پشتپرده سرنوشت دادههای ما در شبکههای اجتماعی چه می شود
27 فروردین 1405شبکههای اجتماعی هر روز حجم عظیمی از دادههای کاربران را جمعآوری و تحلیل میکنند؛ دادههایی که فقط برای نمایش محتوا استفاده نمیشوند.
به گزارش زمان آنلاین به نقل از فارس شبکههای اجتماعی در ظاهر ابزار ارتباطیاند، اما در پشتصحنه، ماشینهای قدرتمند پردازش داده هستند؛ ماشینهایی که با تحلیل کلانداده، رفتار کاربران را پیشبینی، هدایت و حتی بازطراحی میکنند، در حالی که کاربران کنترل اندکی بر این فرآیند دارند.
گزارش رسمی کمیسیون تجارت فدرال نشان میدهد شرکتهای بزرگ شبکههای اجتماعی و پلتفرمهای ویدیویی، حجم عظیمی از دادههای کاربران و حتی افرادی که کاربر مستقیم این خدمات نیستند را جمعآوری و تحلیل میکنند. این دادهها شامل اطلاعاتی از رفتار آنلاین، تعاملات، موقعیت مکانی و ترجیحات کاربران است که در سیستمهای الگوریتمی مورد استفاده قرار میگیرد.
شخصیسازی؛ الگوریتمهایی که انتخاب میکنند
یکی از اصلیترین کاربردهای کلانداده در شبکههای اجتماعی، شخصیسازی محتوا است. الگوریتمها با تحلیل رفتار کاربر از مدتزمان توقف روی یک پست تا نوع تعامل با محتوا مدل دقیقی از علایق او میسازند.نتیجه این فرآیند، فیدی است که بیش از آنکه بازتاب انتخابهای کاربر باشد، محصول پیشبینیهای الگوریتمی است. بررسیها نشان میدهد بخش قابلتوجهی از محتوای کاربران، نه از دوستان، بلکه از پیشنهادهای سیستمهای هوشمند و صفحات تجاری تأمین میشود.
تبلیغات هدفمند؛ تبدیل داده به درآمد
در قلب مدل اقتصادی شبکههای اجتماعی، یک سازوکار ساده اما قدرتمند قرار دارد: تبدیل دادههای کاربران به پول. هر تعامل کاربر از لایک و جستوجو گرفته تا مکث روی یک ویدیو، به دادهای تبدیل میشود که برای ساخت یک تصویر دقیق از علایق، نیازها و حتی تصمیمهای احتمالی او به کار میرود.این دادهها در قالب پروفایلهای رفتاری تحلیل میشوند و به تبلیغدهندگان امکان میدهند پیام خود را دقیقا به مخاطب مناسب برسانند؛ کسی که بیشترین احتمال را برای توجه یا خرید دارد.
به همین دلیل است که تبلیغاتی که کاربران میبینند، اغلب بیش از حد مرتبط به نظر میرسند.این سیستمهای تبلیغاتی مبتنی بر داده، به یکی از اصلیترین منابع درآمدی شرکتهای فناوری تبدیل شدهاند و سالانه میلیاردها دلار برای آنها سود ایجاد میکنند. در این مدل دادهها برای آنهایی که دادههای کاربران را جمع آوری میکنند نهتنها یک دارایی، بلکه ستون اصلی اقتصاد شبکههای اجتماعی محسوب میشود.
پیشبینی و شکلدهی رفتار کاربران
کاربرد کلانداده در شبکههای اجتماعی به شخصیسازی محتوا که در بالا توضیح دادیم محدود نمیشود؛ این دادهها بهتدریج به ابزاری برای هدایت رفتار کاربران تبدیل شدهاند.
در این مرحله، الگوریتمها صرفاً تلاش نمیکنند علایق کاربر را تشخیص دهند، بلکه با اولویتبندی و برجستهسازی برخی محتواها، بر تصمیمها و الگوهای رفتاری او اثر میگذارند.
به بیان دیگر، اگر در شخصی سازی هدف نمایش محتوای مرتبطتر بود، در اینجا هدف افزایش ماندگاری کاربر، تعامل بیشتر و در نهایت سوقدادن او به رفتارهای مشخص، از کلیک روی یک تبلیغ تا دنبالکردن یک جریان فکری، است.
این فرآیند از طریق تنظیم دقیق آنچه کاربر میبیند یا نمیبیند، شکل میگیرد.نمونه شاخص این مسئله، پرونده کمبریج آنالتیکا است که نشان داد دادههای کاربران میتوانند فراتر از تحلیل، برای هدفگیری روانی و تأثیرگذاری بر تصمیمهای آنها مورد استفاده قرار گیرند.
در چنین شرایطی، مرز میان پیشنهاد محتوا و جهتدهی به رفتار کمرنگ میشود؛ جایی که الگوریتمها نهتنها بازتابدهنده ترجیحات کاربران، بلکه عامل شکلدهنده آنها هستند.
تغذیه هوش مصنوعی
کلاندادههای تولیدشده در شبکههای اجتماعی به یکی از مهمترین منابع برای آموزش و توسعه سیستمهای هوش مصنوعی تبدیل شدهاند.
از متن و تصویر گرفته تا رفتار کاربران، همه به دادههای آموزشی تبدیل میشوند که الگوریتمها با استفاده از آنها دقت و کارایی خود را بهبود میدهند.در این فرآیند، تعاملات روزمره کاربران، مانند لایککردن، کامنتگذاشتن، اشتراکگذاری یا حتی مدتزمان مشاهده یک محتوا به سیگنالهایی تبدیل میشوند که مدلهای هوش مصنوعی از آنها برای درک بهتر الگوهای رفتاری و پیشبینی دقیقتر استفاده میکنند.
به بیان دیگر، کاربران نهتنها مصرفکننده محتوا، بلکه تأمینکننده داده برای نسل بعدی سیستمهای هوشمند هستند.
با این حال، گزارشها نشان میدهد کاربران کنترل محدودی بر نحوه استفاده از دادههایشان در این حوزه دارند.
نهادهای نظارتی هشدار دادهاند که پلتفرمهای اجتماعی از دادههای کاربران در توسعه سیستمهای هوش مصنوعی استفاده میکنند، در حالی که شفافیت کافی درباره این فرآیند وجود ندارد و گزینههای مؤثری برای جلوگیری از این استفاده در اختیار کاربران قرار نگرفته است.
نبود کنترل و شفافیت
در پسِ این چرخه گسترده جمعآوری و تحلیل داده، یک چالش اساسی قرار دارد: نبود شفافیت و کنترل واقعی برای کاربران.
پیش از این کمیسیون تجارت فدرال آمریکا افشا کرده بود که شبکههای اجتماعی و پیامرسانهای اینستاگرام، واتساپ، فیسبوک، تیکتاک، توییچ، یوتیوب، دیسکورد، اسنپ چت، ایکس و ردیت مقادیر عظیمی از دادههای کاربران را جمعآوری و پردازش میکنند؛ در حالی که شفافیت یا کنترل کمی به کاربران ارائه میدهند و سیاستهای مدیریت و نگهداری دادههای این شرکتها ناکافی است.
بنابراین بسیاری از کاربران بهدرستی نمیدانند چه نوع دادههایی از آنها جمعآوری میشود، این دادهها چگونه مورد استفاده قرار میگیرند و تا چه زمانی در اختیار شرکتها باقی میمانند.
پیچیدگی سیاستهای حریم خصوصی و نبود گزینههای مؤثر برای انصراف از این فرآیند، عملاً کاربران را در موقعیتی قرار داده که انتخاب آگاهانهای در اختیار ندارند.
پیامدهای جمع آوری دادههای کاربران
گسترش استفاده از کلانداده در شبکههای اجتماعی، پیامدهایی فراتر از تجربه فردی کاربران بههمراه داشته است. در سطح فردی، این روند میتواند به تضعیف حریم خصوصی، افزایش وابستگی به پلتفرمها و حتی دستکاری رفتار کاربران منجر شود.
زمانی که الگوریتمها بهطور مداوم بر اساس دادههای شخصی محتوا را تنظیم میکنند، مرز میان انتخاب آزاد و هدایتشده بهتدریج کمرنگ میشود.
در سطح کلانتر، این پدیده میتواند به شکلگیری فضای قطبیشده، انتشار گسترده اطلاعات جهتدار و تمرکز بیسابقه قدرت در دست چند شرکت بزرگ فناوری منجر شود.
تحلیلهای منتشرشده توسط شرکت حقوقی بینالمللی هوگانلاولز نشان میدهد تمرکز حجم عظیمی از داده در اختیار تعداد محدودی از شرکتها، میتواند به کاهش رقابت و تقویت سلطه آنها بر بازار دیجیتال بینجامد.
در چنین ساختاری، کاربر دیگر تنها مصرفکننده نیست بلکه خودِ محصول است. محصولی که ارزش آن در دادههایی نهفته است که تولید میکند و در نهایت، به ابزار تصمیمسازی برای الگوریتمها و شرکتها بدل میشود.
خبرهای مرتبط
- ترامپ استخدام متخصصان فناوری اطلاعات خارجی را گران کرد — 30 شهریور 1404
- ۳ برنامه شبکه ملی اطلاعات باتوجه به جنگ؛ دفاع از گاوصندوق دیجیتال ملت — 29 تیر 1404
- پزشکیان: لازم است دلایل عدم تحقق اهداف شورای عالی فضای مجازی برطرف شود — 25 تیر 1404
- هوش مصنوعی اطلاعات بازار کار را دستکاری میکند — 23 تیر 1404