کمبریج آنالیتیکا: چگونه کلیک را به آرا تبدیل کرد؟

آیا سوابق 87M از فیس بوک به یک کمپین تبلیغاتی تبدیل می شوند که می تواند به نوسان انتخابات کمک کند؟جمع آوری این داده ها در واقع چه چیزی را شامل می شود؟و این داده ها در مورد خودمان چه می گویند؟

رسوایی کمبریج آنالیتیکا پس از سؤال سؤال را مطرح کرده است ، اما برای بسیاری ، USP فناوری این شرکت ، که هفته گذشته اعلام کرد که عملیات خود را بسته است ، یک راز است.

برای این 87 میلیون نفر احتمالاً از اینكه واقعاً با داده های خود انجام شده است ، من به كریستوفر ویلی ، کارمند سابق Cambridge Analytica بازگشتم که سوت را در مورد عملیات مشکل ساز شرکت در Observer منفجر کرد. به گفته ویلی ، تمام آنچه شما باید بدانید کمی در مورد علم داده است ، کمی در مورد زنان ثروتمند بی حوصله و کمی در مورد روانشناسی انسان.

او می گوید ، مرحله اول ، از طریق تلفن در هنگام تلاش برای گرفتن قطار: "وقتی در حال ساختن الگوریتم هستید ، ابتدا باید یک مجموعه آموزشی ایجاد کنید."یعنی: مهم نیست که برای کشف از علوم داده فانتزی چه چیزی می خواهید استفاده کنید ، ابتدا باید روش قدیمی را جمع کنید. قبل از اینکه بتوانید از Facebook Likes استفاده کنید تا مشخصات روانی یک شخص را پیش بینی کنید ، باید چند صد هزار نفر را برای انجام یک مسابقه شخصیتی 120 سؤال بدست آورید.

"مجموعه آموزش" ، به این داده ها در کلیت خود اشاره دارد: فیس بوک دوست دارد ، تست های شخصیت و هر چیز دیگری که می خواهید از آن یاد بگیرید. از همه مهمتر ، باید "مجموعه ویژگی" شما را در بر بگیرد: "داده های اساسی که می خواهید پیش بینی کنید ،"."در این حالت ، این داده های فیس بوک است ، اما می تواند به عنوان مثال متن ، مانند زبان طبیعی باشد ، یا می تواند ClickStream Data باشد" - سابقه کامل فعالیت مرور شما در وب. "این همه ویژگی هایی است که شمامی خواهید [استفاده کنید] پیش بینی کنید. "

در انتهای دیگر ، شما به "متغیرهای هدف" خود نیاز دارید - به قول ویلی ، "چیزهایی که می خواهید برای آن پیش بینی کنید. بنابراین در این حالت ، ویژگی های شخصیتی یا جهت گیری سیاسی ، یا آنچه شما دارید. "

اگر می خواهید از یک چیز برای پیش بینی دیگری استفاده کنید ، کمک می کند تا به طور همزمان به هر دو نگاه کنید. ویلی می گوید: "اگر می خواهید روابط بین لایک های فیس بوک را در مجموعه ویژگی های خود و ویژگی های شخصیتی به عنوان متغیرهای هدف خود بدانید ، باید هر دو را ببینید."

داده های فیس بوک ، که در قلب داستان کمبریج Analytica قرار دارد ، یک منبع نسبتاً فراوان در دنیای علوم داده است - و مطمئناً در سال 2014 بازگشت ، هنگامی که ویلی برای اولین بار در این زمینه کار خود را آغاز کرد. ویژگی های شخصیتی بسیار سخت تر است: علیرغم آنچه که گسترش آزمونهای BuzzFeed ممکن است نشان دهد ، ترغیب کسی برای پر کردن یک بررسی 120 سؤالی بسیار طول می کشد (طول نسخه کوتاه یکی از بررسی های روانی استاندارد، ipip-neo).

با این حال "بسیار زیاد" نسبی است. وی گفت: "برای برخی از افراد ، انگیزه برای انجام نظرسنجی مالی است. اگر شما دانش آموز هستید یا به دنبال کار هستید یا فقط می خواهید 5 دلار درآمد داشته باشید ، این یک انگیزه است. "ویلی می گوید ، پول واقعی به دست آورد ، "از 2 تا 4 دلار". پرداخت های بالاتر به "گروه هایی که دریافت آن سخت تر بودند" می رود. این گروه که حداقل احتمالاً از آن نظرسنجی می کنند ، و به همین ترتیب بیشترین درآمد را از آن داشتند ، مردان آمریکایی آفریقایی بودند. وی گفت: "افراد دیگر فقط به این دلیل که جالب می دانند ، یا حوصله دارند ، نظرسنجی ها را انجام می دهند. بنابراین ما زنان ثروتمند سفید پوست را بیش از حد نمونه کردیم. زیرا اگر در همپتون ها زندگی می کنید و بعد از ظهر کاری برای انجام دادن ندارید ، نظرسنجی های تحقیقاتی مصرف کننده را پر می کنید. "

نظرسنجی های شخصیتی از این 120 سؤال برای مشخص کردن افراد در طول پنج محور گسسته استفاده می کنند - مدل "پنج عامل" ، که به طور محبوب مدل "اقیانوس" نامیده می شود پس از یک تجزیه مشترک از عوامل: باز بودن در تجربه ، وجدان ، برونگرایی ، توافق و عصبی بودن.

این مدل خوشه ها ویژگی های شخصیت را به تمایزهایی که به نظر می رسد در طول زمان ها و در طول زمان وجود دارد ، نشان می دهد. بنابراین ، به عنوان مثال ، کسانی که خود را "بلند" توصیف می کنند ، احتمالاً خود را "مبهم" توصیف می کنند. اگر امسال با این توضیحات موافق باشند ، احتمالاً سال آینده با آن موافق هستند. این خوشه احتمالاً در هر زبان پاسخ می دهد. و اگر شخصی به آن پاسخ منفی دهد ، احتمالاً تفاوتهای قابل توجهی بین آنها و افرادی که به آن پاسخ مثبت می دهند وجود دارد.

ویلی می گوید ، این ویژگی های این مدل چیزی است که در واقع برای پروفایل افراد مفید است-بر خلاف برخی از پروفایل های روانی محبوب دیگر مانند سیستم مایرز-بریگز. در مرحله آزمایش این تحقیق ، فیس بوک به سختی درگیر شد. این نظرسنجی ها در سایت های تحقیقاتی داده های تجاری ارائه شده است - ابتدا پلت فرم مکانیکی ترک آمازون ، سپس یک اپراتور تخصصی به نام Qualtrics.(وایلی می گوید ، سوئیچ ساخته شده است ، زیرا آمازون این مسئله را دارد که "مردم با پر کردن نظرسنجی ها بیش از حد خانواده هستند" - به حدی که شروع به تأثیرگذاری بر نتایج شما می کند.)

فقط در پایان بود که فیس بوک وارد بازی شد. برای پرداخت هزینه برای نظرسنجی خود ، کاربران موظف بودند وارد سایت شوند و دسترسی به برنامه نظرسنجی تهیه شده توسط دکتر الکساندر کوگان ، دانشگاه کمبریج را تأیید کنند که تحقیقات در مورد پروفایل شخصیت با استفاده از لایک های فیس بوک ، دسترسی مناسبی را برای این امر فراهم می کند. کمبریج آنالیتیکا با بودجه رابرت مرسر برای ورود به سرعت در این زمینه.(کوگان معتقد است که کمبریج آنالیتیکا به او اطمینان داده است که از داده های مناسب استفاده می کنند و می گوید که وی "توسط فیس بوک و کمبریج آنالیتیکا به عنوان یک قلاب استفاده شده است".)

برای یک کاربر نظرسنجی ، این روند سریع بود: "شما روی برنامه کلیک می کنید ، ادامه می دهید و سپس کد پرداخت را به شما می دهد."اما دو اتفاق بسیار مهم در آن چند ثانیه اتفاق افتاد. اول ، این برنامه به همان اندازه داده ها را در مورد کاربر که تازه وارد سیستم شده است ، برداشت می کند. در جایی که مشخصات روانشناختی متغیر هدف است ، داده های فیس بوک "مجموعه ویژگی" است: اطلاعاتی که یک دانشمند داده در مورد همه افراد دیگر دارد ، که برای پیش بینی دقیق ویژگی هایی که واقعاً می خواهند بدانند ، باید از آنها استفاده کنند.

همچنین اطلاعاتی قابل شناسایی شخصی مانند نام واقعی ، مکان و جزئیات تماس را ارائه می داد - چیزی که از طریق خود سایت های نظرسنجی قابل کشف نبود."این بدان معنی بود که شما می توانید موجودی را تهیه کرده و آن را با یک شخص طبیعی [که] با ثبت نام انتخاباتی مطابقت دارد ، مرتبط کنید."

دوم ، برنامه برای همه دوستان کاربر که آن را نصب کرده اند ، همین کار را انجام داد. ناگهان صدها هزار نفر که برای پر کردن یک نظرسنجی که شخصیت های آن یک راز است ، چند دلار پرداخت کرده اید ، به میلیون ها نفر تبدیل می شوند که پروفایل های فیس بوک یک کتاب باز است.

این جایی است که تحول نهایی وارد می شود. چگونه می توانید چند صد هزار پروفایل شخصیت را به چند میلیون تبدیل کنید؟با قدرت محاسباتی زیادی و ماتریس عظیم از امکانات. ویلی می گوید: "حتی اگر اندازه نمونه شما 300000 نفر باشد ، هدیه دهید یا از آن استفاده کنید ، مجموعه ویژگی های شما مانند 100 متر است."تک تک فیس بوک ها "مانند" موجود در مجموعه داده ها در این ماتریس عظیم به ستون خاص خود تبدیل می شوند."حتی اگر فقط یک نمونه در کل مجموعه وجود داشته باشد ، هنوز یک ویژگی است."

ویلی می گوید: "تمام این داده ها سپس در یک مدل گروه قرار گرفتند."وی گفت: "این زمانی است که شما از خانواده های مختلف یا رویکردهای یادگیری ماشین استفاده می کنید ، زیرا هر یک از آنها نقاط قوت و ضعف خاص خود را خواهند داشت. و سپس آنها به نوعی رأی می دهند ، و سپس شما نتایج را ادغام می کنید و نتیجه می گیرید. "این جایی است که علم داده بیشتر به یک هنر داده تبدیل می شود: ورودی دقیق هر رویکرد به مدل کلی در سنگ تنظیم نشده است ، و هیچ راه صحیحی برای انجام آن وجود ندارد. در دنیای دانشگاهی ، گاهی اوقات "آموزش دانش آموز درجه" خوانده می شود - نکته ای که تنها کاری که باید انجام دهید این است که از طریق آزمایش و خطا پر تلاش کنید. با این وجود ، به اندازه کافی خوب کار کرد ، و در پایان ، ویلی می گوید: "ما 253 الگوریتم ساختیم ، این بدان معنی است که 253 پیش بینی در هر رکورد پروفایل وجود دارد". هدف به دست آمد: مدلی که می تواند به طور مؤثر از فیس بوک مانند موضوعات خود استفاده کند و به عقب کار کند و بقیه ستون ها را در صفحه گسترده پر کند تا به حدس های مربوط به شخصیت های آنها ، وابستگی های سیاسی و موارد دیگر برسد.

البته ، این همه ناکافی نیست. یک پیام مورد استفاده برای تقویت مشارکت راست ، به ازدواج همجنسگرا حمله کرد. ویلی می گوید: "این خنده دار است ، زیرا این بسیار توهین آمیز و به طور ضمنی هموفیبی است ، اما این تیمی از همجنسگرایان است که آن را ایجاد کرده است."وی گفت: "این افراد وجدان را هدف قرار می داد. این تصویری از یک فرهنگ لغت بود و گفت: "ازدواج را جستجو کنید و به من برگردید". برای کسی که وجدان است ، این یک پیام قانع کننده است: یک فرهنگ لغت منبع نظم است و یک فرد وجدان برای ساختار بیشتر است. "

در یک نقطه خاص ، هدف قرار دادن روان سنجی به قلمرو مبارزات انتخاباتی سگ و سوت حرکت می کند. به عنوان مثال ، تصاویر دیوارها واقعاً در مبارزات مربوط به مهاجرت مؤثر است."افراد وجدان مانند ساختار ، بنابراین برای آنها ، راه حلی برای مهاجرت باید منظم باشد و یک دیوار آن را مجسم کند. شما می توانید پیام هایی ایجاد کنید که برای برخی از افراد معنی ندارد اما برای افراد دیگر بسیار معنی دارد. اگر آن تصویر را نشان دهید ، برخی از افراد این مسئله راجع به مهاجرت دریافت نمی کنند ، و برخی دیگر بلافاصله این کار را می کنند. "مسائل واقعی ، برای وایلی ، صرفاً "نان تست سفید" سیاست است که منتظر بارگیری طعم واقعی آن هستند."هیچ کس نان تست سفید ساده نمی خواهد."به گفته وی ، کار داده ها "یادگیری عطر و طعم خاص یا ادویه" است که باعث جذابیت آن می شود.

در حالی که بدون شک این یک دستگاه هدفمند بسیار پیشرفته بود ، سؤالاتی درباره مدل روانی کمبریج آنالیتیکا باقی مانده است - شاید ، ویلی ، بهترین راه برای پاسخ دادن نیست. هنگامی که کوگان در ماه آوریل شواهدی را به پارلمان داد ، وی اظهار داشت که این امر به سختی بهتر از شانس استفاده از نمرات مناسب اقیانوس برای افراد است. شاید آن لبه برای اهمیت کافی باشد - یا شاید CA در حال فروش روغن مار باشد. و حتی اگر افراد به درستی با پنج عامل برچسب خورده باشند ، آیا تبلیغات بر اساس آن به آسانی به همان اندازه جذابیت های کمی هوکی برای عشق به نظم یا ترس از دیگری است؟

این گفت ، به وضوح چیزی در آن وجود دارد. در عوض به حق ثبت اختراع در سال 2012 در مورد "تعیین ویژگی های شخصیت کاربر از ارتباطات سیستم شبکه های اجتماعی" نگاهی بیندازید."ویژگی های شخصیتی ذخیره شده ممکن است به عنوان معیارهای هدفمند تبلیغ کنندگان استفاده شود. برای افزایش احتمال اینکه کاربر… با یک تبلیغ انتخاب شده در تعامل مثبت باشد ، "حق ثبت اختراع پیشنهاد می کند. نویسنده آن؟خود فیس بوک.

موضوعات موضوعاتی

• اطلاعات بزرگ
• پرونده های Analytica کمبریج

• کمبریج تحلیلی
• فیس بوک
• حفاظت از داده ها
• شبکه اجتماعی
• امکانات