TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
Jennifer Golbeck: Curly fries gåta: Varför "gillningar" på sociala medier säger mer än vad du tror
Filmed:
Readability: 4.5
2,366,837 views
Tycker du om curly fries? Har du gillat dem på Facebook? Se detta tal för att få reda på de överraskande sakerna som Facebook (och andra) kan gissa sig till om dig från dina slumpmässiga gillningar och delningar. Datorforskaren Jennifer Golbeck förklarar hur detta kommer sig, på vilket sätt vissa applikationer inte är så snälla, och varför hon tycker att vi ska ge tillbaka kontrollen över informationen till de rättmätiga ägarna.
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
Om du minns internets första decennium,
00:14
it was really a static place.
1
2735
2255
så var det ett väldigt stelt ställe.
00:16
You could go online, you could look at pages,
2
4990
2245
Man kunde koppla upp sig,
besöka webbsidor,
besöka webbsidor,
00:19
and they were put up either by organizations
3
7235
2513
och dessa sattes upp
av antingen organisationer
av antingen organisationer
00:21
who had teams to do it
4
9748
1521
som hade folk som gjorde det
00:23
or by individuals who were really tech-savvy
5
11269
2229
eller av teknikkunniga individer
00:25
for the time.
6
13498
1737
vid den tiden.
00:27
And with the rise of social media
7
15235
1575
Och med sociala mediers ökning
00:28
and social networks in the early 2000s,
8
16810
2399
och sociala nätverk under tidigt 2000-tal,
00:31
the web was completely changed
9
19209
2149
förändrades internet
helt och hållet till en plats
helt och hållet till en plats
00:33
to a place where now the vast majority of content
10
21358
3608
där majoriteten av innehållet
som vi använder
som vi använder
00:36
we interact with is put up by average users,
11
24966
3312
läggs upp av vanliga användare,
00:40
either in YouTube videos or blog posts
12
28278
2697
antingen med Youtube-videor
eller blogginlägg
eller blogginlägg
00:42
or product reviews or social media postings.
13
30975
3315
eller produktrecensioner
eller inlägg på sociala medier.
eller inlägg på sociala medier.
00:46
And it's also become a much more interactive place,
14
34290
2347
Det har också blivit
en mycket mer interaktiv plats,
en mycket mer interaktiv plats,
00:48
where people are interacting with others,
15
36637
2637
där folk interagerar med varandra,
00:51
they're commenting, they're sharing,
16
39274
1696
de kommenterar, de delar,
00:52
they're not just reading.
17
40970
1614
de läser inte bara.
00:54
So Facebook is not the only place you can do this,
18
42584
1866
Facebook är inte den enda plats
där man gör detta
där man gör detta
00:56
but it's the biggest,
19
44450
1098
men den är störst
00:57
and it serves to illustrate the numbers.
20
45548
1784
och kan illustrera siffrorna.
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
Facebook har 1,2 miljarder
användare per månad.
användare per månad.
01:02
So half the Earth's Internet population
22
50809
1930
Så halva jordens internetbefolkning
01:04
is using Facebook.
23
52739
1653
använder Facebook.
De är en webbplats
som tillsammans med andra
som tillsammans med andra
01:06
They are a site, along with others,
24
54392
1932
01:08
that has allowed people to create an online persona
25
56324
3219
har möjliggjort för folk
att skapa sig en onlineidentitet
att skapa sig en onlineidentitet
01:11
with very little technical skill,
26
59543
1782
med väldigt begränsade teknikkunskaper,
01:13
and people responded by putting huge amounts
27
61325
2476
och folk svarade med att lägga upp enormt
01:15
of personal data online.
28
63801
1983
mycket personlig information online.
01:17
So the result is that we have behavioral,
29
65784
2543
Så resultatet är att vi har behovsmässig,
01:20
preference, demographic data
30
68327
1986
preferensmässig och demografisk data
01:22
for hundreds of millions of people,
31
70313
2101
för hundratals miljoner människor,
01:24
which is unprecedented in history.
32
72414
2026
vilket inte tidigare funnits i historien.
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
För en datorforskare som mig
betyder detta att
betyder detta att
01:29
I've been able to build models
34
77000
1664
jag har kunnat bygga modeller
01:30
that can predict all sorts of hidden attributes
35
78664
2322
som kan förutse många gömda attribut
01:32
for all of you that you don't even know
36
80986
2284
om alla er som ni inte ens visste
01:35
you're sharing information about.
37
83270
2202
att ni delar mer er information om.
01:37
As scientists, we use that to help
38
85472
2382
Som forskare använder vi det för
att förbättra sättet
att förbättra sättet
01:39
the way people interact online,
39
87854
2114
som folk interagerar på nätet,
01:41
but there's less altruistic applications,
40
89968
2499
men det finns applikationer
som är mindre osjälviska
som är mindre osjälviska
01:44
and there's a problem in that users don't really
41
92467
2381
och det är ett problem
att användarna inte riktigt
att användarna inte riktigt
01:46
understand these techniques and how they work,
42
94848
2470
förstår dessa tekniker
och hur de fungerar,
och hur de fungerar,
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
och även om de gjorde det,
har de inte så stor kontroll över det.
har de inte så stor kontroll över det.
01:52
So what I want to talk to you about today
44
100446
1490
Det jag vill prata med er om idag
01:53
is some of these things that we're able to do,
45
101936
2702
handlar om de saker
vi har en möjlighet att göra,
vi har en möjlighet att göra,
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
och sen ge oss några idéer
om hur vi kan röra oss mot
om hur vi kan röra oss mot
01:59
to move some control back into the hands of users.
47
107401
2769
att ge tillbaka kontrollen
till användarna.
till användarna.
02:02
So this is Target, the company.
48
110170
1586
Detta är Target, ett företag.
02:03
I didn't just put that logo
49
111756
1324
Jag satte inte det emblemet
på denna stackars gravida kvinnans mage.
02:05
on this poor, pregnant woman's belly.
50
113080
2170
02:07
You may have seen this anecdote that was printed
51
115250
1840
Du kanske har sett anekdoten
som publicerades i Forbes
som publicerades i Forbes
02:09
in Forbes magazine where Target
52
117090
2061
där Target skickade ett flygblad
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
till en 15-årig flicka
02:13
with advertisements and coupons
54
121512
1710
med reklam och kuponger
02:15
for baby bottles and diapers and cribs
55
123222
2554
för nappflaskor, blöjor och spjälsängar
två veckor innan hon berättat
för sina föräldrar
för sina föräldrar
02:17
two weeks before she told her parents
56
125776
1684
02:19
that she was pregnant.
57
127460
1864
att hon var gravid.
02:21
Yeah, the dad was really upset.
58
129324
2704
Ja, pappan var väldigt upprörd.
02:24
He said, "How did Target figure out
59
132028
1716
Han sa, "Hur listade Target ut
02:25
that this high school girl was pregnant
60
133744
1824
att denna gymnasietjejen var gravid
02:27
before she told her parents?"
61
135568
1960
innan hon berättade för sina föräldrar?".
02:29
It turns out that they have the purchase history
62
137528
2621
Det visade sig att de hade köphistoriken
02:32
for hundreds of thousands of customers
63
140149
2301
för tiotusentals kvinnor
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
och beräknat, som de kallar det,
en graviditetspoäng,
en graviditetspoäng,
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
vilket inte bara räknar ut
om kvinnan är gravid,
om kvinnan är gravid,
02:39
but what her due date is.
66
147512
1730
utan också när barnet kommer.
02:41
And they compute that
67
149242
1304
De räknar inte ut det
02:42
not by looking at the obvious things,
68
150546
1768
bara genom att se på det uppenbara,
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
som att hon köper en spjälsäng
eller barnkläder,
eller barnkläder,
02:46
but things like, she bought more vitamins
70
154826
2943
utan saker som att hon köpt mer vitaminer
02:49
than she normally had,
71
157769
1717
än vanligt
02:51
or she bought a handbag
72
159486
1464
eller att hon en handväska
02:52
that's big enough to hold diapers.
73
160950
1711
som är stor nog att rymma blöjor.
02:54
And by themselves, those purchases don't seem
74
162661
1910
Och för sig själva verkar inte dessa inköp
02:56
like they might reveal a lot,
75
164571
2469
avslöja särskilt mycket
02:59
but it's a pattern of behavior that,
76
167040
1978
men det är ett beteendemönster, så när
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
man sätter det i samma kontext
som tusentals andra,
som tusentals andra,
03:04
starts to actually reveal some insights.
78
172135
2757
börjar det visa ett antal insikter.
03:06
So that's the kind of thing that we do
79
174892
1793
Det är den sortens saker vi gör
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
när vi förutser saker om dig
på sociala medier.
på sociala medier.
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
Vi letar efter små beteendemönster,
03:14
when you detect them among millions of people,
82
182048
2682
som visar sig bland miljontals människor,
03:16
lets us find out all kinds of things.
83
184730
2706
som låter oss få reda på
alla möjliga saker.
alla möjliga saker.
03:19
So in my lab and with colleagues,
84
187436
1747
I mitt labb och med kollegor,
03:21
we've developed mechanisms where we can
85
189183
1777
har vi utvecklat mekanismer som låter oss
03:22
quite accurately predict things
86
190960
1560
förutsäga saker rätt precist
03:24
like your political preference,
87
192520
1725
som dina politiska preferenser
03:26
your personality score, gender, sexual orientation,
88
194245
3752
din personlighetstyp, kön,
sexuell läggning,
sexuell läggning,
03:29
religion, age, intelligence,
89
197997
2873
religion, ålder, intelligens,
03:32
along with things like
90
200870
1394
tillsammans med saker som
03:34
how much you trust the people you know
91
202264
1937
hur mycket du litar på dina medmänniskor
03:36
and how strong those relationships are.
92
204201
1804
och hur starka dessa relationer är.
03:38
We can do all of this really well.
93
206005
1785
Vi kan göra allt detta väldigt väl.
03:39
And again, it doesn't come from what you might
94
207790
2197
Återigen, det kommer inte från vad ni tror
03:41
think of as obvious information.
95
209987
2102
är uppenbara saker.
03:44
So my favorite example is from this study
96
212089
2281
Mitt favoritexempel från en studie
03:46
that was published this year
97
214370
1240
som publicerades i år
i Proceedings of the National Academies.
03:47
in the Proceedings of the National Academies.
98
215610
1795
03:49
If you Google this, you'll find it.
99
217405
1285
Om du googlar så hittar du den.
03:50
It's four pages, easy to read.
100
218690
1872
Den är på fyra sidor och lättläst.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
De såg bara
på folks gillningar på Facebook,
03:55
so just the things you like on Facebook,
102
223565
1920
så bara de saker man gillar på Facebook,
03:57
and used that to predict all these attributes,
103
225485
2138
och använde det
för att förutse alla attribut
för att förutse alla attribut
03:59
along with some other ones.
104
227623
1645
tillsammans med andra saker.
04:01
And in their paper they listed the five likes
105
229268
2961
Och i deras text listade de
de fem gillningarna
de fem gillningarna
04:04
that were most indicative of high intelligence.
106
232229
2787
som bäst indikerade hög intelligens.
04:07
And among those was liking a page
107
235016
2324
Bland dessa fanns en sida
04:09
for curly fries. (Laughter)
108
237340
1905
om curly fries. (Skratt)
04:11
Curly fries are delicious,
109
239245
2093
Curly fries är jättegoda,
04:13
but liking them does not necessarily mean
110
241338
2530
men att gilla dem
betyder inte nödvändigtvis
betyder inte nödvändigtvis
att du är smartare än en
genomsnittlig person.
genomsnittlig person.
04:15
that you're smarter than the average person.
111
243868
2080
04:17
So how is it that one of the strongest indicators
112
245948
3207
Hur kommer det sig
att en av de starkaste indikationerna
att en av de starkaste indikationerna
04:21
of your intelligence
113
249155
1570
på ens intelligens
04:22
is liking this page
114
250725
1447
är att gilla denna sida
04:24
when the content is totally irrelevant
115
252172
2252
med innehåll som är totalt irrelevant
04:26
to the attribute that's being predicted?
116
254424
2527
för attributet som förutses?
04:28
And it turns out that we have to look at
117
256951
1584
Och det visar sig att vi måste se
04:30
a whole bunch of underlying theories
118
258535
1618
till en massa bakomliggande teorier
04:32
to see why we're able to do this.
119
260153
2569
för att se hur vi kan göra detta.
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
En av dem är en sociologisk teori
som kallas homofili,
som kallas homofili,
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
vilket betyder att folk är vänner
med folk som liknar dem själva.
med folk som liknar dem själva.
04:40
So if you're smart, you tend to
be friends with smart people,
be friends with smart people,
122
268727
2014
Så om du är smart känner du ofta
andra smarta människor
andra smarta människor
04:42
and if you're young, you tend
to be friends with young people,
to be friends with young people,
123
270741
2630
och om du är ung
känner du ofta unga människor
känner du ofta unga människor
04:45
and this is well established
124
273371
1627
och detta är etablerat sen
04:46
for hundreds of years.
125
274998
1745
hundratals år tillbaka.
04:48
We also know a lot
126
276743
1232
Vi vet också mycket om
04:49
about how information spreads through networks.
127
277975
2550
hur information sprids genom nätverk.
04:52
It turns out things like viral videos
128
280525
1754
Det visar sig att virala videos
04:54
or Facebook likes or other information
129
282279
2406
eller Facebookgillningar
eller annan information
eller annan information
04:56
spreads in exactly the same way
130
284685
1888
sprider som på exakt samma sätt
04:58
that diseases spread through social networks.
131
286573
2454
som sjukdomar sprider sig
genom sociala nätverk.
genom sociala nätverk.
05:01
So this is something we've studied for a long time.
132
289027
1791
Detta har vi studerat länge.
05:02
We have good models of it.
133
290818
1576
Vi har bra modeller för det.
05:04
And so you can put those things together
134
292394
2157
Och man kan sätta ihop saker
05:06
and start seeing why things like this happen.
135
294551
3088
och börja se varför såna här saker händer.
05:09
So if I were to give you a hypothesis,
136
297639
1814
Om jag ger er en hypotes,
05:11
it would be that a smart guy started this page,
137
299453
3227
skulle det vara att en smart kille
startade den här sidan,
startade den här sidan,
eller kanske att en av de första
som gillade sidan
som gillade sidan
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
hade fått bra resultat på testet.
05:18
And they liked it, and their friends saw it,
140
306355
2288
Och de gillade det,
deras vänner såg det,
deras vänner såg det,
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
och genom homofili vet vi
att han förmodligen hade smarta vänner,
att han förmodligen hade smarta vänner,
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
och så spreds det till dem,
vissa av dem gillade det,
vissa av dem gillade det,
och de hade smarta vänner
och det spreds vidare,
och det spreds vidare,
05:26
and they had smart friends,
143
314821
1189
05:28
and so it spread to them,
144
316010
807
och så fortplanade det sig
genom nätverket
genom nätverket
05:28
and so it propagated through the network
145
316817
1973
05:30
to a host of smart people,
146
318790
2569
till en samling smarta människor
05:33
so that by the end, the action
147
321359
2056
så till slut blev
05:35
of liking the curly fries page
148
323415
2544
gillandet av curly fries-sidan
05:37
is indicative of high intelligence,
149
325959
1615
en indikation på hög intelligens,
05:39
not because of the content,
150
327574
1803
inte på grund av innehållet,
05:41
but because the actual action of liking
151
329377
2522
utan för att själva gillningen
05:43
reflects back the common attributes
152
331899
1900
reflekterar vanliga attribut
05:45
of other people who have done it.
153
333799
2468
hos andra som har gjort det.
05:48
So this is pretty complicated stuff, right?
154
336267
2897
Det är rätt komplicerade saker, eller hur?
05:51
It's a hard thing to sit down and explain
155
339164
2199
Det är svårt att sätta sig och förklara
05:53
to an average user, and even if you do,
156
341363
2848
för en typisk användare,
och även om man gör det,
och även om man gör det,
vad kan den medelanvändaren
05:56
what can the average user do about it?
157
344211
2188
göra åt det?
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
Hur vet du att du gillat något
06:00
that indicates a trait for you
159
348447
1492
som indikerar ett av dina drag
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
som är helt irrelevant
för innehållet du gillar?
för innehållet du gillar?
06:05
There's a lot of power that users don't have
161
353484
2546
Det finns mycket makt
som användaren inte har
som användaren inte har
06:08
to control how this data is used.
162
356030
2230
för att kontrollera hur datan används.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
Och jag ser det som
ett stort problem i framtiden.
ett stort problem i framtiden.
06:13
So I think there's a couple paths
164
361372
1977
Jag tror det finns ett par vägar
06:15
that we want to look at
165
363349
1001
som borde kolla på
06:16
if we want to give users some control
166
364350
1910
om vi vill ge användarna kontroll
06:18
over how this data is used,
167
366260
1740
över hur datan används,
06:20
because it's not always going to be used
168
368000
1940
för det kommer inte alltid att användas
06:21
for their benefit.
169
369940
1381
till deras fördel.
06:23
An example I often give is that,
170
371321
1422
Ett exempel jag ofta ger
är att om jag någonsin tröttnar på
att vara professor
att vara professor
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
kommer jag starta ett företag
06:28
that predicts all of these attributes
173
376042
1454
som förutser alla attribut
06:29
and things like how well you work in teams
174
377496
1602
och saker som hur du jobbar i grupp
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
och om du är drogmissbrukare
eller alkoholist.
eller alkoholist.
06:33
We know how to predict all that.
176
381769
1440
Vi vet hur vi ska förutse allt det.
06:35
And I'm going to sell reports
177
383209
1761
Och jag ska sälja rapporter
06:36
to H.R. companies and big businesses
178
384970
2100
till försäkringsbolag och storföretag
06:39
that want to hire you.
179
387070
2273
som vill anställa dig.
06:41
We totally can do that now.
180
389343
1177
Vi kan göra det nu.
06:42
I could start that business tomorrow,
181
390520
1788
Jag kan starta företaget imorgon,
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
och du skulle inte ha någon kontroll
06:46
over me using your data like that.
183
394360
2138
över hur jag använder datan.
06:48
That seems to me to be a problem.
184
396498
2292
Det verkar för mig vara ett stort problem.
06:50
So one of the paths we can go down
185
398790
1910
En av vägarna vi kan gå
06:52
is the policy and law path.
186
400700
2032
är politikens och lagens väg.
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
I vissa avseenden tror jag
att det skulle vara det mest effektiva,
att det skulle vara det mest effektiva,
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
men problemet är att vi faktiskt
skulle behöva göra det.
skulle behöva göra det.
07:00
Observing our political process in action
189
408534
2780
Att se hur vår politiska process fungerar
07:03
makes me think it's highly unlikely
190
411314
2379
får mig att tro
att det är högst osannolikt
att det är högst osannolikt
07:05
that we're going to get a bunch of representatives
191
413693
1597
att vi kommer få en massa folkvalda
07:07
to sit down, learn about this,
192
415290
1986
att sätta sig ner och lära sig om detta,
07:09
and then enact sweeping changes
193
417276
2106
och sedan få igenom avgörande förändringar
07:11
to intellectual property law in the U.S.
194
419382
2157
på immaterialrättens lag i USA
07:13
so users control their data.
195
421539
2461
så att användarna får kontroll
över sin data.
över sin data.
07:16
We could go the policy route,
196
424000
1304
Vi kan gå politikens väg,
07:17
where social media companies say,
197
425304
1479
där företag inom sociala medier säger
07:18
you know what? You own your data.
198
426783
1402
"Vet du vad? Du äger din data.
07:20
You have total control over how it's used.
199
428185
2489
Du har kontroll över hur den används".
07:22
The problem is that the revenue models
200
430674
1848
Problemet är att intäktsmodellerna
07:24
for most social media companies
201
432522
1724
för flertalet företag inom sociala medier
07:26
rely on sharing or exploiting
users' data in some way.
users' data in some way.
202
434246
4031
baserar sig på att dela eller utnyttja
användarnas data på något sätt.
användarnas data på något sätt.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
Det påstås ibland
om Facebook att användaren
om Facebook att användaren
07:32
aren't the customer, they're the product.
204
440110
2528
inte är kunden, utan de är varan.
07:34
And so how do you get a company
205
442638
2714
Hur får man ett företag
att ge tillbaka kontrollen
över sin främsta tillgång
över sin främsta tillgång
07:37
to cede control of their main asset
206
445352
2558
07:39
back to the users?
207
447910
1249
till användarna?
07:41
It's possible, but I don't think it's something
208
449159
1701
Det är möjligt, men jag tror inte att
07:42
that we're going to see change quickly.
209
450860
2320
det kommer ändras särskilt snabbt.
07:45
So I think the other path
210
453180
1500
Jag tror att den andra vägen
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
vi kan gå som är mer effektiv
07:48
is one of more science.
212
456968
1508
är en väg med mer vetenskap.
07:50
It's doing science that allowed us to develop
213
458476
2510
Det är genom vetenskapen
som vi kan utveckla
som vi kan utveckla
07:52
all these mechanisms for computing
214
460986
1750
alla dessa mekanismer för beräkningar
07:54
this personal data in the first place.
215
462736
2052
av personliga data från första början.
07:56
And it's actually very similar research
216
464788
2106
Undersökningarna är faktiskt
väldigt lika de som vi måste göra
väldigt lika de som vi måste göra
07:58
that we'd have to do
217
466894
1438
08:00
if we want to develop mechanisms
218
468332
2386
om vi vill utveckla mekanismer
08:02
that can say to a user,
219
470718
1421
som kan säga till användaren,
08:04
"Here's the risk of that action you just took."
220
472139
2229
"Det här är risken
med den handling du nyss begick".
med den handling du nyss begick".
08:06
By liking that Facebook page,
221
474368
2080
Genom att gilla den där Facebooksidan
08:08
or by sharing this piece of personal information,
222
476448
2535
eller genom att dela en del
personlig information,
personlig information,
08:10
you've now improved my ability
223
478983
1502
har du förbättrat
min möjlighet att förutse
min möjlighet att förutse
08:12
to predict whether or not you're using drugs
224
480485
2086
om du använder droger eller inte
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
eller om du kommer bra överens
med folk på jobbet eller inte.
med folk på jobbet eller inte.
08:17
And that, I think, can affect whether or not
226
485433
1848
Det tror jag kan påverka
om folk vill dela något,
08:19
people want to share something,
227
487281
1510
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
hålla det för sig själv, eller bara
vara offline helt och hållet.
vara offline helt och hållet.
Vi kan också kika på saker som
08:24
We can also look at things like
229
492030
1563
08:25
allowing people to encrypt data that they upload,
230
493593
2728
att låta folk kryptera uppladdade data,
så det är osynligt och värdelöst
08:28
so it's kind of invisible and worthless
231
496321
1855
08:30
to sites like Facebook
232
498176
1431
för webbplatser som Facebook
08:31
or third party services that access it,
233
499607
2629
eller tredjepartstjänster
som använder det,
som använder det,
08:34
but that select users who the person who posted it
234
502236
3247
men den utvalda personen
som valts av uppladdaren
som valts av uppladdaren
08:37
want to see it have access to see it.
235
505483
2670
kommer att ha möjlighet att se det.
08:40
This is all super exciting research
236
508153
2166
Detta är superspännande forskning
08:42
from an intellectual perspective,
237
510319
1620
från ett intellektuellt perspektiv,
08:43
and so scientists are going to be willing to do it.
238
511939
1859
och forskare kommer vilja göra det.
08:45
So that gives us an advantage over the law side.
239
513798
3610
Det ger oss ett övertag över lagsidan.
08:49
One of the problems that people bring up
240
517408
1725
Ett av problemen som folk tar upp
08:51
when I talk about this is, they say,
241
519133
1595
när jag pratar om detta är,
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
"Du vet, om folk börjar hålla
all data privat, så kommer
all data privat, så kommer
08:55
all those methods that you've been developing
243
523374
2113
alla metoder som du utvecklat
08:57
to predict their traits are going to fail.
244
525487
2653
som förutser deras karaktärsdrag
att misslyckas."
att misslyckas."
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
Då säger jag "Absolut,
och för mig är det en succé",
och för mig är det en succé",
09:03
because as a scientist,
246
531660
1786
för som forskare
09:05
my goal is not to infer information about users,
247
533446
3688
är mitt mål inte att få tag på
information om användarna,
information om användarna,
09:09
it's to improve the way people interact online.
248
537134
2767
utan att förbättra interaktionen
mellan folk online.
mellan folk online.
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
Och ibland innebär det
att dra slutsatser om dem,
att dra slutsatser om dem,
09:15
but if users don't want me to use that data,
250
543119
3022
men om användare inte vill ge mig
tillgång till den informationen,
tillgång till den informationen,
09:18
I think they should have the right to do that.
251
546141
2038
tycker jag att de har rätt att göra det.
09:20
I want users to be informed and consenting
252
548179
2651
Jag vill att användare ska vara
informerade och samtyckande
informerade och samtyckande
09:22
users of the tools that we develop.
253
550830
2112
användare av verktygen som vi utvecklar.
09:24
And so I think encouraging this kind of science
254
552942
2952
Och jag tycker att vi
genom att uppmuntra denna sorts vetenskap
genom att uppmuntra denna sorts vetenskap
09:27
and supporting researchers
255
555894
1346
och att stötta forskare
09:29
who want to cede some of that control back to users
256
557240
3023
som vill ge tillbaka kontrollen
till användarna
till användarna
09:32
and away from the social media companies
257
560263
2311
från företagen inom sociala medier
09:34
means that going forward, as these tools evolve
258
562574
2671
betyder att vi går framåt
när dessa verktyg utvecklas
när dessa verktyg utvecklas
09:37
and advance,
259
565245
1476
och går framåt,
09:38
means that we're going to have an educated
260
566721
1414
och vi kommer få en utbildad
09:40
and empowered user base,
261
568135
1694
och kraftfull användarbas,
och jag tror vi är överens om
att det är rätt väg att gå framåt.
att det är rätt väg att gå framåt.
09:41
and I think all of us can agree
262
569829
1100
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
09:45
Thank you.
264
573493
2184
Tack.
(Applåder)
09:47
(Applause)
265
575677
3080
ABOUT THE SPEAKER
Jennifer Golbeck - Computer scientistAs the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions.
Why you should listen
Jennifer Golbeck is an associate professor in the College of Information Studies at the University of Maryland, where she also moonlights in the department of computer science. Her work invariably focuses on how to enhance and improve the way that people interact with their own information online. "I approach this from a computer science perspective and my general research hits social networks, trust, web science, artificial intelligence, and human-computer interaction," she writes.
Author of the 2013 book, Analyzing the Social Web, Golbeck likes nothing more than to immerse herself in the inner workings of the Internet tools so many millions of people use daily, to understand the implications of our choices and actions. Recently, she has also been working to bring human-computer interaction ideas to the world of security and privacy systems.
Jennifer Golbeck | Speaker | TED.com