2.3.2.5 Algorithmically tì

Ihuwasi ninu ri data ni ko adayeba, o ti wa ni ìṣó nipasẹ awọn ina- afojusun ti awọn ọna šiše.

Bó tilẹ jẹ pé ọpọlọpọ ri data orisun ni o wa ti kii-ifaseyin nitori awon eniyan wa ni ko mọ wọn data ti wa ni a gba silẹ (Section 2.3.1.3), awọn oluwadi yẹ ki o ko ro ihuwasi ninu awọn online awọn ọna šiše lati wa ni "nipa ti sẹlẹ ni" tabi "funfun." Ni otito, awọn oni šiše ti gba ihuwasi ti wa ni gíga atunse lati jeki kan pato awọn iwa iru bi tite lori ipolongo tabi ìrú akoonu. Awọn ọna ti awọn afojusun ti eto apẹẹrẹ le se agbekale elo sinu data ni a npe ni algorithmic confounding. Algorithmic confounding ni jo aimọ to awujo sayensi, sugbon o jẹ pataki kan ibakcdun laarin ṣọra data sayensi. Ki o si, ko diẹ ninu awọn ti awọn miiran awọn iṣoro pẹlu oni wa, algorithmic confounding ni ibebe airi.

A jo o rọrun apẹẹrẹ ti algorithmic confounding ni o daju wipe on Facebook nibẹ ni o wa ohun anomalously ga nọmba ti awọn olumulo pẹlu to 20 awọn ọrẹ (Ugander et al. 2011) . Sayensi gbeyewo pẹlu yi data laisi eyikeyi oye ti bi Facebook ṣiṣẹ le doubtlessly ina ọpọlọpọ awọn itan nipa bi 20 ni diẹ ninu awọn Iru idan awujo nọmba. Sibẹsibẹ, Ugander ati àwọn ẹlẹgbẹ ní a idaran ti oye ti awọn ilana ti o ti ipilẹṣẹ awọn data, nwọn si mọ pe Facebook iwuri eniyan pẹlu diẹ awọn isopọ on Facebook lati ṣe diẹ ọrẹ titi ti won ami 20 ọrẹ. Bó tilẹ jẹ pé Ugander ati awọn araa ko ba sọ yi ni awọn iwe, yi eto imulo ti a aigbekele da nipa Facebook ni ibere lati se iwuri fun titun awọn olumulo lati di diẹ lọwọ. Lai mọ nipa awọn aye ti yi eto imulo, sibẹsibẹ, o jẹ rorun lati fa ti ko tọ si pinnu lati data. Ni gbolohun miran, iyalenu ga nọmba ti awọn eniyan pẹlu nipa 20 awọn ọrẹ sọ fún wa siwaju sii nipa Facebook ju eda eniyan ihuwasi.

Diẹ wọbia ju yi ti tẹlẹ apẹẹrẹ ibi ti algorithmic confounding yi ni a quirky esi ti a ṣọra oluwadi le se iwadi siwaju, nibẹ jẹ ẹya ani trickier version of algorithmic confounding ti o waye nigbati apẹẹrẹ ti online awọn ọna šiše ni o wa mọ ti awujo imo ati ki o beki awọn wọnyi imo sinu ṣiṣẹ ti won awọn ọna šiše. Social sayensi pe yi performativity: nigbati imo yi aye ni iru kan ona ti won mu aye diẹ sinu ila pẹlu awọn yii. Ni awọn igba ti performative algorithmic confounding, awọn dãmu iseda ti awọn data ti wa ni seese airi.

Ọkan apẹẹrẹ ti a Àpẹẹrẹ da nipa performativity ni transitivity ni online awujo nẹtiwọki. Ni awọn ọdun 1970 ati 1980, oluwadi leralera ri wipe ti o ba ti o ba wa ni ọrẹ pẹlu Alice ati awọn ti o wa ni ọrẹ pẹlu Bob, ki o si Bob ati Alice o wa siwaju sii seese lati wa ni awọn ọrẹ pẹlu kọọkan miiran ju meji laileto yàn eniyan. Ki o si, yi gan kanna Àpẹẹrẹ a ri ninu awujo awonya on Facebook (Ugander et al. 2011) . Bayi, ọkan le pinnu wipe elo ti ore on Facebook tun elo ti offline friendships, o kere ni awọn ofin ti transitivity. Sibẹsibẹ, awọn bii ti transitivity ninu awọn Facebook awujo awonya ti wa ni sile ìṣó nipa algorithmic confounding. Ti o ni, data sayensi ni Facebook mọ ti awọn oniwadi ati ki o tumq si iwadi nipa transitivity ati ki o ndin o si bi Facebook ṣiṣẹ. Facebook ni o ni a "Eniyan ti O Le Mọ" ẹya-ara ti ni imọran titun ọrẹ, ati ọkan ọna ti Facebook pinnu ti o lati daba si o ni transitivity. Ti o ni, Facebook jẹ diẹ seese lati daba wipe o ti di ọrẹ pẹlu awọn ọrẹ ti awọn ọrẹ rẹ. Ẹya ara ẹrọ yi bayi ni o ni awọn ipa ti jijẹ transitivity ninu awọn Facebook awujo awonya; ninu awọn ọrọ miiran, yii ti transitivity mu aye sinu ila pẹlu awọn asọtẹlẹ ti yii (Healy 2015) . Bayi, nigbati ńlá data orisun han lati ẹda awọn asọtẹlẹ ti awujo yii, a gbọdọ jẹ daju pe yii ara ti a ti ko ndin sinu bi awọn eto sise.

Dipo ju lerongba ti ńlá data orisun bi wíwo awon eniyan ni a adayeba eto, a diẹ gbon afiwe ti wa ni wíwo awon eniyan ni a itatẹtẹ. Kasino ti wa ni gíga atunse agbegbe še lati jeki awọn iwa, ati awọn kan oluwadi yoo ko reti wipe ihuwasi ninu a itatẹtẹ yoo pese ohun unfettered window sinu eda eniyan ihuwasi. Dajudaju, a le ko eko nkankan nipa eda eniyan ihuwasi ti keko awon eniyan ni kasino-ni o daju a itatẹtẹ le jẹ ohun bojumu eto fun keko ni ibasepo laarin oti agbara ati ewu lọrun-sugbon ti o ba ti a bikita pe data a ń da ni a itatẹtẹ ti a le fa diẹ ninu awọn buburu ipinnu.

Laanu, awọn olugbagbọ pẹlu algorithmic confounding jẹ paapa soro nitori ọpọlọpọ awọn ẹya ara ẹrọ ti online awọn ọna šiše ni o wa kikan, ibi ti ni akọsilẹ, ati nigbagbogbo iyipada. Fun apẹẹrẹ, bi mo ti yoo se alaye nigbamii ni yi ipin, algorithmic confounding wà ọkan ṣee ṣe alaye fun awọn mimu Bireki-mọlẹ ti Google kooli lominu (Section 2.4.2), sugbon yi nipe gidigidi lati se ayẹwo nitori awọn akojọpọ iß of Google ká àwárí alugoridimu ti wa ni kikan. Awọn ìmúdàgba iseda ti algorithmic confounding jẹ ọkan fọọmu ti eto fiseete. Algorithmic confounding tumo si wipe a yẹ ki o wa cautious nipa eyikeyi nipe fun eda eniyan ihuwasi ti o ba wa ni lati kan nikan oni eto, ko si bi nla.