817

1973

ネットワークを通して
たくさんの知性の高い人へと伝わっていき

05:30

to a hostホスト of smartスマート people,

146

318790

2569

ネットワークを通して
たくさんの知性の高い人へと伝わっていき

05:33

so that by the end終わり, the actionアクション

147

321359

2056

ついにはカーリー・フライへの

05:35

of liking好み the curly縮れた friesフライ pageページ

148

323415

2544

「いいね！」という行動が

05:37

is indicative指示的 of high高い intelligenceインテリジェンス,

149

325959

1615

商品の中身とは無関係に

05:39

not because of the contentコンテンツ,

150

327574

1803

「いいね！」と投票した人たちの

05:41

but because the actual実際の actionアクション of liking好み

151

329377

2522

共通の特性が反映され

05:43

reflects反映する back the common一般 attributes属性

152

331899

1900

高い知性を表すことになったのです

05:45

of other people who have done完了 it.

153

333799

2468

高い知性を表すことになったのです

05:48

So this is prettyかなり complicated複雑な stuffもの, right?

154

336267

2897

とても複雑な関係ですね？

05:51

It's a hardハード thing to sit座る down and explain説明する

155

339164

2199

これを普通の方の前で

05:53

to an average平均 userユーザー, and even if you do,

156

341363

2848

説明するのは難しいし
そうしたからといって

05:56

what can the average平均 userユーザー do about it?

157

344211

2188

普通の人はどうすべきか
分かりませんね?

05:58

How do you know that
you've liked好き something

158

346399

2048

何かを「いいね！」したとき

06:00

that indicates指示する a trait形質 for you

159

348447

1492

それとは直接関係のない

06:01

that's totally完全に irrelevant無関係 to the
contentコンテンツ of what you've liked好き?

160

349939

3545

性格をつかまれてしまうなんて
どうして分かるでしょう？

06:05

There's a lot of powerパワー that usersユーザー don't have

161

353484

2546

ユーザーがデータの用途を
コントロールできない

06:08

to controlコントロール how this dataデータ is used.

162

356030

2230

そんな仕組みが多くあるのです

06:10

And I see that as a realリアル
problem問題 going forward前進.

163

358260

3112

そして私は実際に問題が
起こっていることを知っています

06:13

So I think there's a coupleカップル pathsパス

164

361372

1977

私はユーザーにデータの使用方法の

06:15

that we want to look at

165

363349

1001

コントロールを与える

06:16

if we want to give usersユーザー some controlコントロール

166

364350

1910

２つのやり方があると
思います

06:18

over how this dataデータ is used,

167

366260

1740

２つのやり方があると
思います

06:20

because it's not always going to be used

168

368000

1940

というのもデータ利用は必ずしも
ユーザの―

06:21

for their彼らの benefit利益.

169

369940

1381

為になっていないからです

06:23

An example例 I oftenしばしば give is that,

170

371321

1422

私がよく挙げる例は

06:24

if I ever get bored退屈な beingであること a professor教授,

171

372743

1646

もし私が教授職に飽きて

06:26

I'm going to go start開始 a company会社

172

374389

1653

会社を立ち上げ

06:28

that predicts予測する all of these attributes属性

173

376042

1454

皆さんの特性だとか

06:29

and things like how well you work in teamsチーム

174

377496

1602

チームワーク力とか

06:31

and if you're a drugドラッグ userユーザー, if you're an alcoholicアルコール性.

175

379098

2671

薬物使用癖やアルコール依存
などを予測します

06:33

We know how to predict予測する all that.

176

381769

1440

推定方法は分かっています

06:35

And I'm going to sell売る reportsレポート

177

383209

1761

そして皆さんを雇用したがっている

06:36

to H.R. companies企業 and big大きい businessesビジネス

178

384970

2100

人材派遣会社や大企業に

06:39

that want to hire雇う you.

179

387070

2273

レポートを売りつけるのです

06:41

We totally完全に can do that now.

180

389343

1177

我々はすぐにでもできます

06:42

I could start開始 that businessビジネス tomorrow明日,

181

390520

1788

明日にだってビジネスを始められるでしょう

06:44

and you would have
absolutely絶対に no controlコントロール

182

392308

2052

そして私が皆さんのデータを

06:46

over me usingを使用して your dataデータ like that.

183

394360

2138

そのように使うのを
止めることはできません

06:48

That seems思われる to me to be a problem問題.

184

396498

2292

そのことが問題だと言っているのです

06:50

So one of the pathsパス we can go down

185

398790

1910

取り得る対策の一つは

06:52

is the policyポリシー and law法律 pathパス.

186

400700

2032

ポリシーや法律による方法です

06:54

And in some respects敬意, I think
that that would be most最も effective効果的な,

187

402732

3046

ある意味
これが最も効果的かもしれません

06:57

but the problem問題 is we'd結婚した
actually実際に have to do it.

188

405778

2756

しかし問題は我々は
働きかけることしかできないことです

07:00

Observing観察する our political政治的 processプロセス in actionアクション

189

408534

2780

政策決定のプロセスを見ていると

07:03

makes作る me think it's highly高く unlikely起こりそうもない

190

411314

2379

多くの議員が集まって

07:05

that we're going to get a bunch束 of representatives代表者

191

413693

1597

我々の話を聞いて
事情を理解し

07:07

to sit座る down, learn学ぶ about this,

192

415290

1986

ユーザーが自分のデータの

07:09

and then enact制定する sweeping掃く changes変更

193

417276

2106

用途を管理できるよう

07:11

to intellectual知的 propertyプロパティ law法律 in the U.S.

194

419382

2157

米国の知的所有権法を
大幅に変えるというのは

07:13

so usersユーザー controlコントロール their彼らの dataデータ.

195

421539

2461

とても起こりそうな気がしません

07:16

We could go the policyポリシー routeルート,

196

424000

1304

ポリシーという道もあります

07:17

where socialソーシャル mediaメディア companies企業 say,

197

425304

1479

つまりソーシャルメディア会社が

“データは皆さんのものです

07:18

you know what? You own自分の your dataデータ.

198

426783

1402

07:20

You have total合計 controlコントロール over how it's used.

199

428185

2489

皆さんがすべて管理できます”
と言うのです

07:22

The problem問題 is that the revenue収入 modelsモデル

200

430674

1848

問題は収入モデルにあります

07:24

for most最も socialソーシャル mediaメディア companies企業

201

432522

1724

ソーシャルメディア会社は

07:26

rely頼りにする on sharing共有 or exploiting悪用
users'ユーザーの ' dataデータ in some way.

202

434246

4031

ユーザのデータを何らかの方法で
共有もしくは利用することで成り立っています

07:30

It's sometimes時々 said of Facebookフェイスブック that the usersユーザー

203

438277

1833

時々言われる事ですが
フェイスブックにとって

07:32

aren'tない the customer顧客, they're the product製品.

204

440110

2528

“ユーザは顧客ではなくて製品だと”

07:34

And so how do you get a company会社

205

442638

2714

だからこのような会社が

07:37

to cedeセド controlコントロール of their彼らの mainメイン asset資産

206

445352

2558

大事な資産をユーザーに返すなどという

07:39

back to the usersユーザー?

207

447910

1249

譲歩をするでしょうか？

07:41

It's possible可能, but I don't think it's something

208

449159

1701

可能だとは思いますが

07:42

that we're going to see change変化する quickly早く.

209

450860

2320

私は直ぐには起こりそうにないと思います

07:45

So I think the other pathパス

210

453180

1500

もう一つの道で

07:46

that we can go down that's
going to be more effective効果的な

211

454680

2288

より効果的であろうものは

07:48

is one of more science科学.

212

456968

1508

科学を使うことです

07:50

It's doing science科学 that allowed許可された us to develop開発する

213

458476

2510

データから個人の特性を
導き出すメカニズムを

07:52

all these mechanismsメカニズム for computing計算

214

460986

1750

開発できるようにしてくれた

07:54

this personal個人的 dataデータ in the first place場所.

215

462736

2052

科学を研究すること

07:56

And it's actually実際に very similar類似 research研究

216

464788

2106

それとごく似た

07:58

that we'd結婚した have to do

217

466894

1438

研究によって

08:00

if we want to develop開発する mechanismsメカニズム

218

468332

2386

“これにはリスクがありますよ”
といった警告を

08:02

that can say to a userユーザー,

219

470718

1421

ユーザーに発するような

08:04

"Here'sここにいる the riskリスク of that actionアクション you just took取った."

220

472139

2229

仕組みを開発できるでしょう

08:06

By liking好み that Facebookフェイスブック pageページ,

221

474368

2080

フェイスブックで「いいね！」したり

08:08

or by sharing共有 this pieceピース of personal個人的 information情報,

222

476448

2535

個人情報を共有すると

08:10

you've now improved改善された my ability能力

223

478983

1502

皆さんがドラッグをやっているかとか

08:12

to predict予測する whetherかどうか or not you're usingを使用して drugs薬物

224

480485

2086

職場で上手くいっているかどうかとか

08:14

or whetherかどうか or not you get
along一緒に well in the workplace職場.

225

482571

2862

そういった事について予測される精度が
上がったのでした

08:17

And that, I think, can affect影響を与える whetherかどうか or not

226

485433

1848

警告の仕組みを導入すると

08:19

people want to shareシェア something,

227

487281

1510

情報を公開する
友達に限定する

08:20

keep it privateプライベート, or just keep it offlineオフライン altogether全部.

228

488791

3239

まったく共有しないといった
人々の選択に影響するでしょう

08:24

We can alsoまた、 look at things like

229

492030

1563

またはアップロードする情報を

08:25

allowing許す people to encrypt暗号化する dataデータ that they uploadアップロード,

230

493593

2728

暗号化するという手段も
考えられるでしょう

08:28

so it's kind種類 of invisible目に見えない and worthless役に立たない

231

496321

1855

これでフェイスブックの様なサイトや

08:30

to sitesサイト like Facebookフェイスブック

232

498176

1431

そこからデータを受ける

08:31

or third三番 partyパーティー servicesサービス that accessアクセス it,

233

499607

2629

第三者のサービス会社には
無意味なデータとなり

08:34

but that select選択する usersユーザー who the person人 who posted投稿された it

234

502236

3247

一方で本人が見て欲しいと思う人は

08:37

want to see it have accessアクセス to see it.

235

505483

2670

見ることができます

08:40

This is all superスーパー excitingエキサイティング research研究

236

508153

2166

これは知的な観点から

08:42

from an intellectual知的 perspective視点,

237

510319

1620

非常に面白い研究であり

08:43

and so scientists科学者 are going to be willing喜んで to do it.

238

511939

1859

科学者は喜んで取り組むでしょう

08:45

So that gives与える us an advantage利点 over the law法律 side側.

239

513798

3610

その点で政策に訴える手段よりも
優れています

08:49

One of the problems問題 that people bring持参する up

240

517408

1725

この話をすると皆さんに―

08:51

when I talk about this is, they say,

241

519133

1595

よく指摘されるのは

皆が情報を非公開に
するようになったら

08:52

you know, if people start開始
keeping維持 all this dataデータ privateプライベート,

242

520728

2646

08:55

all those methodsメソッド that you've been developing現像

243

523374

2113

私たちの開発してきた
人の行動パターンの―

08:57

to predict予測する their彼らの traits形質 are going to fail失敗します.

244

525487

2653

予測手法が使えなくなるのでは
ということです

09:00

And I say, absolutely絶対に, and for me, that's success成功,

245

528140

3520

その通りですが
私にとってそれは成功なのです

09:03

because as a scientist科学者,

246

531660

1786

なぜなら一科学者として

09:05

my goalゴール is not to infer推論 information情報 about usersユーザー,

247

533446

3688

私の目標はユーザーの情報から
何かをあぶりだすことではなくて

09:09

it's to improve改善する the way people interact相互作用する onlineオンライン.

248

537134

2767

人々のオンラインにおける交流を
改善することだからです

09:11

And sometimes時々 that involves関係する
inferring推論 things about them,

249

539901

3218

そのために人々のデータから
推測をすることもありますが

09:15

but if usersユーザー don't want me to use that dataデータ,

250

543119

3022

皆さんがデータの利用を
望まないのであれば

09:18

I think they should have the right to do that.

251

546141

2038

皆さんにそう言う権利が
あるべきだと思います

09:20

I want usersユーザー to be informed知らされた and consenting合意

252

548179

2651

我々が開発するツールについて
ユーザーは知らされ

09:22

usersユーザー of the toolsツール that we develop開発する.

253

550830

2112

同意の元で使われるべきだと思います

09:24

And so I think encouraging励ます this kind種類 of science科学

254

552942

2952

データを管理する力の一部を
ソーシャルメディアから

09:27

and supportingサポートする researchers研究者

255

555894

1346

ユーザーに返すような

09:29

who want to cedeセド some of that controlコントロール back to usersユーザー

256

557240

3023

科学的研究を推し進め

09:32

and away from the socialソーシャル mediaメディア companies企業

257

560263

2311

研究者を支援することで

09:34

means手段 that going forward前進, as these toolsツール evolve進化する

258

562574

2671

このようなツールは進化し

09:37

and advance前進,

259

565245

1476

進歩を遂げることになり

09:38

means手段 that we're going to have an educated教育を受けた

260

566721

1414

ユーザーが知識と力を

09:40

and empowered権限を与えられた userユーザー baseベース,

261

568135

1694

持つようになるでしょう

09:41

and I think all of us can agree同意する

262

569829

1100

これが理想的な方法だと

09:42

that that's a prettyかなり ideal理想的な way to go forward前進.

263

570929

2564

同意して頂けるものと思ってます

09:45

Thank you.

264

573493

2184

どうも有り難うございました

09:47

(Applause拍手)

265

575677

3080

(拍手)

Translated by Tomoyuki Suzuki
Reviewed by Yasushi Aoki

ABOUT THE SPEAKER

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.

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.

More profile about the speaker
Jennifer Golbeck | Speaker | TED.com

THE ORIGINAL VIDEO ON TED.COM

ジェニファー・ゴルベック: カーリー・フライの謎解き — ソーシャルメディアでの「いいね！」があなたの秘密を明かす？ | TED Talk | TED.com