2.3.2.5 ալգորիթմիկ անիծված
Վարքագիծը գտնված տվյալները բնական չէ, դա պայմանավորված է ինժեներական նպատակներից համակարգերի.
Չնայած նրան, որ շատերը տվյալների աղբյուրները ոչ ռեակտիվ, քանի որ մարդիկ չեն գիտակցում իրենց տվյալներն են արձանագրվում (Բաժին 2.3.1.3), հետազոտողները չպետք է վարքագիծը այդ առցանց համակարգերի լինել «բնականաբար, տեղի» կամ «մաքուր» Իրականում թվային համակարգեր, որոնք ռեկորդային վարքը բարձր են engineered է դրդել կոնկրետ վարքագծի, ինչպիսիք են սեղմելով գովազդները կամ փակցնում բովանդակություն: Այնպես, որ նպատակները համակարգի դիզայներների կարող ներկայացնել նախշերով մեջ տվյալները կոչվում ալգորիթմական զարմանալի. Ալգորիթմական զարմանալի համեմատաբար անհայտ է հասարակագետների, բայց դա լուրջ մտահոգություն շրջանում զգույշ տվյալների գիտնականների: Եվ, ի տարբերություն որոշ այլ խնդիրների հետ թվային հետքերով, ալգորիթմական զարմանալի է հիմնականում անտեսանելի.
Համեմատաբար պարզ օրինակ է ալգորիթմական Խառը է այն փաստը, որ Facebook- ում կան անոմալ բարձր թվով օգտագործողների մոտ 20 ընկերների (Ugander et al. 2011) : Գիտնականները վերլուծելով այս տվյալները, առանց որեւէ պատկերացում, թե ինչպես Facebook- ի աշխատանքների կարող անկասկած առաջացնում է բազմաթիվ պատմություններ, թե ինչպես 20 ինչ կախարդական սոցիալական թվի: Սակայն, Ugander եւ նրա գործընկերները ունեցել էական պատկերացում է գործընթացի, որ առաջացած տվյալները, եւ նրանք գիտեին, որ Facebook քաջալերեց մարդկանց մի քանի միացումների վրա Facebook, որպեսզի ավելի շատ ընկերներ, մինչեւ նրանք հասան 20 ընկերներին: Չնայած նրան, որ Ugander եւ գործընկերները չեն ասել, որ սա է թղթի վրա, այդ քաղաքականությունը, ենթադրաբար, ստեղծվել է Facebook, որպեսզի խրախուսի նոր օգտվողներին ավելի ակտիվ լինի: Առանց իմանալով գոյության այս քաղաքականության, սակայն, դա շատ հեշտ է հրավիրել սխալ եզրակացության տվյալները. Այլ կերպ ասած, զարմանալիորեն մեծ թվով մարդկանց մոտ 20 ընկերների պատմում է մեզ ավելի մոտ Facebook քան մարդկային վարքագծի համար.
Ավելի ավերիչ քան այս նախորդ օրինակում, որտեղ ալգորիթմական զարմանալի արտադրվել է quirky արդյունք, որը ուշադիր հետազոտողները կարող հետաքննելու հետագայում, կա նույնիսկ trickier տարբերակը ալգորիթմական Խառը որ տեղի է ունենում այն ժամանակ, երբ դիզայներները առցանց համակարգերի տեղյակ են սոցիալական տեսությունների եւ ապա թխել այդ տեսությունները մեջ աշխատանքային իրենց համակարգերի. Հասարակագետները զանգահարել այս performativity երբ տեսություններ փոխել աշխարհը այնպես, որ նրանք բերում են աշխարհը ավելի համահունչ դարձնելու տեսության: Այն դեպքերում, երբ կատարողական ալգորիթմական Խառը, որ անիծված բնույթը տվյալների, ամենայն հավանականությամբ, անտեսանելի.
Մեկ օրինակ է օրինաչափություն կողմից ստեղծված performativity է transitivity է սոցիալական ցանցերում: 1970-ականներին եւ 1980-ականներին, հետազոտողները բազմիցս գտել է, որ, եթե դուք են ընկերների հետ Alice, եւ ձեզ են ընկերների հետ Bob, ապա Bob եւ Ալիս են, ավելի հավանական է, որ ընկերների հետ միմյանց, քան երկու պատահական ընտրված մարդկանց: Եվ սա հենց նույն օրինակը հայտնաբերվել է սոցիալական գրաֆիկի վրա Facebook (Ugander et al. 2011) . Այսպիսով, կարելի է եզրակացնել, որ օրինակները բարեկամության on Facebook վերարտադրելու օրինակ ցանցից ընկերությունների, առնվազն առումով transitivity: Սակայն, չափը transitivity է Facebook սոցիալական գրաֆիկի մասամբ պայմանավորված է ալգորիթմական Խառը: Այսինքն, տվյալների գիտնականները Facebook գիտեր, էմպիրիկ եւ տեսական հետազոտությունների մասին transitivity եւ ապա թխում այն, թե ինչպես է Facebook- ի աշխատանքները: Facebook- ը «Մարդկանց Դուք կարող եք իմանալ,« խաղարկային, որ առաջարկում է նոր ընկերներ, եւ մեկ ճանապարհ, որ Facebook որոշում, թե ով պետք է առաջարկել ձեզ է transitivity. Այսինքն, Facebook- ը ավելի հավանական է առաջարկել, որ դուք դառնում ընկերների հետ բարեկամների ձեր ընկերների. Այս հատկությունը, հետեւաբար, ունի ազդեցություն բարձրացման transitivity է Facebook սոցիալական գրաֆիկի: այլ կերպ ասած, տեսությունը transitivity բերում աշխարհին մեջ համահունչ կանխատեսումների տեսության (Healy 2015) : Այսպիսով, երբ մեծ տվյալների աղբյուրները, կարծես վերարտադրել կանխատեսումներ սոցիալական տեսության, մենք պետք է վստահ լինել, որ տեսությունը ինքը չէր թխում են, թե ինչպես է համակարգն աշխատել:
Ավելի շուտ, քան մտածում մեծ տվյալների աղբյուրների, ինչպես նաեւ դիտարկելով մարդկանց բնական միջավայրում, ավելի բն փոխաբերություն է դիտարկելով մարդկանց կազինոյում. Խաղատները են բարձր engineered միջավայրերի նախագծված դրդել որոշակի behaviors, եւ մի հետազոտողները երբեք չի ակնկալել, որ վարքը կազինոյում կապահովի անարգել պատուհանը դեպի մարդկային վարքագծի համար. Իհարկե, մենք կարող ենք իմանալ, մի բան մասին, մարդկային վարքի ուսումնասիրելով մարդկանց խաղատների-փաստորեն խաղատուն կարող է լինել կատարյալ միջավայր ուսումնասիրելու փոխհարաբերությունները ալկոհոլի սպառման եւ ռիսկի նախասիրությունների, բայց եթե մենք անտեսվում է, որ տվյալները ստեղծվում է կազինոյում, մենք կարող հրավիրել որոշ վատ եզրակացություններ անել:
Ցավոք սրտի, զբաղվում ալգորիթմական Խառը հատկապես դժվար է, քանի որ շատ հատկանիշներ առցանց համակարգերի գույքային, վատ փաստաթղթավորվեն, եւ անընդհատ փոխվում է. Օրինակ, քանի որ ես պետք է բացատրել, ավելի ուշ այս գլխում, ալգորիթմական զարմանալի մեկն էր հնարավոր բացատրությունն է աստիճանական ընդմիջում ներքեւ Google- ի գրիպի միտումները (Բաժին 2.4.2), սակայն այս պահանջը դժվար է գնահատել, քանի որ ներքին խոհանոցը Google- ի որոնման ալգորիթմը են գույքային. Դինամիկ բնույթը ալգորիթմական Խառը մեկն ձեւ համակարգի քշել. Ալգորիթմական զարմանալի նշանակում է, որ մենք պետք է զգույշ լինեն ցանկացած հայցի համար մարդկային վարքագծի, որը գալիս է մի միասնական թվային համակարգի, անկախ նրանից, թե որքան մեծ է:
