Το θέμα της αναξιοπιστίας των πληροφοριών που προκύπτουν από την ανάλυση των δεδομένων μας στα κοινωνικά δίκτυα επαναφέρουν δύο αμερικανοί καθηγητές πανεπιστημίου.

Η στατιστική, δανειζόμενη μεθόδους ακόμα και από την επιδημιολογία, έχει αναπτύξει μεθόδους για να διορθώσει κάποια λάθη, εντούτοις δεν διορθώνονται όλα, επισημαίνουν οι Derek Ruths και Jürgen Pfeffer από τα πανεπιστήμια McGill και Carnegie Mellon αντίστοιχα σε άρθρο τους στην επιστημονική επιθεώρηση Science.

Πραγματικά δεδομένα ανθρώπων που συμμετέχουν σε πλήθος κοινωνικά δίκτυα online, διαθέσιμα δημόσια, αξιοποιούνται σήμερα από τους ερευνητές σε διάφορες μελέτες. Μάλιστα, πολλές φορές τα δεδομένα που διατίθενται πλέον αφειδώς στα κοινωνικά δίκτυα αξιοποιούνται για την εξόρυξη πληροφορίας που θα διαδραματίσει κρίσιμο ρόλο σε μια απόφαση, ακόμα και σε κυβερνητικό επίπεδο ή για επενδύσεις.

Εντούτοις, η πληροφορία που αντλείται από τα δεδομένα αυτά θα πρέπει να αντιμετωπίζεται με επιφύλαξη, ιδιαίτερα εάν ο ερευνητής δεν έχει συνυπολογίσει τα εξής, σημειώνουν οι καθηγητές πληροφορικής:

1. Ποιο είναι το προφίλ του δείγματος στο κοινωνικό δίκτυο που επιλέχτηκε; Για παράδειγμα, εάν η έρευνα έγινε με στοιχεία από το Pinterest θα πρέπει να συνυπολογιστεί ότι το προφίλ του μέσου χρήστη στο δίκτυο αυτό είναι γυναίκες 25 έως 34 ετών, καθώς διαφορετικά η προβολή στον πληθυσμό θα αποφέρει εσφαλμένα αποτελέσματα.

2. Τα δεδομένα που αξιοποιούνται από τους ερευνητές είναι -συνήθως- δημόσια διαθέσιμα. Όμως, ο ερευνητής μπορεί να μην γνωρίζει το σύνολο των δεδομένων του χρήστη ή, κυρίως, πότε και πως τα φιλτράρει το δίκτυο.

3. Η σχεδίαση κάθε κοινωνικού δικτύου μπορεί να επηρεάζει την συμπεριφορά του χρήστη. Για παράδειγμα, στο Facebook μια μελέτη για το τι «δεν αρέσει» είναι πιο δύσκολο να γίνει, απουσία ενός Dislike, σε αντίθεση με μια μελέτη που βασίζεται στα υπαρκτά ως τέτοια, Like.

4. H μελέτη μπορεί να συνυπολόγισε στοιχεία που προέκυψαν από «ρομποτάκια» ή αυτοματοποιημένες διαδικασίες με σκοπό την διασπορά αν επίκλητων πληροφοριών (bot ή spam), «μολύνοντας» την έρευνα με αναξιόπιστα στοιχεία.

Στην μελέτη τους με τίτλο “Social Media for Large Studies of Behavior” (Ruths and Pfeffer, Science, Nov. 28, 2014), οι ακαδημαϊκοί σημειώνουν πως η επιστήμη έχει βρει τρόπους να αντιμετωπίσει τέτοια προβλήματα, θα πρέπει όμως προηγουμένως να αναγνωρίζονται ως τέτοια.

Το θέμα της αξιοπιστίας των λεγόμενων “big data” -μεγάλων σετ δεδομένων που συλλέγονται, απεκδύονται την ταυτότητά τους και υπόκεινται σε επεξεργασία- αποτελούν θέμα μιας συνεχούς συζήτησης σήμερα.

Τον Οκτώβριο του 2013, η Κέιτ Κρόφορντ, μέλος της ομάδας ερευνητών στην Microsoft Research και επισκέπτρια καθηγήτρια στο MIT Center for Civic Media και στο Πανεπιστήμιο της Αυστραλίας UNSW, ζητούσε να θεσπιστούν νόμοι που να προασπίζουν το δικαίωμα του χρήστη να αντικρούσει όσα του προσάπτονται από την αδιαφανή ανάλυση των big data. Η Κρόφορντ είχε μάλιστα εξηγήσει με ποιους τρόπους αυτή η ανάλυση μπορεί να μας επηρεάζει, θυμίζοντας τις αυξανόμενες προτροπές επιφανών προσώπων του Διαδικτύου να πάρουμε τα δεδομένα μας από τον Παγκόσμιο Ιστό.

Τον Ιούλιο, είχε προκαλέσει ιδιαίτερη ανησυχία η αποκάλυψη ότι το Facebook έπαιζε με τα συναισθήματα των μελών του, στο πλαίσιο ενός ψυχολογικού πειράματος. Παρά την γενική κατακραυγή, η Facebook Inc. δεν απαγόρευσε την διεξαγωγή τους, αλλά άλλαξε τους κανόνες που θα δημοσιοποιούνται.

Source: [Πρέπει να είστε εγγεγραμμένοι και συνδεδεμένοι για να δείτε αυτόν το σύνδεσμο.]