2.3.8 Algoritmysk konfronteare
Behavior yn grutte datasystemen is net natuerlik; It wurdt troch de yntinsive doelen fan 'e systemen oansteld.
Hoewol in protte grutte data boarnen net-reaktyf binne, omdat minsken net bewust binne dat har gegevens opnommen binne (seksje 2.3.3), ûndersikers moatte it gedrach yn dizze ynternetsysteem net "natuerlik" wêze. It realistysk binne de digitale systemen dy't it gedrach opnimme tige yngenieurjen om spesifike gedrach te stimulearjen, lykas klikken op advertinsjes of ynstjoeren fan ynhâld. De wegen dy't de doelen fan systeme-ûntwerpers kinne modellen yn gegevens ynliede, wurde algoritmyske ferrifelje neamd . Algoritmyske ferfeling is relatyf ûnbekend foar sosjale wittenskippers, mar it is in wichtich omtinken foar ûndergeande data wittenskippers. En, yn tsjinstelling ta guon fan 'e oare problemen mei digitale spoaren, algoritmyske ferfeling is foaral ûnsichtberlik.
In relatyf ienfâldige foarbyld fan algoritmyske ferfeling is it feit dat op Facebook in unbekend hege oantal brûkers binne mei ungefear 20 freonen, sa ûntdutsen troch Johan Ugander en kollega's (2011) . Wittenskippers analysearje dizze gegevens sûnder begrip te wêzen fan hoe't Facebook wurket kin sûnder mis in soad ferhalen generearje oer hoe't 20 wat soarte fan magysk maatskiplik nûmer is. Gelokkich hie Ugander en syn kollega's in wichtige begryp fan it proses dat de gegevens generearre en wist dat Facebook Facebook minsken mei in pear ferbannen op Facebook stimulearre om mear freonen te meitsjen oant se 20 freonen hawwe. Hoewol Ugander en kollega's dit net yn har papier sizze, waard dit belied fermoedlik makke troch Facebook om nije brûkers te stimulearjen om aktyf te wurden. Sûnder te witten oer it bestean fan dit belied is it lykwols maklik om de ferkearde konklúzje út te litten fan 'e gegevens. Mei oare wurden, it oerweldig hege oantal minsken mei sa'n 20 freonen fertelt ús mear oer Facebook as oer minsklik gedrach.
Yn dit foarbyld foarbyld, algoritmyske ferfeling makke in quirky resultaat dat in soarchfâldige ûndersiker ferminderje kin en fierder ûndersykje. Dochs is der in even hurderere ferzje fan algoritmyske ferfeling dy't foarkomt as ûntwerper fan onlinesystemen bewust binne fan sosjale teoryen en dêrnei dy teoryen yn 'e wurking fan har systemen te bakken. Sosjale wittenskippers neame dizze útfiering : as in teory feroaret de wrâld op sa'n manier dat it de wrâld mear yn oerienstimming bringt mei de teory. Yn it gefal fan performative algoritmyske ferfeling, is de ferwûne natuer fan 'e gegevens tige swier om te ûntdekken.
In foarbyld fan in ûntwerp dat troch performativiteit makke is transitivoit yn online sosjale netwurken. Yn 'e jierren 1970 en 1980 hawwe ûndersikers hieltyd wer fûn dat as jo freonen binne mei Alice en Bob, dan binne Alice en Bob mear as wierskynlik freonen mei elkoar as as se twa willekeurich keazen minsken wienen. Dit is itselde patroan fûn yn 'e sosjale grafyk op Facebook (Ugander et al. 2011) . Sa kin men konkludearje dat patroanen fan freonskip op Facebook replikaare patroanen fan offline freonskip, op syn minst yn 'e transitfeardigens. De gruttens fan transitiviteiten yn 'e Facebook sosjaal grafyk wurdt lykwols foar in part algoritme ferwûne. Dat is, dat data wittenskippers op Facebook wisten fan it empirysk en teoretyske ûndersyk oer transitiviteit en dêrnei bakken it yn hoe't Facebook wurket. Facebook hat in "minsken dy't jo kenne" funksjonearje dy't nije freonen oanwizget, en in manier dat Facebook beslút hoe't jo foarstelle wolle is transitivoasje. Dat is, Facebook is mear wierskynlik om te advisearjen dat jo freonen wurde mei de freonen fan jo freonen. Dizze funksje hat dus it effekt fan ferheging fan transitfaze yn 'e Facebook sosjale graf; yn oare wurden, bringt de teory fan transitiviteit de wrâld yn oerienstimming mei de foarsizzings fan 'e teory (Zignani et al. 2014; Healy 2015) . Sadwaande, as grutte data boarnen ferskine om foarbylden fan 'e sosjale teory te reproduzjen, moatte wy der wis fan wêze dat de teory sels net yn' e hichte wie hoe't it systeem wurke.
Ynteressearje fan grutte data boarnen as minsken yn in natuerlike ynstellings tinke, in mear apt metaphor hâldt minsken yn in casino. Casinos binne tige yngenieurearre omjouwing dy't ûntwikkele binne om guon gedachten te indulearjen, en in ûndersiker soe nea ferwachtingen yn in casino ferwachtsje om in ferdútsk finster yn minsklik gedrach te jaan. Fansels kinne jo wat learje oer it minsklik gedrach troch minsken te learen yn 'e casino's, mar as jo it fakt hawwe dat de gegevens yn in casino ûntstien binne, kinne jo miskien minne konklúzjes tekenje.
Spitigernôch is it omgean mei algoritmyske ferfeling is benammen dreech om't in protte funksjes fan online-systeemboargen propereare, minne dokumintearre en stilend wikselje. Bygelyks, as ik letter yn dit haadstik ferklearje, algoritmyske ferfeling wie ien mooglike ferklearring fan 'e gradulearjende ferdieling fan Google Flu Trends (paragraaf 2.4.2), mar dizze oanfraech wie dreech om te beoardieljen omdat de ynderlike wurkjen fan Google's sykgroep algoritme binne proprietêr. De dynamyske karakter fan algoritmyske ferfeling is ien foarm fan system drift. Algoritmyske ferfeling betsjuttet dat wy soarchfâldich wêze moatte oer alle betingsten oer minsklik gedrach dat komt fan in inkele digitale systeem, lykas hoe grut.
