TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
Jennifer Golbeck: Het krulfriet-raadsel: waarom een 'like' in de sociale media meer zegt dan je denkt
Filmed:
Readability: 4.5
2,366,837 views
Er kan veel worden gedaan met online gegevens. Maar wist je dat computerexperts wel eens hebben vastgesteld dat je intelligent bent als je een Facebook-pagina over krulfriet een "like" geeft? Echt waar. Informaticawetenschapper Jennifer Golbeck legt uit hoe dat kan, hoe sommige toepassingen van de technologie niet zo goedaardig zijn - en waarom ze denkt dat we de controle over de informatie terug moeten geven aan de rechtmatige eigenaren.
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
De eerste tien jaar was internet
00:14
it was really a static place.
1
2735
2255
een nogal statische plek.
00:16
You could go online, you could look at pages,
2
4990
2245
Je kon online gaan
en pagina's bekijken
en pagina's bekijken
00:19
and they were put up either by organizations
3
7235
2513
die erop gezet waren
door organisaties,
waar teams dat deden,
waar teams dat deden,
00:21
who had teams to do it
4
9748
1521
00:23
or by individuals who were really tech-savvy
5
11269
2229
of door mensen die voor die tijd
00:25
for the time.
6
13498
1737
technisch onderlegd waren.
00:27
And with the rise of social media
7
15235
1575
Met de groei van sociale media
00:28
and social networks in the early 2000s,
8
16810
2399
en sociale netwerken
in de beginjaren 2000,
in de beginjaren 2000,
00:31
the web was completely changed
9
19209
2149
veranderde het internet volkomen
00:33
to a place where now the vast majority of content
10
21358
3608
tot een plek waar nu
de meeste inhoud van het internet
de meeste inhoud van het internet
00:36
we interact with is put up by average users,
11
24966
3312
door gemiddelde gebruikers
wordt geleverd.
wordt geleverd.
00:40
either in YouTube videos or blog posts
12
28278
2697
Zij het in YouTube-video's of weblogs
00:42
or product reviews or social media postings.
13
30975
3315
of productbesprekingen
of in sociale media.
of in sociale media.
00:46
And it's also become a much more interactive place,
14
34290
2347
Het wordt ook
een steeds interactievere plek,
een steeds interactievere plek,
00:48
where people are interacting with others,
15
36637
2637
waar mensen interactief zijn met elkaar.
00:51
they're commenting, they're sharing,
16
39274
1696
Ze geven commentaar en delen,
00:52
they're not just reading.
17
40970
1614
ze lezen niet alleen maar.
00:54
So Facebook is not the only place you can do this,
18
42584
1866
Facebook is er niet de enige plek voor,
00:56
but it's the biggest,
19
44450
1098
maar wel de grootste.
00:57
and it serves to illustrate the numbers.
20
45548
1784
De cijfers spreken boekdelen.
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
Facebook heeft 1,2 miljard
gebruikers per maand.
gebruikers per maand.
01:02
So half the Earth's Internet population
22
50809
1930
Dus de helft van alle internetgebruikers
gebruikt Facebook.
gebruikt Facebook.
01:04
is using Facebook.
23
52739
1653
01:06
They are a site, along with others,
24
54392
1932
Op deze website, net als op andere,
01:08
that has allowed people to create an online persona
25
56324
3219
kunnen mensen
zonder veel technische kennis
zonder veel technische kennis
een online persona creëren.
01:11
with very little technical skill,
26
59543
1782
01:13
and people responded by putting huge amounts
27
61325
2476
Men reageerde daarop
door enorm veel persoonlijke gegevens
online te zetten.
online te zetten.
01:15
of personal data online.
28
63801
1983
01:17
So the result is that we have behavioral,
29
65784
2543
Het gevolg is dat we gedrag, voorkeuren
01:20
preference, demographic data
30
68327
1986
en demografische gegevens
01:22
for hundreds of millions of people,
31
70313
2101
van honderden miljoenen mensen kennen,
01:24
which is unprecedented in history.
32
72414
2026
wat ongeëvenaard is in de geschiedenis.
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
Als computerwetenschapper
kan ik daardoor modellen maken
kan ik daardoor modellen maken
01:29
I've been able to build models
34
77000
1664
die allerlei verborgen kenmerken
over je kunnen voorspellen
over je kunnen voorspellen
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
waarvan jullie zelf niet eens weten
01:35
you're sharing information about.
37
83270
2202
dat je er informatie over deelt.
01:37
As scientists, we use that to help
38
85472
2382
Als wetenschappers
gebruiken we dat
gebruiken we dat
om mensen te helpen
bij hun online gedrag.
bij hun online gedrag.
01:39
the way people interact online,
39
87854
2114
01:41
but there's less altruistic applications,
40
89968
2499
Maar er zijn ook minder
menslievende toepassingen.
menslievende toepassingen.
01:44
and there's a problem in that users don't really
41
92467
2381
Het probleem is dat gebruikers
01:46
understand these techniques and how they work,
42
94848
2470
de werking van deze technieken
niet goed snappen.
niet goed snappen.
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
Zelfs dan nog hebben ze er
niet veel controle over.
niet veel controle over.
01:52
So what I want to talk to you about today
44
100446
1490
Ik heb het vandaag over dingen
01:53
is some of these things that we're able to do,
45
101936
2702
die we kunnen doen
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
om te begrijpen hoe we
vooruit kunnen gaan
vooruit kunnen gaan
01:59
to move some control back into the hands of users.
47
107401
2769
en die controle kunnen
teruggeven aan de gebruiker.
teruggeven aan de gebruiker.
Dit is Target, het bedrijf.
02:02
So this is Target, the company.
48
110170
1586
Ik heb dat logo niet zomaar
op de buik gedaan
op de buik gedaan
02:03
I didn't just put that logo
49
111756
1324
02:05
on this poor, pregnant woman's belly.
50
113080
2170
van deze arme zwangere vrouw.
02:07
You may have seen this anecdote that was printed
51
115250
1840
Misschien heb je het verhaal gelezen
02:09
in Forbes magazine where Target
52
117090
2061
in het tijdschrift Forbes
over Target, die
over Target, die
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
een folder stuurde
naar een 15-jarig meisje
naar een 15-jarig meisje
02:13
with advertisements and coupons
54
121512
1710
met advertenties en tegoedbonnen
02:15
for baby bottles and diapers and cribs
55
123222
2554
voor babyflesjes en luiers en bedjes,
02:17
two weeks before she told her parents
56
125776
1684
twee weken voor ze
haar ouders vertelde
haar ouders vertelde
02:19
that she was pregnant.
57
127460
1864
dat ze zwanger was.
02:21
Yeah, the dad was really upset.
58
129324
2704
Tja, de vader was nogal overstuur.
02:24
He said, "How did Target figure out
59
132028
1716
Hij zei: "Hoe weet Target
dat dit schoolkind zwanger was
02:25
that this high school girl was pregnant
60
133744
1824
02:27
before she told her parents?"
61
135568
1960
voordat ze het haar ouders vertelde?"
02:29
It turns out that they have the purchase history
62
137528
2621
Het bleek dat ze koopgegevens hebben
02:32
for hundreds of thousands of customers
63
140149
2301
van honderdduizenden klanten.
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
Ze berekenen wat ze noemen
een zwangerschaps-score.
een zwangerschaps-score.
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
Niet óf een vrouw zwanger is
maar wanneer ze uitgeteld is.
02:39
but what her due date is.
66
147512
1730
02:41
And they compute that
67
149242
1304
Ze berekenden dat niet
02:42
not by looking at the obvious things,
68
150546
1768
aan de hand van bekende dingen
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
zoals het kopen van
een bedje of kleertjes,
een bedje of kleertjes,
02:46
but things like, she bought more vitamins
70
154826
2943
maar omdat ze bijvoorbeeld
meer vitaminen kocht dan normaal,
meer vitaminen kocht dan normaal,
02:49
than she normally had,
71
157769
1717
02:51
or she bought a handbag
72
159486
1464
of ze kocht een handtas
02:52
that's big enough to hold diapers.
73
160950
1711
die groot genoeg is voor luiers.
02:54
And by themselves, those purchases don't seem
74
162661
1910
En elk op zichzelf
onthult dat niet veel
onthult dat niet veel
02:56
like they might reveal a lot,
75
164571
2469
maar als je deze gedragspatronen
02:59
but it's a pattern of behavior that,
76
167040
1978
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
bij duizenden mensen bekijkt,
geeft dit daadwerkelijk
bepaalde inzichten.
bepaalde inzichten.
03:04
starts to actually reveal some insights.
78
172135
2757
03:06
So that's the kind of thing that we do
79
174892
1793
Dat zijn we aan het doen
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
als we dingen voorspellen
over jou en sociale media.
over jou en sociale media.
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
We kijken naar subtiele
gedragspatronen die,
gedragspatronen die,
03:14
when you detect them among millions of people,
82
182048
2682
als je dat ziet bij miljoenen mensen,
03:16
lets us find out all kinds of things.
83
184730
2706
allerlei dingen onthullen.
03:19
So in my lab and with colleagues,
84
187436
1747
In mijn lab met mijn collega's,
03:21
we've developed mechanisms where we can
85
189183
1777
hebben we bedacht hoe we dingen
aardig kunnen voorspellen
aardig kunnen voorspellen
03:22
quite accurately predict things
86
190960
1560
03:24
like your political preference,
87
192520
1725
zoals je politieke voorkeur,
03:26
your personality score, gender, sexual orientation,
88
194245
3752
je persoonlijkheid, aard,
seksuele voorkeur,
seksuele voorkeur,
03:29
religion, age, intelligence,
89
197997
2873
geloof, leeftijd, intelligentie,
03:32
along with things like
90
200870
1394
en nog veel meer:
03:34
how much you trust the people you know
91
202264
1937
in hoeverre je je kennissen vertrouwt
03:36
and how strong those relationships are.
92
204201
1804
en hoe sterk je relatie met hen is.
03:38
We can do all of this really well.
93
206005
1785
We kunnen dat behoorlijk goed.
03:39
And again, it doesn't come from what you might
94
207790
2197
Het komt niet van wat je zou denken,
03:41
think of as obvious information.
95
209987
2102
uit voor de hand liggende informatie.
03:44
So my favorite example is from this study
96
212089
2281
Mijn favoriete voorbeeld
is van een onderzoek
is van een onderzoek
03:46
that was published this year
97
214370
1240
dat dit jaar stond
03:47
in the Proceedings of the National Academies.
98
215610
1795
in het tijdschrift PNAS.
03:49
If you Google this, you'll find it.
99
217405
1285
Googel maar eens.
03:50
It's four pages, easy to read.
100
218690
1872
Vier pagina's, goed leesbaar.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
Ze keken alleen
naar de 'likes' op Facebook.
naar de 'likes' op Facebook.
03:55
so just the things you like on Facebook,
102
223565
1920
Dus: dingen die je
leuk vindt op Facebook.
leuk vindt op Facebook.
03:57
and used that to predict all these attributes,
103
225485
2138
Ze gebruikten dat
om die kenmerken te voorspellen
om die kenmerken te voorspellen
03:59
along with some other ones.
104
227623
1645
en nog wat andere dingen.
04:01
And in their paper they listed the five likes
105
229268
2961
In hun scriptie noemden ze de vijf 'likes'
04:04
that were most indicative of high intelligence.
106
232229
2787
die het sterkst wezen
op een hoge intelligentie.
op een hoge intelligentie.
04:07
And among those was liking a page
107
235016
2324
Daartussen stond ook het 'liken'
04:09
for curly fries. (Laughter)
108
237340
1905
van krulfriet.
(Gelach)
(Gelach)
04:11
Curly fries are delicious,
109
239245
2093
Krulfriet is heerlijk,
04:13
but liking them does not necessarily mean
110
241338
2530
maar ervan houden
betekent niet per se
betekent niet per se
04:15
that you're smarter than the average person.
111
243868
2080
dat je slimmer bent dan gemiddeld.
04:17
So how is it that one of the strongest indicators
112
245948
3207
Hoe kan het dan dat
een van de sterkste aanwijzingen
een van de sterkste aanwijzingen
04:21
of your intelligence
113
249155
1570
over je intelligentie
04:22
is liking this page
114
250725
1447
het 'liken' van deze pagina is
04:24
when the content is totally irrelevant
115
252172
2252
als de inhoud totaal los staat
04:26
to the attribute that's being predicted?
116
254424
2527
van het kenmerk dat voorspeld wordt?
04:28
And it turns out that we have to look at
117
256951
1584
Het blijkt dat we moeten kijken
04:30
a whole bunch of underlying theories
118
258535
1618
naar onderliggende theorieën
04:32
to see why we're able to do this.
119
260153
2569
om te zien hoe we dat kunnen doen.
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
Een ervan is een sociologische theorie
die homofilie heet.
die homofilie heet.
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
Je bent bevriend
met mensen zoals jezelf.
met mensen zoals jezelf.
04:40
So if you're smart, you tend to
be friends with smart people,
be friends with smart people,
122
268727
2014
Slimme mensen
hebben slimme vrienden.
hebben slimme vrienden.
04:42
and if you're young, you tend
to be friends with young people,
to be friends with young people,
123
270741
2630
Als je jong bent
heb je jonge vrienden.
heb je jonge vrienden.
04:45
and this is well established
124
273371
1627
Dat is al eeuwen ingeburgerd.
04:46
for hundreds of years.
125
274998
1745
We weten ook veel over
04:48
We also know a lot
126
276743
1232
04:49
about how information spreads through networks.
127
277975
2550
hoe informatie wordt verspreid
in netwerken.
in netwerken.
04:52
It turns out things like viral videos
128
280525
1754
Het blijkt dat virale video's
of likes op Facebook en andere informatie
04:54
or Facebook likes or other information
129
282279
2406
zich op precies dezelfde
manier verspreiden
manier verspreiden
04:56
spreads in exactly the same way
130
284685
1888
04:58
that diseases spread through social networks.
131
286573
2454
als ziektes in een sociaal netwerk.
Dat hebben we lang bestudeerd.
05:01
So this is something we've studied for a long time.
132
289027
1791
We hebben er goede modellen voor.
05:02
We have good models of it.
133
290818
1576
05:04
And so you can put those things together
134
292394
2157
Je kan die dingen dus naast elkaar zetten
05:06
and start seeing why things like this happen.
135
294551
3088
en zien waarom zulke dingen gebeuren.
Mijn hypothese is
dat een slim iemand
dat een slim iemand
05:09
So if I were to give you a hypothesis,
136
297639
1814
05:11
it would be that a smart guy started this page,
137
299453
3227
deze pagina is begonnen,
of dat één van de eersten
die het 'liketen'
die het 'liketen'
05:14
or maybe one of the first people who liked it
138
302680
1939
05:16
would have scored high on that test.
139
304619
1736
hoog scoorde in die test.
05:18
And they liked it, and their friends saw it,
140
306355
2288
Zij 'liketen' het
en hun vrienden zagen dat,
en hun vrienden zagen dat,
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
en door homofilie weten we
dat hij slimme vrienden zal hebben.
dat hij slimme vrienden zal hebben.
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
Zo kregen zij het te zien
en sommigen 'liketen' het
en sommigen 'liketen' het
05:26
and they had smart friends,
143
314821
1189
en zo kwam het bij hún slimme vrienden,
05:28
and so it spread to them,
144
316010
807
05:28
and so it propagated through the network
145
316817
1973
en verspreidde zich
via dit netwerk
via dit netwerk
05:30
to a host of smart people,
146
318790
2569
naar heel veel slimme mensen
05:33
so that by the end, the action
147
321359
2056
zodat aan het einde
05:35
of liking the curly fries page
148
323415
2544
het 'liken' van de krulfriet-pagina
05:37
is indicative of high intelligence,
149
325959
1615
intelligentie impliceert.
05:39
not because of the content,
150
327574
1803
Niet vanwege de inhoud
05:41
but because the actual action of liking
151
329377
2522
maar omdat de handeling van het 'liken'
05:43
reflects back the common attributes
152
331899
1900
de bekende eigenschappen teruggeeft
05:45
of other people who have done it.
153
333799
2468
van anderen die dat hebben gedaan.
05:48
So this is pretty complicated stuff, right?
154
336267
2897
Dat is nogal ingewikkeld hè?
05:51
It's a hard thing to sit down and explain
155
339164
2199
Het is moeilijk uit te leggen
05:53
to an average user, and even if you do,
156
341363
2848
aan de gemiddelde gebruiker,
en al leg je het uit,
en al leg je het uit,
05:56
what can the average user do about it?
157
344211
2188
wat kan die gemiddelde gebruiker
eraan doen?
eraan doen?
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
Hoe weet je dat een 'like'
06:00
that indicates a trait for you
159
348447
1492
iets impliceert over jou,
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
dat helemaal los staat
van de inhoud die je 'liket'?
van de inhoud die je 'liket'?
06:05
There's a lot of power that users don't have
161
353484
2546
Er is veel macht
die gebruikers niet hebben
die gebruikers niet hebben
06:08
to control how this data is used.
162
356030
2230
om te bepalen
hoe de gegevens worden gebruikt.
hoe de gegevens worden gebruikt.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
Ik zie dat als een probleem
dat steeds groter wordt.
dat steeds groter wordt.
06:13
So I think there's a couple paths
164
361372
1977
Ik denk dat we een aantal
richtingen op kunnen
richtingen op kunnen
06:15
that we want to look at
165
363349
1001
06:16
if we want to give users some control
166
364350
1910
als we de gebruikers
willen laten bepalen
willen laten bepalen
06:18
over how this data is used,
167
366260
1740
hoe die gegevens worden gebruikt,
06:20
because it's not always going to be used
168
368000
1940
want het wordt niet altijd
in hun voordeel gebruikt.
in hun voordeel gebruikt.
06:21
for their benefit.
169
369940
1381
06:23
An example I often give is that,
170
371321
1422
Ik zeg vaak:
als professor zijn me gaat vervelen,
als professor zijn me gaat vervelen,
06:24
if I ever get bored being a professor,
171
372743
1646
06:26
I'm going to go start a company
172
374389
1653
ga ik een bedrijf beginnen
06:28
that predicts all of these attributes
173
376042
1454
dat eigenschappen voorspelt.
06:29
and things like how well you work in teams
174
377496
1602
Dingen als teamwork
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
en of drugs gebruikt,
of je alcoholist bent.
of je alcoholist bent.
06:33
We know how to predict all that.
176
381769
1440
We weten hoe je dat voorspelt.
06:35
And I'm going to sell reports
177
383209
1761
Ik ga verslagen verkopen
06:36
to H.R. companies and big businesses
178
384970
2100
aan HR-firma's en grote ondernemingen
06:39
that want to hire you.
179
387070
2273
die je willen inhuren.
We kunnen dat allemaal al.
06:41
We totally can do that now.
180
389343
1177
06:42
I could start that business tomorrow,
181
390520
1788
Ik kan dat bedrijf morgen beginnen
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
en jij zou niet kunnen voorkomen
06:46
over me using your data like that.
183
394360
2138
dat ik jouw gegevens zo gebruik.
06:48
That seems to me to be a problem.
184
396498
2292
Dat lijkt me wel een probleem.
Eén mogelijkheid is
06:50
So one of the paths we can go down
185
398790
1910
dat we ons richten
op beleid en wetgeving.
op beleid en wetgeving.
06:52
is the policy and law path.
186
400700
2032
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
In sommige opzichten zou dat
het effectiefst zijn
het effectiefst zijn
maar het probleem is
om het daadwerkelijk te doen.
om het daadwerkelijk te doen.
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
07:00
Observing our political process in action
189
408534
2780
Als ik kijk naar de politiek
07:03
makes me think it's highly unlikely
190
411314
2379
dan lijkt me het niet waarschijnlijk
07:05
that we're going to get a bunch of representatives
191
413693
1597
dat we vertegenwoordigers krijgen
07:07
to sit down, learn about this,
192
415290
1986
die zich hier
grondig over informeren
grondig over informeren
07:09
and then enact sweeping changes
193
417276
2106
en dan het intellectueel eigendomsrecht
ingrijpend gaan veranderen,
ingrijpend gaan veranderen,
07:11
to intellectual property law in the U.S.
194
419382
2157
zodat gebruikers controle krijgen
over hun gegevens.
over hun gegevens.
07:13
so users control their data.
195
421539
2461
Je kan het beleidsmatig doen,
07:16
We could go the policy route,
196
424000
1304
07:17
where social media companies say,
197
425304
1479
als sociale mediabedrijven
07:18
you know what? You own your data.
198
426783
1402
jou volledige controle geven
over je gegevens.
over je gegevens.
07:20
You have total control over how it's used.
199
428185
2489
Maar de verdienmodellen
van de meeste sociale mediabedrijven
van de meeste sociale mediabedrijven
07:22
The problem is that the revenue models
200
430674
1848
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
berusten op het delen of uitbaten
van de gebruikersgegevens.
van de gebruikersgegevens.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
Ze zeggen van Facebook dat de gebruikers
niet de klant zijn, maar het product.
niet de klant zijn, maar het product.
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
Hoe krijg je dan een bedrijf zover
07:37
to cede control of their main asset
206
445352
2558
dat ze de macht
over hun belangrijkste troef
over hun belangrijkste troef
07:39
back to the users?
207
447910
1249
teruggeven aan de klant?
07:41
It's possible, but I don't think it's something
208
449159
1701
Het is mogelijk, maar ik denk niet
07:42
that we're going to see change quickly.
209
450860
2320
dat we dat snel
zullen zien veranderen.
zullen zien veranderen.
07:45
So I think the other path
210
453180
1500
Ik denk dat het op
een effectievere manier kan
een effectievere manier kan
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
door middel van
meer wetenschap.
meer wetenschap.
07:48
is one of more science.
212
456968
1508
07:50
It's doing science that allowed us to develop
213
458476
2510
Door wetenschap te bedrijven
konden we de
mechanismes ontwikkelen
mechanismes ontwikkelen
07:52
all these mechanisms for computing
214
460986
1750
07:54
this personal data in the first place.
215
462736
2052
om persoonlijke gegevens te berekenen.
07:56
And it's actually very similar research
216
464788
2106
Dat is bijna hetzelfde onderzoek
07:58
that we'd have to do
217
466894
1438
dat we zouden moeten doen
08:00
if we want to develop mechanisms
218
468332
2386
als we mechanismes willen ontwikkelen
08:02
that can say to a user,
219
470718
1421
die een gebruiker zeggen:
08:04
"Here's the risk of that action you just took."
220
472139
2229
"Dit is het risico
van wat je zojuist deed."
van wat je zojuist deed."
08:06
By liking that Facebook page,
221
474368
2080
Doordat jij deze Facebook-pagina 'liket',
08:08
or by sharing this piece of personal information,
222
476448
2535
of deze persoonlijke informatie deelt,
08:10
you've now improved my ability
223
478983
1502
kan ik nu beter voorspellen
08:12
to predict whether or not you're using drugs
224
480485
2086
of je drugs gebruikt
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
en of je populair bent op je werk.
08:17
And that, I think, can affect whether or not
226
485433
1848
Dat kan volgens mij
beïnvloeden of mensen
beïnvloeden of mensen
08:19
people want to share something,
227
487281
1510
wel of niet iets willen delen,
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
het afgeschermd houden
of het offline houden.
of het offline houden.
08:24
We can also look at things like
229
492030
1563
Ook zouden we mensen
08:25
allowing people to encrypt data that they upload,
230
493593
2728
in staat kunnen stellen
hun geüploade data te versleutelen
hun geüploade data te versleutelen
08:28
so it's kind of invisible and worthless
231
496321
1855
zodat die onzichtbaar
en waardeloos wordt
en waardeloos wordt
08:30
to sites like Facebook
232
498176
1431
voor sites als Facebook
08:31
or third party services that access it,
233
499607
2629
of derde partijen die erbij kunnen.
08:34
but that select users who the person who posted it
234
502236
3247
Dan bepaalt degene
die het gepost heeft
die het gepost heeft
08:37
want to see it have access to see it.
235
505483
2670
welke gebruikers toegang hebben.
08:40
This is all super exciting research
236
508153
2166
Dat is allemaal erg spannend onderzoek
08:42
from an intellectual perspective,
237
510319
1620
vanuit intellectueel oogpunt,
08:43
and so scientists are going to be willing to do it.
238
511939
1859
dus doen wetenschappers het graag.
08:45
So that gives us an advantage over the law side.
239
513798
3610
Dat geeft ons een voordeel
ten opzichte van de juridische optie.
ten opzichte van de juridische optie.
Een probleem dat mensen aandragen
08:49
One of the problems that people bring up
240
517408
1725
08:51
when I talk about this is, they say,
241
519133
1595
als ik hierover praat is:
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
"Als mensen die gegevens
voor zichzelf houden,
voor zichzelf houden,
08:55
all those methods that you've been developing
243
523374
2113
werken al jouw methodes
om hun eigenschappen
te voorspellen niet meer."
te voorspellen niet meer."
08:57
to predict their traits are going to fail.
244
525487
2653
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
Ik zeg dan: "Jazeker,
en dat noem ik succes,
en dat noem ik succes,
09:03
because as a scientist,
246
531660
1786
want als wetenschapper
09:05
my goal is not to infer information about users,
247
533446
3688
is mijn doel niet om informatie
over gebruikers te krijgen,
over gebruikers te krijgen,
09:09
it's to improve the way people interact online.
248
537134
2767
maar om de interactie
online te verbeteren.
online te verbeteren.
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
Soms houdt dat in dat
je gegevens van hen achterhaalt,
je gegevens van hen achterhaalt,
09:15
but if users don't want me to use that data,
250
543119
3022
maar als gebruikers
niet willen dat ik die gebruik,
niet willen dat ik die gebruik,
09:18
I think they should have the right to do that.
251
546141
2038
moeten ze dat recht hebben.
09:20
I want users to be informed and consenting
252
548179
2651
Ik wil dat gebruikers geïnformeerd zijn
en instemmen met de tools
die we maken.
die we maken.
09:22
users of the tools that we develop.
253
550830
2112
09:24
And so I think encouraging this kind of science
254
552942
2952
Deze manier van wetenschap aanmoedigen
en onderzoekers ondersteunen
09:27
and supporting researchers
255
555894
1346
09:29
who want to cede some of that control back to users
256
557240
3023
die wat zeggenschap
teruggeven aan de gebruikers
teruggeven aan de gebruikers
09:32
and away from the social media companies
257
560263
2311
ten koste van de
sociale mediabedrijven,
sociale mediabedrijven,
09:34
means that going forward, as these tools evolve
258
562574
2671
betekent dat we met de
verbeteringen van deze tools
verbeteringen van deze tools
09:37
and advance,
259
565245
1476
ook beter onderlegde gebruikers
met betere middelen krijgen.
met betere middelen krijgen.
09:38
means that we're going to have an educated
260
566721
1414
09:40
and empowered user base,
261
568135
1694
09:41
and I think all of us can agree
262
569829
1100
Ik denk dat we dat allemaal
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
een vrij ideale weg
voorwaarts vinden.
voorwaarts vinden.
09:45
Thank you.
264
573493
2184
Dank je wel.
09:47
(Applause)
265
575677
3080
(Applaus)
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