Останніми роками тільки лінивий не чув і не говорив про зміни, які принесли в суспільство сучасні інформаційні технології. Фрази в діапазоні від старечого «сучасні діти не вилазять із телефонів» до оптимістичного «скоро все можна буде робити в два кліки» давно стали засаленими шаблонами мислення. Але мало хто знає, що ці технології поставили соціальні науки (соціологію, економіку, політологію, соціальну психологію тощо) на поріг, мабуть, найбільшої революції за весь час їхнього існування.
Що відбувається


Діагноз нашому часу вибухоподібного зростання цифрових технологій поставила професорка Гарвардського університету Шошана Зубофф. За її словами, Google перевернув суспільство так само, як сто років тому це зробив Форд, коли поставив світ на рейки масового конвеєрного виробництва. Заслуга інтернет-гіганта полягає не в тому, що він запустив пошуковик (вони існували і до Google), а в інноваційній бізнес-моделі, за якої ціллю є не рекламодавці, не користувачі, не пошукові технології, а лише цифрові дані, що продукуються в процесі користування сервісом: дані про поведінку користувача (digital behavioral data) та цифровий слід (digital trace data). Тобто все те, що до Google вважалося сміттям, якого треба позбуватися. За такої бізнес-моделі ми – користувачі – є сировиною, з якої треба добути якомога більше даних, щоби потім продати їх справжнім клієнтам: виробникам, рекламодавцям, політикам, уряду. А ті, своєю чергою, на основі цих знань роблять смартфони, зубні щітки і політичні слогани, які нам «якнайкраще пасують» і примушують все це добро купити. Систему зростання прибутків, побудованих на присвоєнні нашого досвіду, Зубофф називає капіталізмом нагляду, бо саме нагляд за користувачем, коли на цифрове досьє перетворюється усе – від переглянутого фільму до серцевого ритму – тепер стає істинним сенсом існування інфраструктури цифрових сервісів.

Цей прекрасний новий світ відкриває небачені дотепер горизонти для науковців. Раніше соціальні науки послуговувались набором класичних методів, щоб дістати інформацію про людей, і всі ці методи були дуже обмеженими. Скажімо, опитування громадської думки часто впираються у схильність людей давати соціально бажані відповіді чи ухилятись від табу-тем. Наприклад, питаючи у першої-ліпшої людини на вулиці про те, скільки вона дивиться порно та яку останню книжку вона прочитала, ми отримаємо цнотливе суспільство затятих читачів класики. А демографія, наприклад, раніше могла розраховувати хіба що на дані РАГСу та перепису населення, який проводиться так рідко, що багато людей встигають народитись і померти, так і не взявши у ньому участь. Цифрові дані про поведінку людей долають ці та багато інших обмежень.

Мабуть, найбільш обговорюваним текстом у європейській соціології останнього року стала книга німецького вченого Арміна Нассеї «Шаблон. Теорія цифрового суспільства». За його словами, цифрові технології проводять революції в усіх сферах суспільства через принципову простоту своєї базової мови – бінарного коду – у який можна рекодувати абсолютно будь-яку інформацію – музику, тексти, зображення, дані діяльності організму чи географічного розташування об'єктів. Жодна мова в історії людства не здатна була на таке, і все це завдяки максимальній простоті коду, який складається, як відомо, всього із двох знаків – нуля та одиниці.

Завдяки цій універсальності суспільство вперше може інтегрувати й поєднувати усі форми інформації і таким чином дізнаватися про себе набагато більше, ніж коли-небудь до цього, скрізь відкривати закономірності – шаблони – які без інтеграції великих даних неможливо би було зафіксувати. Одне з центральних відкриттів, яке ми, людство, вже таким чином зробили про себе – це те, що існує набагато менше простору індивідуальності, ніж прийнято було вважати. Іншими словами, майже будь-яка форма діяльності кожного члена суспільства вписується у той чи той шаблон поведінки. Нассеї робить висновок, що люди насправді дуже нудні та передбачувані істоти, а завдяки великим даним ми стали ще й як ніколи «прозорими» у своїй передбачуваності.

Далі – лише деякі приклади того, як наука використовує це нове знання: як наші безцінні лайки, шери чи сторіз (але далеко не тільки це) перетворюється на науку.


Текст: Нікіта Кацуба
Дизайн: Каталіна Маєвська
Чи можуть дані використання смартфона дати інформацію про глибинні психологічні характеристики його власника? Науковці з університетів Стенфорда та Мюнхена відповідають: так. В межах нещодавно опублікованого дослідження 624 добровольці встановили на свої смартфони дослідницький додаток, який протягом 30 днів збирав всю основну статистику використання гаджета: комунікативну поведінку, споживання музики, користування додатками, мобільність, загальну статистику використання телефону вдень та вночі.

Вчені намагались з'ясувати, чи можна за цими даними визначати так звану «велику п'ятірку» особистісних якостей людини: відкритість (готовність до нових ідей, досвідів та цінностей); добросовісність (надійність, пунктуальність, організованість); екстраверсію (комунікабельність, напористість та схильність до пригод); толерантність (ввічливість, здатність бути приємними і підтримувати інших) та емоційну стабільність (здатність залишатись впевненими та врівноваженими).

Аналізом зібраних даних займався штучний інтелект. І вже після обробки обмеженої кількості користувацьких даних алгоритм міг визначати всі п'ять особистісних характеристик. Спілкування та соціальна поведінка на смартфоні давали важливі підказки щодо того, наскільки екстравертною є людина, інформація про ритм дня та ночі користувачів була особливо значущою для оцінки добросовісності. А от відкритість можна було передбачити лише з великої кількості дуже різних даних про поведінку.

Це дослідження є одним із серії нових проривних студій у галузі психології – науці, яка постійно намагалася знайти можливість тестувати психологічні якості без свідомого контролю піддослідних за змістом і результатами збору даних. Якщо раніше цю мету виконували, наприклад, різноманітні (більш чи менш науково суперечливі) тести, як-от знамениті тести Роршаха чи Люшера, то тепер всю роботу виконують алгоритми, які дають математично точні результати. Самі ж дослідники усвідомлюють, що випускають джина із пляшки: вони застерігають від ідеї необмеженого використання нових методів, нагадують про численні етичні проблеми, які виникають. Уявіть хоча би, що ваш детальний психологічний портрет потрапить, скажімо, до потенційного роботодавця.


ПСИХОЛОГІЯ ЗІ СМАРТФОНА
Мабуть, всі вже чули про ефект інформаційної бульбашки: ми схильні підтримувати соціальні зв'язки з людьми, які думають приблизно так само як і ми, орієнтуватись на ідеологічно «симпатичних» лідерів думок, а всіх інших відсікати зі свого інформаційного поля. Тож часто формується трохи перекошена картина світу, коли, наприклад, здається, що всі навколо підтримують політика X, а на виборах раптово з великим відривом перемагає політик Y.

Вчений Пабло Барбера з Університету Нью-Йорка за допомогою аналізу контактів між користувачами твіттера спробував перевірити, чи справді це так. Виявилось, що люди таки формують «бульбашки» за ідеологічною ознакою. В умовному центрі таких бульбашок перебувають політики та лідери думок, а навколо – мільйони людей, які більш або менш виражено підтримують певну політичну позицію.

За допомогою статистичної моделі, яку побудував Барбера, можна передбачати ідеологічні вподобання майже кожного користувача соцмережі. При цьому аналіз «бульбашки» дозволяє визначати такі вподобання навіть у людей, які взагалі не підписані на жодного політика чи лідера громадської думки. Користувач може мати десять друзів і постити тільки чудодійні ікони, але алгоритм проаналізує контакти друзів користувача, друзів друзів тощо і точно визначить його місце в ідеологічному полі.

Завдяки тому що весь аналіз відбувається постійно і в реальному часі, можна спостерігати за ідеологічним дрейфом окремих людей та цілих політичних сил, фіксувати, як формуються та розпадаються ідеологічні коаліції. Через доступ до інформації про місцеперебування користувача розподіл таких ідеологічних бульбашок можна спостерігати також у прив'язці до різних міст чи регіонів.

Цей метод, хоча і придуманий університетським науковцем із дослідницькою метою, є інструментом для політичних сил, які хочуть, наприклад, спрямувати політичну рекламу на ідеологічно «свою» аудиторію, чи навпаки – на людей, що не визначились і поки перебувають на периферії між різними ідеологічними бульбашками. І працює це, звичайно, не тільки у твіттері. До речі, сам автор дослідження перейшов працювати у Facebook. Втім, Facebook дуже ускладнив доступ сторонніх науковців до своїх даних після скандалу із Cambridge Analytica.


СКАЖИ МЕНІ, ХТО ТВІЙ ДРУГ...
Разом із мисливством за даними користувачів в інтернеті популярними стали різноманітні тести на кшталт «Яка ти пісня Віктора Павліка». Експлуатуючи бажання дізнаватись про себе щось нове, такі тести виконують свою головну функцію – збирають користувацьку інформацію. За таким принципом, проте з науковою метою, вчені університету Дюссельдорфа під керівництвом професора Штефана Маршалла створили тест, за допомогою якого кожен охочий перед виборами може з'ясувати, яка із німецьких політичних партій йому найбільше підходить.

Працює це так. Спочатку вчені формулюють 38 найбільш актуальних та важливих політичних питань на кшталт «чи має країна приймати біженців» або «чи треба вводити безумовний базовий дохід». Потім на ці питання відповідає кожна політична партія, а після того опитування стає доступним для всіх. Відповіді користувачів порівнюються із партійними, і користувач за відсотком збігів власних відповідей із відповідями партії отримує рейтинг політичних сил, які йому найбільше підходять. Тест Wahl-O-Mat (з нім./укр. Wahl – вибір) став настільки популярним, що під час останніх парламентських виборів 2017 року його пройшли 15,7 мільйона німців, тобто кожен третій (!) виборець. Через таку популярність тесту активно дискутують щодо питання його впливу на результати виборів в Німеччині, бо, ймовірно, багато людей, послуговуючись даними тесту, обирали ту партію, яку за інших умов могли б і не підтримати. Особливо коли йдеться про виборців, що не визначились.

Для науковців проєкт цікавий насамперед як можливість отримати портрети виборців кожної партії: перед тестом кожен учасник має відповісти на питання про власні вік, стать, освітній рівень, регіон проживання тощо. Крім того, користувачі мають можливість маркувати питання, які для них є особливо важливими, даючи таким чином інформацію про те, що найбільше турбує виборців кожної політичної сили. Зараз Wahl-O-Mat працює в Німеччині на всіх регіональних та парламентських виборах а також на виборах до Європарламенту, у такий спосіб дозволяючи аналізувати виборців в динаміці та на різних рівнях. Віднедавна проєкт масштабували на 20 країн ЄС, що дозволить порівнювати виборців ще й у різних країнах окремо та на рівні всього Євросоюзу.


ПРО ВИБОРЦІВ
Серед іншого, західні університети зараз активно займаються розробками технологій збору та аналізу персональних даних для власних потреб. Одна з основних із них зараз – це Predictive analytics, за допомогою якої університети можуть передбачати для кожного студента ймовірну успішність та ризик, що той кине навчання. Останнє є великою фінансовою проблемою багатьох університетів.

Так, група вчених із Технологічного інституту в Карлсруе розробила алгоритм, який лише за кількістю провалених іспитів та середньою оцінкою протягом навчання може із достатньою ймовірністю передбачити, що студент найближчим часом кине університет. Робиться це не для того, щоби таких студентів вчасно позбуватись, а навпаки – щоб спрямувати ресурси університету на тих студентів, які з різних причин перебувають у найскладнішій ситуації, і допомогти їм впоратись із кризою.

Загалом технології Predictive analytics в освіті зараз склалися в цілий великий дослідницький напрямок. Для їх розробки залучаються всі дані, які тільки можна отримати про студентів і навіть про абітурієнтів, передбачаючи їхню успішність ще до того, як ті вступили до університету. Серед іншого, аналізують соціоекономічні та демографічні дані абітурієнтів: доходи їхніх сімей, освітній рівень батьків, район проживання, шкільну успішність, вік вступу до університету тощо. Також алгоритми враховують вже згаданий цифровий слід студентів: час та ефективність використання цифрових навчальних платформ університету, активність використання електронної бібліотеки і багато іншого. Всі ці дані підвищують точність прогнозу щодо кожного студента. Так, один із піонерів використання таких технологій – Університет Джорджії – зміг з 2003 до 2017 року підвищити відсоток студентів, що завершили навчання протягом шестирічного періоду, з 32% до 54%.

Проте широке використання Predictive analytics також впирається в етичні проблеми. Неважко здогадатись, що як «групи ризику» алгоритми ідентифікують, наприклад, вихідців із бідних сімей, а в США проблема має ще і виражений расовий аспект. За логікою штучного інтелекту, краще віддавати перевагу, наприклад, дітям із багатих сімей, де батьки теж мають вищу освіту. Наявні алгоритми поки не здатні передбачати соціальні наслідки таких власних рішень, а саме ще більше соціальне розшарування та блокування соціальних ліфтів.


ПРО СТУДЕНТІВ
Технології аналізу даних людської поведінки широко використовуються у маркетингу. Проте одне дослідження в Німеччині робить це в зовсім нетривіальний спосіб. Sinus-Institut з Гейдельберґу за допомогою складного дослідницького дизайну, що складається із глибинних інтерв'ю, стандартизованих опитувань, етнографічного методу та спеціального алгоритму, розділяє все населення Німеччини на 10 класів: клас традиціоналістів, гедоністів, ліберально-інтелектуальний клас тощо. Кожен з них – це певний життєвий світ, схожі уявлення про красу, про цілі життя, ціннісні орієнтири. У практичній площині кожен із класів має свою унікальну споживацьку поведінку: просто кажучи, метод Sinus-Institut дозволяє бачити суспільство не лише через призму формальних соціодемографічних груп (молодь, пенсіонери, безробітні тощо), а розуміти, ким є ці люди насправді й чого вони хочуть.

Далі компанія Microm створила детальну карту Німеччини, на якій з точністю до одного кварталу можна побачити, які цінності та світоглядні орієнтири сповідують їхні мешканці. Для цього Microm встановила по всій країні десятки тисяч лазерних лічильників для вимірювання кількості людей та машин, які щоденно бувають в певному місці, оцінюючи кількісні показники місця. Для аналізу його «якості» булі інтегровані дані Sinus-Institut про представників різних класів, які там живуть. Так створили детальну карту споживацької поведінки, яка одразу дасть відповідь, де краще відкрити хіпстерську кав'ярню, а де – традиційну кнайпу. Для науки ж такі дані – цінне джерело інформації про динаміку класової структури суспільства.

Це все – лише деякі приклади використання персональних даних та цифрового сліду в науці. Насправді сфер їх наукового використання набагато більше. Скажімо, в останні роки разом із популяризацією фітнес-браслетів стрімко зростає сфера досліджень даних здоров'я у прогнозуванні розвитку хвороб та ранній діагностиці. Для зацікавлених у темі аналізу персональних даних виник навіть проєкт із красномовною назвою Open Humans (з англ./укр. відкриті люди), який дозволяє аналізувати власні дані, наприклад, із комп'ютера чи смартфона.


ГІПСТЕР ЯК ФАКТ НАУКИ
Люди є найбільш вразливою ланкою в системі інтернет-безпеки, але ми можемо повернути контроль над цією ситуацію.
У межах регіональної виставки Data CTRL Centre ми розповімо, як це зробити. Приходьте з 30 жовтня по 22 листопада у Центр сучасного мистецтва М17 або клікайте на datactrlcentre.com.
Проєкт створений за ініціативи Goethe-Institut в Україні. Ми, Куншт, – його куратори. За підтримки міжнародної неурядової організації Тactical Tech ми зібрали твори українських і світових митців, які працюють з технологіями штучного інтелекту, доповненої реальності, розпізнавання обличчя та інших цифрових інструментів. Розмістив їх у себе наш партнер – Центр сучасного мистецтва М17.
У програмі – публічні лекції, читання та дискусії від Goethe-Institut.
Вхід та онлайн-виставка безкоштовні!