TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
Jennifer Golbeck: O dilema das fritas enroladas: Por que "curtidas" em mídias sociais dizem mais do que você pensa
Filmed:
Readability: 4.5
2,366,837 views
Você gosta de fritas enroladas? Já curtiu essa página no Facebook? Assista a esta palestra para descobrir as coisas surpreendentes que o Facebook (e outros) podem deduzir sobre você a partir das páginas curtidas e compartilhadas. A cientista da computação Jennifer Golbeck explica como isso surgiu, como algumas aplicações da tecnologia não são tão legais e por que ela acha que deveríamos devolver o controle da informação aos seus donos legítimos.
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
Se você lembra
da primeira década da Internet,
da primeira década da Internet,
00:14
it was really a static place.
1
2735
2255
era um lugar bem estático.
00:16
You could go online, you could look at pages,
2
4990
2245
Dava para entrar na Internet,
olhar as páginas,
olhar as páginas,
00:19
and they were put up either by organizations
3
7235
2513
e elas eram criadas ou por organizações
00:21
who had teams to do it
4
9748
1521
que tinham equipes para isso
00:23
or by individuals who were really tech-savvy
5
11269
2229
ou por "experts" em tecnologia
00:25
for the time.
6
13498
1737
para a época.
00:27
And with the rise of social media
7
15235
1575
E com a ascenção da mídia social
00:28
and social networks in the early 2000s,
8
16810
2399
e redes sociais no início dos anos 2000,
00:31
the web was completely changed
9
19209
2149
a Internet mudou completamente
00:33
to a place where now the vast majority of content
10
21358
3608
para um lugar onde, agora,
a grande maioria do conteúdo
a grande maioria do conteúdo
00:36
we interact with is put up by average users,
11
24966
3312
com que interagimos
é criado por usuários comuns,
é criado por usuários comuns,
00:40
either in YouTube videos or blog posts
12
28278
2697
seja em vídeos no YouTube
ou "posts" em "blogs"
ou "posts" em "blogs"
00:42
or product reviews or social media postings.
13
30975
3315
ou críticas de produtos
ou "posts" em mídia social.
ou "posts" em mídia social.
E também se tornou
um lugar muito mais interativo,
um lugar muito mais interativo,
00:46
And it's also become a much more interactive place,
14
34290
2347
00:48
where people are interacting with others,
15
36637
2637
onde pessoas interagem umas com as outras,
00:51
they're commenting, they're sharing,
16
39274
1696
estão comentando, compartilhando,
00:52
they're not just reading.
17
40970
1614
não estão só lendo.
E o Facebook não é
o único lugar para isso,
o único lugar para isso,
00:54
So Facebook is not the only place you can do this,
18
42584
1866
00:56
but it's the biggest,
19
44450
1098
mas é o maior,
00:57
and it serves to illustrate the numbers.
20
45548
1784
e serve para ilustrar os números.
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
O Facebook tem 1,2 bilhões
de usuários por mês.
de usuários por mês.
01:02
So half the Earth's Internet population
22
50809
1930
Metade da população da Internet
01:04
is using Facebook.
23
52739
1653
usa o Facebook.
01:06
They are a site, along with others,
24
54392
1932
Eles são um "site" que, junto com outros,
01:08
that has allowed people to create an online persona
25
56324
3219
permitiu que as pessoas
criassem personalidades virtuais
criassem personalidades virtuais
01:11
with very little technical skill,
26
59543
1782
com pouca habilidade técnica,
01:13
and people responded by putting huge amounts
27
61325
2476
e as pessoas reagiram colocando muitos
01:15
of personal data online.
28
63801
1983
dados pessoais "online".
01:17
So the result is that we have behavioral,
29
65784
2543
E o resultado é que temos dados
de comportamento,
de preferências e demográficos
de preferências e demográficos
01:20
preference, demographic data
30
68327
1986
01:22
for hundreds of millions of people,
31
70313
2101
para centenas de milhares de pessoas,
01:24
which is unprecedented in history.
32
72414
2026
o que nunca aconteceu antes na história.
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
E como cientista da computação,
isto quer dizer
isto quer dizer
que fui capaz de criar modelos
01:29
I've been able to build models
34
77000
1664
01:30
that can predict all sorts of hidden attributes
35
78664
2322
que podem prever todo tipo
de característica oculta de vocês
de característica oculta de vocês
01:32
for all of you that you don't even know
36
80986
2284
e vocês nem sabem que estão compartilhando
01:35
you're sharing information about.
37
83270
2202
informações sobre isso.
01:37
As scientists, we use that to help
38
85472
2382
Como cientistas, usamos isso para ajudar
01:39
the way people interact online,
39
87854
2114
as pessoas a interagirem "online",
01:41
but there's less altruistic applications,
40
89968
2499
mas há aplicações menos altruístas,
01:44
and there's a problem in that users don't really
41
92467
2381
e há um problema em que
os usuários não entendem
os usuários não entendem
01:46
understand these techniques and how they work,
42
94848
2470
realmente essas técnicas
e como elas funcionam,
e como elas funcionam,
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
e mesmo se entendessem,
não têm muito controle sobre elas.
não têm muito controle sobre elas.
O que quero lhes falar hoje
01:52
So what I want to talk to you about today
44
100446
1490
01:53
is some of these things that we're able to do,
45
101936
2702
são algumas dessas coisas
que podemos fazer,
que podemos fazer,
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
e nos dar algumas ideias
de como podemos avançar
de como podemos avançar
01:59
to move some control back into the hands of users.
47
107401
2769
para devolver um pouco
de controle aos usuários.
de controle aos usuários.
02:02
So this is Target, the company.
48
110170
1586
Essa é a Target, a empresa.
02:03
I didn't just put that logo
49
111756
1324
Eu não coloquei o logo
02:05
on this poor, pregnant woman's belly.
50
113080
2170
na barriga desta pobre mulher grávida.
Vocês talvez tenham
visto essa piada publicada
visto essa piada publicada
02:07
You may have seen this anecdote that was printed
51
115250
1840
02:09
in Forbes magazine where Target
52
117090
2061
na revista Forbes, em que a Target
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
enviou um panfleto
para essa garota de 15 anos
para essa garota de 15 anos
02:13
with advertisements and coupons
54
121512
1710
com propagandas e cupons
02:15
for baby bottles and diapers and cribs
55
123222
2554
para mamadeiras, fraldas e berços,
02:17
two weeks before she told her parents
56
125776
1684
duas semanas antes
de ela contar aos seus pais
de ela contar aos seus pais
02:19
that she was pregnant.
57
127460
1864
que estava grávida.
02:21
Yeah, the dad was really upset.
58
129324
2704
Pois é, o pai ficou muito bravo.
Ele disse: "Como a Target descobriu
02:24
He said, "How did Target figure out
59
132028
1716
02:25
that this high school girl was pregnant
60
133744
1824
que essa essa garota estava grávida
02:27
before she told her parents?"
61
135568
1960
antes de ela contar aos seus pais?"
02:29
It turns out that they have the purchase history
62
137528
2621
Acontece que eles têm
um histórico de compras
um histórico de compras
02:32
for hundreds of thousands of customers
63
140149
2301
para centenas de milhares de clientes
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
e eles calculam o que chamam
de índice de gravidez,
de índice de gravidez,
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
que não é só se uma mulher
está grávida ou não,
está grávida ou não,
02:39
but what her due date is.
66
147512
1730
mas também quando o bebê deve nascer.
02:41
And they compute that
67
149242
1304
E eles o calculam
02:42
not by looking at the obvious things,
68
150546
1768
não com base nas coisas óbvias,
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
como a compra de um berço
e roupas de bebê,
e roupas de bebê,
02:46
but things like, she bought more vitamins
70
154826
2943
mas coisas como:
"Ela comprou mais vitaminas
"Ela comprou mais vitaminas
02:49
than she normally had,
71
157769
1717
do que normalmente compra",
02:51
or she bought a handbag
72
159486
1464
ou "Ela comprou uma bolsa
02:52
that's big enough to hold diapers.
73
160950
1711
que é grande o suficiente
para guardar fraldas".
para guardar fraldas".
02:54
And by themselves, those purchases don't seem
74
162661
1910
E por si sós, essas compras não parecem
02:56
like they might reveal a lot,
75
164571
2469
revelar muita coisa,
02:59
but it's a pattern of behavior that,
76
167040
1978
mas é um padrão de comportamento
que, quando visto no contexto
de milhares de outras pessoas,
de milhares de outras pessoas,
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
03:04
starts to actually reveal some insights.
78
172135
2757
começa a revelar algumas ideias.
03:06
So that's the kind of thing that we do
79
174892
1793
É esse o tipo de coisa que fazemos
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
quando prevemos coisas
sobre vocês na mídia social.
sobre vocês na mídia social.
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
Buscamos por pequenos padrões
de comportamento
de comportamento
03:14
when you detect them among millions of people,
82
182048
2682
que, quando detectados
entre milhões de pessoas,
entre milhões de pessoas,
03:16
lets us find out all kinds of things.
83
184730
2706
nos permitem descobrir todo tipo de coisa.
03:19
So in my lab and with colleagues,
84
187436
1747
Em meu laboratório e com colegas,
03:21
we've developed mechanisms where we can
85
189183
1777
desenvolvemos mecanismos
através dos quais podemos
através dos quais podemos
03:22
quite accurately predict things
86
190960
1560
prever coisas com muita precisão,
03:24
like your political preference,
87
192520
1725
como sua preferência política,
03:26
your personality score, gender, sexual orientation,
88
194245
3752
seu índice de personalidade,
gênero, orientação sexual,
gênero, orientação sexual,
03:29
religion, age, intelligence,
89
197997
2873
religião, idade, inteligência,
03:32
along with things like
90
200870
1394
junto com coisas como
03:34
how much you trust the people you know
91
202264
1937
o quanto você confia
nas pessoas que conhece
nas pessoas que conhece
03:36
and how strong those relationships are.
92
204201
1804
e a força desses relacionamentos.
03:38
We can do all of this really well.
93
206005
1785
Podemos fazer isso muito bem.
03:39
And again, it doesn't come from what you might
94
207790
2197
E novamente, não vem do que pensaríamos
03:41
think of as obvious information.
95
209987
2102
que é informação óbvia.
03:44
So my favorite example is from this study
96
212089
2281
Meu exemplo preferido vem de um estudo
03:46
that was published this year
97
214370
1240
publicado este ano
nos Precedentes das Academias Nacionais.
nos Precedentes das Academias Nacionais.
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
Se olharem no Google, vão achar.
03:50
It's four pages, easy to read.
100
218690
1872
São quatro paginas, fácil de ler.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
E eles só observaram o que
as pessoas curtiam no Facebook,
as pessoas curtiam no Facebook,
só as coisas que vocês curtem no Facebook,
03:55
so just the things you like on Facebook,
102
223565
1920
03:57
and used that to predict all these attributes,
103
225485
2138
e as usaram para prever características,
03:59
along with some other ones.
104
227623
1645
junto com algumas outras.
04:01
And in their paper they listed the five likes
105
229268
2961
E no artigo, eles listaram
as cinco "curtidas"
as cinco "curtidas"
04:04
that were most indicative of high intelligence.
106
232229
2787
que mais indicavam alta inteligência.
04:07
And among those was liking a page
107
235016
2324
E entre eles estava uma página
04:09
for curly fries. (Laughter)
108
237340
1905
de fritas enroladas. (Risos)
04:11
Curly fries are delicious,
109
239245
2093
Fritas enroladas são deliciosas,
04:13
but liking them does not necessarily mean
110
241338
2530
Mas gostar delas
não significa necessariamente
não significa necessariamente
04:15
that you're smarter than the average person.
111
243868
2080
que você é mais esperto que a média.
04:17
So how is it that one of the strongest indicators
112
245948
3207
Então, como é que
um dos indicadores mais fortes
um dos indicadores mais fortes
04:21
of your intelligence
113
249155
1570
de inteligência
04:22
is liking this page
114
250725
1447
é curtir essa página,
04:24
when the content is totally irrelevant
115
252172
2252
quando o conteúdo é totalmente irrelevante
04:26
to the attribute that's being predicted?
116
254424
2527
à característica que está sendo prevista?
04:28
And it turns out that we have to look at
117
256951
1584
E acontece que temos que observar
04:30
a whole bunch of underlying theories
118
258535
1618
um monte de teorias implícitas
04:32
to see why we're able to do this.
119
260153
2569
para ver por que conseguimos fazer isso.
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
Uma delas é uma teoria sociológica
chamada homofilia,
chamada homofilia,
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
que basicamente diz que as pessoas
ficam amigas de pessoas como elas.
ficam amigas de pessoas como elas.
04:40
So if you're smart, you tend to
be friends with smart people,
be friends with smart people,
122
268727
2014
Se você é esperto, seus amigos
devem ser espertos,
devem ser espertos,
04:42
and if you're young, you tend
to be friends with young people,
to be friends with young people,
123
270741
2630
Se você é jovem, seus amigos
devem ser jovens,
devem ser jovens,
04:45
and this is well established
124
273371
1627
e isso foi bem estabelecido
04:46
for hundreds of years.
125
274998
1745
por centenas de anos.
04:48
We also know a lot
126
276743
1232
Também sabemos muito
04:49
about how information spreads through networks.
127
277975
2550
sobre como a informação
se propaga pelas redes.
se propaga pelas redes.
04:52
It turns out things like viral videos
128
280525
1754
Pelo jeito, coisas como vídeos virais
04:54
or Facebook likes or other information
129
282279
2406
ou "curtidas" no Facebook
ou outras informações
ou outras informações
04:56
spreads in exactly the same way
130
284685
1888
se espalham exatamente do mesmo jeito
04:58
that diseases spread through social networks.
131
286573
2454
que doenças se espalham por redes sociais.
05:01
So this is something we've studied for a long time.
132
289027
1791
Estudamos isso por muito tempo.
05:02
We have good models of it.
133
290818
1576
Temos bons modelos disso.
05:04
And so you can put those things together
134
292394
2157
E podemos juntar essas coisas
05:06
and start seeing why things like this happen.
135
294551
3088
e começar a ver por que
essas coisas acontecem.
essas coisas acontecem.
05:09
So if I were to give you a hypothesis,
136
297639
1814
Se fosse para criar uma hipótese,
05:11
it would be that a smart guy started this page,
137
299453
3227
seria que um cara esperto
criou essa página,
criou essa página,
ou talvez um dos primeiros
que curtiu a página
que curtiu a página
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
teria se saído bem naquele teste.
05:18
And they liked it, and their friends saw it,
140
306355
2288
E ele curtiu, e seus amigos viram,
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
e por homofilia, provavelmente
ele tinha amigos espertos,
ele tinha amigos espertos,
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
e assim se espalhou para eles,
e alguns deles curtiram,
e alguns deles curtiram,
e eles tinham amigos espertos,
e assim se espalhou para eles,
e assim se espalhou para eles,
05:26
and they had smart friends,
143
314821
1189
05:28
and so it spread to them,
144
316010
807
e assim se propagou pela rede
05:28
and so it propagated through the network
145
316817
1973
05:30
to a host of smart people,
146
318790
2569
para uma série de pessoas espertas,
05:33
so that by the end, the action
147
321359
2056
de modo que, ao final,
o ato de curtir a página
das fritas enroladas
das fritas enroladas
05:35
of liking the curly fries page
148
323415
2544
05:37
is indicative of high intelligence,
149
325959
1615
indica alta inteligência,
05:39
not because of the content,
150
327574
1803
não por causa do conteúdo,
05:41
but because the actual action of liking
151
329377
2522
mas porque o ato de curtir em si
05:43
reflects back the common attributes
152
331899
1900
reflete as características em comum
05:45
of other people who have done it.
153
333799
2468
de outras pessoas que também curtiram.
05:48
So this is pretty complicated stuff, right?
154
336267
2897
Coisa bastante complicada, certo?
05:51
It's a hard thing to sit down and explain
155
339164
2199
É difícil sentar e explicar
05:53
to an average user, and even if you do,
156
341363
2848
para um usuário comum, e mesmo se o fizer,
05:56
what can the average user do about it?
157
344211
2188
o que o usuário comum
pode fazer a respeito?
pode fazer a respeito?
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
Como saber que você curtiu uma coisa
06:00
that indicates a trait for you
159
348447
1492
que indica um traço seu
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
que é totalmente irrelevante
ao conteúdo do que você curtiu?
ao conteúdo do que você curtiu?
06:05
There's a lot of power that users don't have
161
353484
2546
Há muito poder que os usuários não têm
06:08
to control how this data is used.
162
356030
2230
para controlar como
esses dados são usados.
esses dados são usados.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
E eu vejo isso como
um verdadeiro problema avançando.
um verdadeiro problema avançando.
06:13
So I think there's a couple paths
164
361372
1977
Acho que há dois caminhos
que podemos observar,
que podemos observar,
06:15
that we want to look at
165
363349
1001
06:16
if we want to give users some control
166
364350
1910
se quisermos dar ao usuário o controle
06:18
over how this data is used,
167
366260
1740
sobre a utilização desses dados,
06:20
because it's not always going to be used
168
368000
1940
porque nem sempre serão usados
06:21
for their benefit.
169
369940
1381
para seu benefício.
06:23
An example I often give is that,
170
371321
1422
Um exemplo que eu sempre uso:
06:24
if I ever get bored being a professor,
171
372743
1646
se eu me cansar de ser professora,
06:26
I'm going to go start a company
172
374389
1653
eu vou abrir uma empresa
06:28
that predicts all of these attributes
173
376042
1454
que prevê as características
06:29
and things like how well you work in teams
174
377496
1602
e coisas como trabalho em equipe
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
e se você é usuário de drogas,
se é um alcoólatra.
se é um alcoólatra.
06:33
We know how to predict all that.
176
381769
1440
Sabemos como prever isso tudo.
06:35
And I'm going to sell reports
177
383209
1761
E vou vender relatórios
06:36
to H.R. companies and big businesses
178
384970
2100
para empresas de RH e grandes empresas
06:39
that want to hire you.
179
387070
2273
que queiram te contratar.
Podemos fazer isso agora.
06:41
We totally can do that now.
180
389343
1177
06:42
I could start that business tomorrow,
181
390520
1788
Eu poderia abrir essa empresa amanhã,
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
e você não teria qualquer controle
06:46
over me using your data like that.
183
394360
2138
de como eu uso seus dados desse jeito.
06:48
That seems to me to be a problem.
184
396498
2292
Para mim, isso parece um problema.
06:50
So one of the paths we can go down
185
398790
1910
Então, um dos caminhos que podemos seguir
06:52
is the policy and law path.
186
400700
2032
é o caminho da política e da lei.
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
E em alguns aspectos,
acho que assim seria mais eficiente,
acho que assim seria mais eficiente,
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
mas o problema é que
teríamos mesmo que fazer.
teríamos mesmo que fazer.
07:00
Observing our political process in action
189
408534
2780
Observar nosso processo político em ação
07:03
makes me think it's highly unlikely
190
411314
2379
me faz pensar que é altamente improvável
07:05
that we're going to get a bunch of representatives
191
413693
1597
que vamos juntar um monte
de representantes, mostrá-lhes isso,
de representantes, mostrá-lhes isso,
07:07
to sit down, learn about this,
192
415290
1986
07:09
and then enact sweeping changes
193
417276
2106
e fazer que decretem mudanças extensas
07:11
to intellectual property law in the U.S.
194
419382
2157
à lei da propriedade intelectual nos EUA
07:13
so users control their data.
195
421539
2461
para que os usuários controlem seus dados.
Ou seguir a rota da política,
07:16
We could go the policy route,
196
424000
1304
em que empresas de mídia social dizem:
07:17
where social media companies say,
197
425304
1479
07:18
you know what? You own your data.
198
426783
1402
"Sabe? Você é dono de seus dados.
07:20
You have total control over how it's used.
199
428185
2489
Você tem total controle
sobre como eles são usados."
sobre como eles são usados."
07:22
The problem is that the revenue models
200
430674
1848
O problema são os modelos de receita
07:24
for most social media companies
201
432522
1724
para a maioria
das empresas de mídia social
das empresas de mídia social
07:26
rely on sharing or exploiting
users' data in some way.
users' data in some way.
202
434246
4031
que se baseiam no compartilhamento
ou exploração dos dados dos usuários.
ou exploração dos dados dos usuários.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
Dizem do Facebook que os usuários
07:32
aren't the customer, they're the product.
204
440110
2528
não são os clientes, eles são o produto.
07:34
And so how do you get a company
205
442638
2714
Então, como fazemos com que uma empresa
07:37
to cede control of their main asset
206
445352
2558
ceda o controle de seu principal bem
07:39
back to the users?
207
447910
1249
aos usuários?
07:41
It's possible, but I don't think it's something
208
449159
1701
É possível, mas não acho que seja algo
07:42
that we're going to see change quickly.
209
450860
2320
que veremos acontecer rapidamente.
07:45
So I think the other path
210
453180
1500
E eu acho que o outro caminho
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
que podemos seguir
e que será mais eficiente
e que será mais eficiente
07:48
is one of more science.
212
456968
1508
é um mais científico.
07:50
It's doing science that allowed us to develop
213
458476
2510
É usar a ciência
que nos permitiu desenvolver
que nos permitiu desenvolver
07:52
all these mechanisms for computing
214
460986
1750
todos esses mecanismos para calcular
07:54
this personal data in the first place.
215
462736
2052
esses dados pessoais a princípio.
07:56
And it's actually very similar research
216
464788
2106
E é, de fato, uma pesquisa muito similar
07:58
that we'd have to do
217
466894
1438
que teríamos que fazer,
08:00
if we want to develop mechanisms
218
468332
2386
se quisermos desenvolver mecanismos
08:02
that can say to a user,
219
470718
1421
que possam dizer ao usuário:
08:04
"Here's the risk of that action you just took."
220
472139
2229
"Aqui está o risco do que
você acabou de fazer."
você acabou de fazer."
08:06
By liking that Facebook page,
221
474368
2080
Ao curtir aquela página do Facebook,
08:08
or by sharing this piece of personal information,
222
476448
2535
ou ao compartilhar
essa informação pessoal,
essa informação pessoal,
08:10
you've now improved my ability
223
478983
1502
você melhorou minha capacidade
08:12
to predict whether or not you're using drugs
224
480485
2086
de prever se você usa drogas ou não,
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
ou se você se dá bem
no ambiente de trabalho ou não.
no ambiente de trabalho ou não.
08:17
And that, I think, can affect whether or not
226
485433
1848
E isso, acredito, pode influenciar
08:19
people want to share something,
227
487281
1510
a decisão de compartilhar algo,
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
manter privado ou manter
inteiramente "offline".
inteiramente "offline".
Também podemos observar coisas como
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
permitir que as pessoas encriptem
os dados que elas enviam,
os dados que elas enviam,
08:28
so it's kind of invisible and worthless
231
496321
1855
para que sejam invisíveis e inúteis
08:30
to sites like Facebook
232
498176
1431
a "sites" como o Facebook
08:31
or third party services that access it,
233
499607
2629
ou serviços de terceiros que os acessem,
08:34
but that select users who the person who posted it
234
502236
3247
mas a usuários selecionados,
que a pessoa que postou
que a pessoa que postou
08:37
want to see it have access to see it.
235
505483
2670
quer que os vejam, tenham acesso.
08:40
This is all super exciting research
236
508153
2166
Tudo isso é uma pesquisa superlegal
08:42
from an intellectual perspective,
237
510319
1620
de uma perspectiva intelectual.
08:43
and so scientists are going to be willing to do it.
238
511939
1859
Os cientistas estarão dispostos a fazê-la.
08:45
So that gives us an advantage over the law side.
239
513798
3610
Isso nos dá uma vantagem
sobre o lado da lei.
sobre o lado da lei.
Um dos problemas que as pessoas levantam
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
quando falo disso é que elas dizem:
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
"Sabe, se todos começarem
a manter esses dados privados,
a manter esses dados privados,
08:55
all those methods that you've been developing
243
523374
2113
todos os métodos que você desenvolveu
08:57
to predict their traits are going to fail.
244
525487
2653
para prever seus traços vão falhar.
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
E eu digo "com certeza",
e para mim isso é sucesso,
e para mim isso é sucesso,
09:03
because as a scientist,
246
531660
1786
porque como cientista,
09:05
my goal is not to infer information about users,
247
533446
3688
meu objetivo não é inferir
informações sobre os usuários,
informações sobre os usuários,
09:09
it's to improve the way people interact online.
248
537134
2767
é melhorar o jeito
como as pessoas interagem "online".
como as pessoas interagem "online".
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
E, às vezes, isso envolve
inferir coisas sobre elas,
inferir coisas sobre elas,
09:15
but if users don't want me to use that data,
250
543119
3022
mas se os usuários não quiserem
que eu use esses dados,
que eu use esses dados,
09:18
I think they should have the right to do that.
251
546141
2038
acho que eles deveriam ter esse direito.
09:20
I want users to be informed and consenting
252
548179
2651
Quero que os usuários
estejam cientes e de acordo,
estejam cientes e de acordo,
09:22
users of the tools that we develop.
253
550830
2112
usuários das ferramentas
que desenvolvemos.
que desenvolvemos.
09:24
And so I think encouraging this kind of science
254
552942
2952
Então, acredito que encorajar
esse tipo de ciência
esse tipo de ciência
09:27
and supporting researchers
255
555894
1346
e apoiar pesquisadores
09:29
who want to cede some of that control back to users
256
557240
3023
que querem ceder um pouco
desse controle aos usuários
desse controle aos usuários
09:32
and away from the social media companies
257
560263
2311
e tirá-lo das empresas de mídia social
09:34
means that going forward, as these tools evolve
258
562574
2671
significa que avançar, enquanto
essas ferramentas evoluem e avançam,
essas ferramentas evoluem e avançam,
09:37
and advance,
259
565245
1476
significa que vamos ter uma base
09:38
means that we're going to have an educated
260
566721
1414
de usuários instruídos e capacitados,
09:40
and empowered user base,
261
568135
1694
09:41
and I think all of us can agree
262
569829
1100
e acho que todos concordamos
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
que esse é o jeito ideal de avançar.
09:45
Thank you.
264
573493
2184
Obrigada.
(Aplausos)
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