2.3.8 Alqoritmik şəkildə qarışdırılıb

Böyük məlumat sistemlərində davranış təbii deyil; bu sistemlərin mühəndislik məqsədləri ilə idarə olunur.

Bəzi böyük məlumat mənbələri qeyri-reaktiv olmasına baxmayaraq, insanlar məlumatlarının qeyd olunmadığını bilmirlər (bölmə 2.3.3), tədqiqatçılar bu onlayn sistemlərdə davranışları "təbii olaraq meydana çıxırlar" deyə düşünməməlidirlər. Əslində, davranışları qeyd edən rəqəmsal sistemlər reklamları tıklamaq və ya məzmunun yerləşdirilməsi kimi xüsusi davranışları yaratmaq üçün yüksək səviyyədə hazırlanmışdır. Sistem dizaynerlərinin hədəflərinin nümunələri məlumatlara daxil edə biləcəyi yollara alqoritmik qarışıqlıq deyilir. Alqoritmik qarışıqlıq sosial alimlərə nisbətən məlum deyil, lakin diqqətli məlumat alimləri arasında əhəmiyyətli bir narahatlıqdır. Və diaqnoz izləri ilə digər problemlərdən fərqli olaraq, alqoritmik qarışıqlıq əsasən görünməzdir.

Alqoritmik qarışıqlığın nisbətən sadə bir nümunəsidir ki, Facebookda təxminən 20 dostu olan, Johan Uqander və iş yoldaşları (2011) tərəfindən aşkar edilmiş anomaliya ilə çox sayda istifadəçi var. Facebookun necə işlədiyini başa düşmədən bu məlumatları təhlil edən alimlər, şübhəsiz ki, 20-dən çox sehrli sosial nömrənin necə olduğunu bir çox hekayə yarada bilər. Xoşbəxtlikdən, Uqander və onun həmkarları məlumatları yaradan prosesin əhəmiyyətli bir anlayışına sahib idi və onlar Facebookun Facebookdakı bir neçə əlaqəsi olan insanları 20 yoldaşa çatana qədər daha çox dostluq etməyə təşviq etdiyini bilirdilər. Ugander və iş yoldaşları bunu öz yazılarında deyirlərsə də, bu siyasət yeni istifadəçilərin daha aktiv olmağa təşviq edilməsi üçün Facebook tərəfindən yaradılmışdır. Lakin bu siyasətin mövcudluğunu bilmədən məlumatlardan yanlış nəticə çıxarmaq asandır. Başqa sözlə, təxminən 20 dostu olan şaşırtıcı dərəcədə çox sayda insan Facebookdan daha çox insanın davranışından daha çox şey haqqında bizə məlumat verir.

Bu əvvəlki nümunədə, alqoritmik qarışıqlıq diqqətli bir tədqiqatçıın daha da aşkar və araşdırılması üçün maraqlı bir nəticə çıxardı. Buna baxmayaraq, onlayn sistemin tərtibatçıları sosial nəzəriyyələrdən xəbərdar olduqda və bu nəzəriyyələrini öz sistemlərinin işinə saldıqda ortaya çıxan alqoritmik qarışıqlığın hiyləgər bir versiyası var. Sosial elm adamları bu performativliyi çağırır: bir nəzəriyyə dünyayı nəzəriyyəyə uyğunlaşdırmaq üçün dünyaya daha çox uyğunlaşmaqla dəyişir. Performativ alqoritmik qarışıqlıq halında, məlumatların şaşırmış təbiəti aşkarlanmaq çox çətindir.

Performativliklə yaradılan nümunənin bir nümunəsi onlayn sosial şəbəkələrdə keçidliyidir. 1970-ci və 1980-ci illərdə tədqiqatçılar həm Alice, həm də Bob ilə dost olsalar da, Alice və Bob iki təsadüfi seçilmiş insanlar olduqlarından bir-birləri ilə dost olmağı daha çox tapdılar. Bu cür (Ugander et al. 2011) Facebook-da sosial qrafikdə aşkar edilmişdir (Ugander et al. 2011) . Beləliklə, Facebook-da dostluq nümunələri ən azından tranzitivlik baxımından offline dostluq nümunələrini təkrarlayır. Lakin, Facebook sosial grafiğindeki keçidliyin böyüklüyü qismən alqoritmik qarışıqlıqla idarə olunur. Yəni, Facebook-da məlumat alimləri tranzitivlik haqqında empirik və nəzəri tədqiqatlar barədə bilirdilər və Facebookun necə işlədiyini bişirdilər. Facebook-da yeni dostlar təklif edən "Bilirsiniz İnsanlar" adlı bir xüsusiyyət var və Facebookun sizə təklif edən bir yoldan keçidliyidir. Yəni Facebook, dostlarınızın dostları ilə dost olmağınızı daha çox təklif edir. Bu xüsusiyyət Facebook sosial şəbəkəsində artan keçidliyin təsirini göstərir; başqa bir deyişlə, keçid nəzəriyyəsi dünyaya nəzəriyyənin proqnozları ilə uyğun gəlir (Zignani et al. 2014; Healy 2015) . Beləliklə, böyük məlumat mənbələri sosial nəzəriyyələrin proqnozlarını əks etdirirsə, biz nəzəriyyənin özünün sistemin necə işlədiyinə bişməməyinə əmin olmalıyıq.

İnsanları təbii şəraitdə müşahidə etmə kimi böyük məlumat mənbələrini düşünməməzdən daha asan bir casinoda insanları müşahidə edir. Kazinolar, müəyyən davranışları incələşdirmək üçün nəzərdə tutulmuş yüksək mühit mühitləridir və bir tədqiqatçı casinoda davranışını insan davranışına həssas bir pəncərə təmin etməyi heç vaxt gözləməyəcəkdir. Əlbəttə casinolarda insanları öyrənməklə insan davranışına dair bir şey öyrənə bilərsiniz, amma məlumatların casinoda yaradıldığını görməmisinizsə, bəzi pis nəticələr əldə edə bilərsiniz.

Təəssüf ki, alqoritmik qarışıqlıqla məşğul olmaq, xüsusilə çətindir, çünki onlayn sistemlərin bir çox xüsusiyyətləri mülkiyyət, zəif sənədləşdirilmiş və daim dəyişəndir. Məsələn, bu fəsildə daha sonra izah edəcəyəm kimi, alqoritmik qarışıqlıq Google Flu Trends-in tədricən pozulması üçün mümkün bir izahdır (bölmə 2.4.2), lakin bu iddia qiymətləndirmək çətin idi, çünki Google axtarış alqoritminin daxili işlənmələri mülkiyyət. Alqoritmik qarışıqlığın dinamik xarakteri sistem sürüşməsinin bir formasıdır. Alqoritmik qarışıqlıq deməkdir ki, biz nə qədər böyük olursa olsun vahid rəqəmsal sistemdən gələn insan davranışı ilə bağlı hər hansı iddia haqqında ehtiyatlı olmalıyıq.