TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
Jennifer Golbeck: Záhada kučeravých hranoliek: Prečo „like“ znamená viac, ako si myslíte
Filmed:
Readability: 4.5
2,366,837 views
Máte radi kučeravé hranolky? Dali ste im like na Facebooku? Pozrite si túto prednášku a nechajte sa prekvapiť tým, čo môže Facebook (a iné stránky) odhadnúť z náhodného klikania na Like (Páči sa mi to) a Share (zdieľať). Počítačová vedkyňa Jennifer Goldbeck vysvetľuje, ako sa to deje, že nie všetky aplikácie a technológie sú milé a príjemné a prečo si myslí, že by sme mali vrátiť kontrolu nad informáciami ich zákonitým vlastníkom.
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
Ak si spomeniete na
prvé desaťročie webu,
prvé desaťročie webu,
00:14
it was really a static place.
1
2735
2255
bolo to skutočne statické miesto.
00:16
You could go online, you could look at pages,
2
4990
2245
Mohli ste sa pripojiť, prehliadať stránky,
00:19
and they were put up either by organizations
3
7235
2513
ktoré boli vkladané buď organizáciami,
00:21
who had teams to do it
4
9748
1521
ktoré na to mali tímy ľudí,
00:23
or by individuals who were really tech-savvy
5
11269
2229
alebo jednotlivcami, ktorí boli v tom čase
00:25
for the time.
6
13498
1737
počítačovými špičkami.
00:27
And with the rise of social media
7
15235
1575
S nástupom sociálnych médií
00:28
and social networks in the early 2000s,
8
16810
2399
a sociálnych sietí
na začiatku tisícrocia
na začiatku tisícrocia
00:31
the web was completely changed
9
19209
2149
sa internet razantne zmenil
00:33
to a place where now the vast majority of content
10
21358
3608
na miesto, kde veľká väčšina obsahu,
00:36
we interact with is put up by average users,
11
24966
3312
s ktorým prídeme do styku, je
pridávaná priemernými používateľmi,
pridávaná priemernými používateľmi,
00:40
either in YouTube videos or blog posts
12
28278
2697
či už ide o YouTube videá, blogy,
00:42
or product reviews or social media postings.
13
30975
3315
recenzie na výrobky alebo príspevky
na sociálnych médiach.
na sociálnych médiach.
00:46
And it's also become a much more interactive place,
14
34290
2347
Web sa tiež stal oveľa
interaktívnejším miestom,
interaktívnejším miestom,
00:48
where people are interacting with others,
15
36637
2637
kde sa ľudia stretávajú s inými,
00:51
they're commenting, they're sharing,
16
39274
1696
komentujú, zdieľajú,
00:52
they're not just reading.
17
40970
1614
nie sú len pasívnymi čitateľmi.
00:54
So Facebook is not the only place you can do this,
18
42584
1866
Facebook nie je jediným takým miestom,
00:56
but it's the biggest,
19
44450
1098
ale je najväčším
00:57
and it serves to illustrate the numbers.
20
45548
1784
a dobre sa na ňom ilustrujú štatistiky.
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
Facebook má mesačne
1,2 miliardy používateľov.
1,2 miliardy používateľov.
01:02
So half the Earth's Internet population
22
50809
1930
Takže polovica internetovej populácie
01:04
is using Facebook.
23
52739
1653
používa Facebook.
01:06
They are a site, along with others,
24
54392
1932
Takýto druh stránok
01:08
that has allowed people to create an online persona
25
56324
3219
dovoľuje ľudom vytvárať virtuálne identity
01:11
with very little technical skill,
26
59543
1782
s minimom technických zručností
01:13
and people responded by putting huge amounts
27
61325
2476
a ľudia v obrovskom množstve
01:15
of personal data online.
28
63801
1983
dávajú na web osobné údaje.
01:17
So the result is that we have behavioral,
29
65784
2543
V dôsledku toho máme k dispozícii dáta
01:20
preference, demographic data
30
68327
1986
o správaní sa, preferenciách a demografii
01:22
for hundreds of millions of people,
31
70313
2101
stoviek miliónov ľudí,
01:24
which is unprecedented in history.
32
72414
2026
čo nemá v histórii ľudstva obdoby.
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
Pre mňa ako počítačovú
vedkyňu to znamená to,
vedkyňu to znamená to,
01:29
I've been able to build models
34
77000
1664
že môžem tvoriť modely, ktoré vám
01:30
that can predict all sorts of hidden attributes
35
78664
2322
dokážu predpovedať
množstvo skrytých vlastností,
množstvo skrytých vlastností,
01:32
for all of you that you don't even know
36
80986
2284
pri ktorých ani netušíte,
01:35
you're sharing information about.
37
83270
2202
že o nich zdieľate informácie.
01:37
As scientists, we use that to help
38
85472
2382
My vedci môžeme použiť
tieto informácie ako pomoc
tieto informácie ako pomoc
01:39
the way people interact online,
39
87854
2114
pri spôsobe, akým ľudia interagujú online,
01:41
but there's less altruistic applications,
40
89968
2499
ale existuje aj menej
vznešený spôsob použitia
vznešený spôsob použitia
01:44
and there's a problem in that users don't really
41
92467
2381
a problémom je, že používatelia
vskutku nerozumejú
vskutku nerozumejú
01:46
understand these techniques and how they work,
42
94848
2470
takýmto metódam a ich fungovaniu
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
a aj keby rozumeli, tak to
nemajú ako kontrolovať.
nemajú ako kontrolovať.
01:52
So what I want to talk to you about today
44
100446
1490
Dnes chcem hovoriť
01:53
is some of these things that we're able to do,
45
101936
2702
o niektorých veciach, ktoré môžeme urobiť,
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
a dať vám nejaké nápady, ako sa posunúť
01:59
to move some control back into the hands of users.
47
107401
2769
a vrátiť kontrolu späť
do rúk používateľom.
do rúk používateľom.
02:02
So this is Target, the company.
48
110170
1586
Toto je firma Target („Cieľ“).
02:03
I didn't just put that logo
49
111756
1324
Nedala som to logo len tak
02:05
on this poor, pregnant woman's belly.
50
113080
2170
na bruško tej úbohej tehotnej ženy.
02:07
You may have seen this anecdote that was printed
51
115250
1840
Možno ste videli anekdotu, ktorá vyšla
02:09
in Forbes magazine where Target
52
117090
2061
vo Forbese, kde firma Target
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
poslala 15-ročnej dievčine leták
02:13
with advertisements and coupons
54
121512
1710
s reklamou a kupónmi
02:15
for baby bottles and diapers and cribs
55
123222
2554
na dojčenské fľaše, plienky a postieľky
02:17
two weeks before she told her parents
56
125776
1684
dva týždne pred tým,
02:19
that she was pregnant.
57
127460
1864
čo oznámila rodičom, že je tehotná.
02:21
Yeah, the dad was really upset.
58
129324
2704
Áno, jej otec bol z toho dosť nešťastný.
02:24
He said, "How did Target figure out
59
132028
1716
Pýtal sa: „Ako vedela firma Target,
02:25
that this high school girl was pregnant
60
133744
1824
že jeho dcéra stredoškoláčka je tehotná,
02:27
before she told her parents?"
61
135568
1960
pred tým, ako to povedala rodičom?“
02:29
It turns out that they have the purchase history
62
137528
2621
Ukázalo sa, že firma Target
mala obchodnú históriu
mala obchodnú históriu
02:32
for hundreds of thousands of customers
63
140149
2301
stotisícov zákazníkov
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
a vypočítali niečo, čomu hovoria
tehotenské skóre,
tehotenské skóre,
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
čo nie je len fakt, či je
žena tehotná alebo nie,
žena tehotná alebo nie,
02:39
but what her due date is.
66
147512
1730
ale aj dátum očakávaného pôrodu.
02:41
And they compute that
67
149242
1304
Nevypočítali to tak,
02:42
not by looking at the obvious things,
68
150546
1768
že by sa pozerali na obvyklé veci,
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
ako to, že kupovala postieľku
alebo detské oblečenie,
alebo detské oblečenie,
02:46
but things like, she bought more vitamins
70
154826
2943
ale podľa toho, že kúpila viac vitamínov,
02:49
than she normally had,
71
157769
1717
ako kupovala normálne,
02:51
or she bought a handbag
72
159486
1464
alebo kúpila tašku
02:52
that's big enough to hold diapers.
73
160950
1711
dosť veľkú na detské plienky.
02:54
And by themselves, those purchases don't seem
74
162661
1910
Zdá sa, že samy od seba tieto nákupy
02:56
like they might reveal a lot,
75
164571
2469
neprezrádzajú veľa,
02:59
but it's a pattern of behavior that,
76
167040
1978
ale je v tom vzor správania sa,
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
ktorý keď vložíte do kontextu
správania sa tisícov ľudí,
správania sa tisícov ľudí,
03:04
starts to actually reveal some insights.
78
172135
2757
začne o vás prezrádzať oveľa viac.
03:06
So that's the kind of thing that we do
79
174892
1793
Toto je druh vecí, ktoré robíme,
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
keď o vás predpovedáme
veci na sociálnych médiách.
veci na sociálnych médiách.
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
Hľadáme vzorčeky v chovaní,
03:14
when you detect them among millions of people,
82
182048
2682
ktoré keď zistíme medzi miliónmi ľudí,
03:16
lets us find out all kinds of things.
83
184730
2706
umožnia nám zistiť množstvo vecí.
03:19
So in my lab and with colleagues,
84
187436
1747
S kolegami sme v laboratóriu
03:21
we've developed mechanisms where we can
85
189183
1777
vyvinuli mechanizmus, ktorým môžeme
03:22
quite accurately predict things
86
190960
1560
celkom presne predpovedať veci,
03:24
like your political preference,
87
192520
1725
ako sú vaše politické preferencie,
03:26
your personality score, gender, sexual orientation,
88
194245
3752
osobnostné hodnotenie,
pohlavie, sexuálna orientácia,
pohlavie, sexuálna orientácia,
03:29
religion, age, intelligence,
89
197997
2873
viera, vek, inteligencia,
03:32
along with things like
90
200870
1394
spolu s vecami ako
03:34
how much you trust the people you know
91
202264
1937
ako dôverujete ľudom, ktorých poznáte,
03:36
and how strong those relationships are.
92
204201
1804
a aké pevné sú tieto vzťahy.
03:38
We can do all of this really well.
93
206005
1785
Toto všetko vieme robiť veľmi dobre.
03:39
And again, it doesn't come from what you might
94
207790
2197
A to všetko zisťujeme
z informácii, ktoré by ste
z informácii, ktoré by ste
03:41
think of as obvious information.
95
209987
2102
nepovažovali za zrejmé.
03:44
So my favorite example is from this study
96
212089
2281
Môj najobľúbenejší príklad je zo štúdie,
publikovanej tento rok
03:46
that was published this year
97
214370
1240
v Proceedings of the National Academies.
03:47
in the Proceedings of the National Academies.
98
215610
1795
Ľahko to nájdete na Google.
03:49
If you Google this, you'll find it.
99
217405
1285
03:50
It's four pages, easy to read.
100
218690
1872
Má to len 4 stránky, jednoduché čítanie.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
Pozorovali iba to, čo ľudia
na Facebooku označujú „likeom“,
na Facebooku označujú „likeom“,
03:55
so just the things you like on Facebook,
102
223565
1920
len to, čo sa vám páči na Facebooku,
03:57
and used that to predict all these attributes,
103
225485
2138
a tým predpovedali všetky tie atribúty,
03:59
along with some other ones.
104
227623
1645
ako aj ďalšie.
04:01
And in their paper they listed the five likes
105
229268
2961
V štúdii urobili zoznam piatich „likeov“,
04:04
that were most indicative of high intelligence.
106
232229
2787
ktoré najviac indikovali
vysokú inteligenciu.
vysokú inteligenciu.
04:07
And among those was liking a page
107
235016
2324
V tomto zozname bolo
aj „likeovanie“ stránky
aj „likeovanie“ stránky
04:09
for curly fries. (Laughter)
108
237340
1905
s kučeravými hranolkami. (smiech)
04:11
Curly fries are delicious,
109
239245
2093
Kučeravé hranolky chutia úžasne,
04:13
but liking them does not necessarily mean
110
241338
2530
ale to, že ich máte radi, nemusí znamenať,
04:15
that you're smarter than the average person.
111
243868
2080
že ste inteligentnejší
ako priemerný človek.
ako priemerný človek.
04:17
So how is it that one of the strongest indicators
112
245948
3207
Ako môže potom byť jeden
z najsilnejších indikátorov
z najsilnejších indikátorov
04:21
of your intelligence
113
249155
1570
vašej inteligencie to,
že označíte, že sa vám páči táto stránka,
04:22
is liking this page
114
250725
1447
04:24
when the content is totally irrelevant
115
252172
2252
keď obsah je absolútne irelevantný
04:26
to the attribute that's being predicted?
116
254424
2527
k vlastnosti, ktorú chceme predpovedať?
04:28
And it turns out that we have to look at
117
256951
1584
Ukazuje sa, že sa musíme pozrieť
04:30
a whole bunch of underlying theories
118
258535
1618
na celú skupinu základných teórií,
04:32
to see why we're able to do this.
119
260153
2569
aby sme pochopili, ako sa to dá urobiť.
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
Jedna z nich je sociologická
teória zvaná homofília,
teória zvaná homofília,
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
ktorá v princípe hovorí, že ľudia
sa priatelia s podobnými ľuďmi.
sa priatelia s podobnými ľuďmi.
04:40
So if you're smart, you tend to
be friends with smart people,
be friends with smart people,
122
268727
2014
Ako múdry sa skôr spriatelíte s múdrymi,
04:42
and if you're young, you tend
to be friends with young people,
to be friends with young people,
123
270741
2630
ako mladý skôr s mladými ľuďmi,
04:45
and this is well established
124
273371
1627
to je stará známa vec
04:46
for hundreds of years.
125
274998
1745
už po stovky rokov.
04:48
We also know a lot
126
276743
1232
Vieme tiež dosť
04:49
about how information spreads through networks.
127
277975
2550
o tom, ako sa informácia šíri cez siete.
04:52
It turns out things like viral videos
128
280525
1754
Ukazuje sa, že veci
ako virálne videá alebo
ako virálne videá alebo
04:54
or Facebook likes or other information
129
282279
2406
„likey“ na Facebooku alebo iné informácie
04:56
spreads in exactly the same way
130
284685
1888
sa šíria presne takým istým spôsobom,
04:58
that diseases spread through social networks.
131
286573
2454
ako sa šíria choroby, cez sociálne siete.
05:01
So this is something we've studied for a long time.
132
289027
1791
Takže toto študujeme už celkom dlho.
05:02
We have good models of it.
133
290818
1576
Máme na to dobré modely.
05:04
And so you can put those things together
134
292394
2157
Môžete zložiť tieto časti dohromady
05:06
and start seeing why things like this happen.
135
294551
3088
a začnete vidieť, prečo
sa veci ako toto sa stávajú.
sa veci ako toto sa stávajú.
05:09
So if I were to give you a hypothesis,
136
297639
1814
Ak by som chcela postaviť hypotézu,
05:11
it would be that a smart guy started this page,
137
299453
3227
bola by asi taká, že túto stránku
vytvoril chytrý chlapík,
vytvoril chytrý chlapík,
05:14
or maybe one of the first people who liked it
138
302680
1939
alebo medzi prvými, ktorí dali „like“,
05:16
would have scored high on that test.
139
304619
1736
bol niekto inteligentný.
05:18
And they liked it, and their friends saw it,
140
306355
2288
Dal „like“, jeho priatelia to videli
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
a podľa homofílie vieme, že
pravdepodobne má chytrých priateľov,
pravdepodobne má chytrých priateľov,
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
takže sa to rozšírilo na nich,
niektorí tiež dali „like“.
niektorí tiež dali „like“.
05:26
and they had smart friends,
143
314821
1189
Mali ďalších priateľov,
05:28
and so it spread to them,
144
316010
807
rozšírilo sa to k nim
05:28
and so it propagated through the network
145
316817
1973
a šíri sa to sieťou
05:30
to a host of smart people,
146
318790
2569
davom chytrých ľudí,
05:33
so that by the end, the action
147
321359
2056
takže v konečnom dôsledku
05:35
of liking the curly fries page
148
323415
2544
je označenie stránky
s kučeravými hranolkami
s kučeravými hranolkami
05:37
is indicative of high intelligence,
149
325959
1615
indikátorom vysokej inteligencie,
05:39
not because of the content,
150
327574
1803
nie pre obsah stránky,
05:41
but because the actual action of liking
151
329377
2522
ale pretože samotný akt označenia stránky
05:43
reflects back the common attributes
152
331899
1900
nás vracia späť k spoločným atribútom
05:45
of other people who have done it.
153
333799
2468
iných ľudí, ktorí urobili to isté.
05:48
So this is pretty complicated stuff, right?
154
336267
2897
Asi sa vám to javí ako
pekne komplikovaná vec, že ?
pekne komplikovaná vec, že ?
05:51
It's a hard thing to sit down and explain
155
339164
2199
Je to dosť ťažké, sadnúť si a vysvetliť to
05:53
to an average user, and even if you do,
156
341363
2848
priemerným používateľom,
a ak to aj dokážete,
a ak to aj dokážete,
05:56
what can the average user do about it?
157
344211
2188
čo s tým môže obyčajný človek urobiť ?
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
Ako môžete vedieť, keď dáte like na niečo,
06:00
that indicates a trait for you
159
348447
1492
čo indikuje vašu povahovú črtu,
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
ktorá je úplne irelevantná k obsahu,
ktorý ste označili, že sa vám páči?
ktorý ste označili, že sa vám páči?
06:05
There's a lot of power that users don't have
161
353484
2546
Užívatelia nemajú veľkú moc
06:08
to control how this data is used.
162
356030
2230
kontrolovať používanie týchto údajov.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
Ja to vnímam ako narastajúci problém.
06:13
So I think there's a couple paths
164
361372
1977
Myslím, že je niekoľko ciest,
06:15
that we want to look at
165
363349
1001
ktoré treba zvážiť,
06:16
if we want to give users some control
166
364350
1910
ak chceme dať používateľom istú kontrolu
06:18
over how this data is used,
167
366260
1740
nad tým, ako sú použité tieto dáta,
06:20
because it's not always going to be used
168
368000
1940
pretože nie vždy budú použité
06:21
for their benefit.
169
369940
1381
k ich prospechu.
06:23
An example I often give is that,
170
371321
1422
Často uvádzam tento príklad:
06:24
if I ever get bored being a professor,
171
372743
1646
ak ma učiteľstvo začne nudiť,
06:26
I'm going to go start a company
172
374389
1653
otvorím si spoločnosť,
06:28
that predicts all of these attributes
173
376042
1454
ktorá by predpovedala tie veci:
06:29
and things like how well you work in teams
174
377496
1602
ako dobre pracujete v tíme,
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
či beriete drogy, či ste alkoholik.
06:33
We know how to predict all that.
176
381769
1440
Toto všetko vieme predpovedať.
06:35
And I'm going to sell reports
177
383209
1761
Predala by som tieto informácie
06:36
to H.R. companies and big businesses
178
384970
2100
personálnym firmám a veľkým spoločnostiam,
06:39
that want to hire you.
179
387070
2273
ktoré vás chcú zamestnať.
06:41
We totally can do that now.
180
389343
1177
Áno, to sa už dnes dá.
06:42
I could start that business tomorrow,
181
390520
1788
Hneď zajtra by som mohla založiť firmu
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
a vy by ste nemali
žiadnu kontrolu nad tým,
žiadnu kontrolu nad tým,
06:46
over me using your data like that.
183
394360
2138
ako tieto dáta použijem.
06:48
That seems to me to be a problem.
184
396498
2292
To sa mi zdá ako dosť veľký problém.
06:50
So one of the paths we can go down
185
398790
1910
Jedna cesta, po ktorej sa môžeme vydať,
06:52
is the policy and law path.
186
400700
2032
je cesta právneho prístupu.
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
A myslím, že v istých ohľadoch
by to mohlo byť najúčinnejšie,
by to mohlo byť najúčinnejšie,
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
ale problémom je, že by
sme to museli naozaj urobiť.
sme to museli naozaj urobiť.
07:00
Observing our political process in action
189
408534
2780
Keď sledujem náš politický proces v akcii,
07:03
makes me think it's highly unlikely
190
411314
2379
zdá sa mi vysoko nepravdepodobné,
07:05
that we're going to get a bunch of representatives
191
413693
1597
že prinútime skupinu politikov,
07:07
to sit down, learn about this,
192
415290
1986
aby si k tomu sadli, osvojili si to
07:09
and then enact sweeping changes
193
417276
2106
a potom presadili závažné zmeny
07:11
to intellectual property law in the U.S.
194
419382
2157
v zákonoch USA
o intelektuálnom vlastníctve,
o intelektuálnom vlastníctve,
07:13
so users control their data.
195
421539
2461
aby užívatelia mohli
kontrolovať svoje dáta.
kontrolovať svoje dáta.
Mohli by sme ísť tou cestou,
07:16
We could go the policy route,
196
424000
1304
kde by vlastníci sietí povedali:
07:17
where social media companies say,
197
425304
1479
07:18
you know what? You own your data.
198
426783
1402
viete čo? Vaše dáta sú vaše.
07:20
You have total control over how it's used.
199
428185
2489
Máte úplnú kontrolu
nad tým, ako sú použité.
nad tým, ako sú použité.
Problém je,
že modely finančnej návratnosti
že modely finančnej návratnosti
07:22
The problem is that the revenue models
200
430674
1848
07:24
for most social media companies
201
432522
1724
väčšiny vlastníkov sociálnych sietí
07:26
rely on sharing or exploiting
users' data in some way.
users' data in some way.
202
434246
4031
sú nejakým spôsobom závislé od zdieľania
alebo zneužívania užívateľských dát.
alebo zneužívania užívateľských dát.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
O Facebooku sa vravieva, že užívatelia
07:32
aren't the customer, they're the product.
204
440110
2528
nie sú zákazníci, ale produkt.
07:34
And so how do you get a company
205
442638
2714
Tak ako potom prinútiť spoločnosti,
07:37
to cede control of their main asset
206
445352
2558
aby vrátili kontrolu
svojho hlavného majetku
svojho hlavného majetku
07:39
back to the users?
207
447910
1249
späť užívateľom?
07:41
It's possible, but I don't think it's something
208
449159
1701
Možné to je, ale nemyslím si,
07:42
that we're going to see change quickly.
209
450860
2320
že sa to v dohľadnom čase zmení.
Preto si myslím, že ďalšia cesta,
07:45
So I think the other path
210
453180
1500
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
ktorú môžeme skúsiť
a ktorá bude účinnejšia,
a ktorá bude účinnejšia,
07:48
is one of more science.
212
456968
1508
je nasadiť viac vedy.
07:50
It's doing science that allowed us to develop
213
458476
2510
Veda nás priviedla k tomu, že sme vyvinuli
07:52
all these mechanisms for computing
214
460986
1750
všetky tie mechanizmy
07:54
this personal data in the first place.
215
462736
2052
na spracovávanie osobných dát.
07:56
And it's actually very similar research
216
464788
2106
A je to vlastne veľmi podobný výskum,
07:58
that we'd have to do
217
466894
1438
ktorý musíme urobiť,
08:00
if we want to develop mechanisms
218
468332
2386
ak chceme vyvinúť mechanizmy,
08:02
that can say to a user,
219
470718
1421
ktoré používateľovi povedia:
08:04
"Here's the risk of that action you just took."
220
472139
2229
„To, čo chceš práve urobiť, je riskantné.“
08:06
By liking that Facebook page,
221
474368
2080
Likeovaním tejto Facebookovej stránky
08:08
or by sharing this piece of personal information,
222
476448
2535
alebo zdieľaním tejto osobnej informácie
08:10
you've now improved my ability
223
478983
1502
zväčšuješ našu schopnosť
08:12
to predict whether or not you're using drugs
224
480485
2086
predpovedať, či berieš
alebo neberieš drogy
alebo neberieš drogy
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
alebo či máš dobré vzťahy na pracovisku.
08:17
And that, I think, can affect whether or not
226
485433
1848
Myslím, že to môže ovplyvniť,
08:19
people want to share something,
227
487281
1510
či ľudia chcú niečo zdielať,
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
držať to v súkromí
alebo to nezdieľať vôbec.
alebo to nezdieľať vôbec.
08:24
We can also look at things like
229
492030
1563
Môžeme to skúsiť ešte inak:
08:25
allowing people to encrypt data that they upload,
230
493593
2728
dovoliť ľudom šifrovať
dáta, ktoré pridávajú,
dáta, ktoré pridávajú,
08:28
so it's kind of invisible and worthless
231
496321
1855
aby sa tak neviditeľnými a bezcennými
08:30
to sites like Facebook
232
498176
1431
pre stránky ako Facebook
08:31
or third party services that access it,
233
499607
2629
či služby tretích strán,
ktoré naň pristupujú,
ktoré naň pristupujú,
08:34
but that select users who the person who posted it
234
502236
3247
ale aby ich vybraní užívatelia,
ktorým autor obsah sprístupní,
ktorým autor obsah sprístupní,
08:37
want to see it have access to see it.
235
505483
2670
mohli daný obsah vidieť.
08:40
This is all super exciting research
236
508153
2166
Z intelektuálneho hľadiska je tento výskum
08:42
from an intellectual perspective,
237
510319
1620
mimoriadne vzrušujúci
08:43
and so scientists are going to be willing to do it.
238
511939
1859
a preto do toho vedci pôjdu radi.
08:45
So that gives us an advantage over the law side.
239
513798
3610
To nám dáva výhodu pred právnym prístupom.
08:49
One of the problems that people bring up
240
517408
1725
Jeden z problémov, ktorý ľudia
08:51
when I talk about this is, they say,
241
519133
1595
spomínajú, keď o tom hovorím, je,
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
že ak ľudia začnú uchovávať
všetky tieto dáta v súkromí,
všetky tieto dáta v súkromí,
08:55
all those methods that you've been developing
243
523374
2113
všetky tie metódy, ktoré vyvíjame
08:57
to predict their traits are going to fail.
244
525487
2653
na predpovedanie ich
charakterových čŕt, nakoniec zlyhajú.
charakterových čŕt, nakoniec zlyhajú.
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
A ja hovorím, že určite
a že je to pre mňa úspech,
a že je to pre mňa úspech,
09:03
because as a scientist,
246
531660
1786
pretože ako pre vedkyňu
09:05
my goal is not to infer information about users,
247
533446
3688
nie je pre mňa cieľom získavať
informácie o užívateľoch,
informácie o užívateľoch,
09:09
it's to improve the way people interact online.
248
537134
2767
ale zlepšiť spôsob, ako
ľudia interagujú online.
ľudia interagujú online.
Áno, niekedy to zahŕňa aj vyhodnocovanie
informácii o nich samotných,
informácii o nich samotných,
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
09:15
but if users don't want me to use that data,
250
543119
3022
ale ak užívatelia nechcú,
aby sa tieto informácie použili,
aby sa tieto informácie použili,
09:18
I think they should have the right to do that.
251
546141
2038
myslím, že na to majú mať právo.
09:20
I want users to be informed and consenting
252
548179
2651
Chcem, aby ľudia boli
informovanými a poučenými
informovanými a poučenými
09:22
users of the tools that we develop.
253
550830
2112
používateľmi nástrojov,
ktoré sme vyvinuli.
ktoré sme vyvinuli.
09:24
And so I think encouraging this kind of science
254
552942
2952
Myslím, že podporovanie tohto druhu vedy
09:27
and supporting researchers
255
555894
1346
a podpora výskumníkov,
09:29
who want to cede some of that control back to users
256
557240
3023
ktorí chcú postúpiť časť
kontroly späť používateľom
kontroly späť používateľom
09:32
and away from the social media companies
257
560263
2311
a vziať ju vlastníkom sociálnych médií,
09:34
means that going forward, as these tools evolve
258
562574
2671
znamená, že posúvať sa dopredu s vývojom
09:37
and advance,
259
565245
1476
a postupom týchto nástrojov
09:38
means that we're going to have an educated
260
566721
1414
znamená, že treba vzdelanú
09:40
and empowered user base,
261
568135
1694
a posilnenú základňu používateľov,
09:41
and I think all of us can agree
262
569829
1100
a myslím, že súhlasíte,
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
že to je presne ten ideál,
ku ktorému chceme smerovať.
ku ktorému chceme smerovať.
09:45
Thank you.
264
573493
2184
Ďakujem.
09:47
(Applause)
265
575677
3080
(potlesk)
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