Implicit Rating and Filtering

Článok skúma výhody a nevýhody použitia implicitných hodnotení v rámci aplikácií, ktoré filtrujú informácie.

Úvod

Zvyšujúce sa množstvo digitálnych a online prístupných informácií zmenilo aj prístup k vyhľadávaniu informácií. Užívateľ sa stretáva s dvoma hlavným problémami: obrovské množstvo dostupných dokumentov a veľké rozdiely v ich kvalite. Rastie teda potreba nástrojov, ktoré pomáhajú s filtrovaním a označovaním relevantných dokumentov.

V príbuznom článku sa dozvedáme o 3 možných prístupoch k filtrovaniu informácií:

  1. kognitívne (obsahové)
  2. ekonomické
  3. sociálne

Obsahové je najrozšírenejšie a je založené na kľúčových slovách. Ekonomické filtrovanie stúpa na dôležitosti spolu s rozvojom platieb cez internet. Tretia forma je založená hlavne na explicitnom ohodnocovaní.

Ohodnocovanie zdrojov má niekoľko problémov: používanie vhodných stupníc, motiváciu a znechutenie hodnotiteľov, skreslených hodnotiteľov, dosiahnutie dostatočne veľkej vzorky. Niektoré z týchto problémov sa vzťahujú práve k explicitnému hodnoteniu. Tento článok sa zaoberá implicitnými hodnoteniami.

Implicitné a explicitné hodnotenie

Explicitné hodnotenie používame v každodennom živote: známkovanie v škole, zhodnotenie produktov a pod. Niektoré hodnotenia sú čisto textové, väčšinou však používame odstupňovanú diskrétnu škálu. Takéto hodnotenia potom môžeme štatisticky rozlične spracovávať.

Základnou vlastnosťou explicitného hodnotenia je, že užívateľ musí preskúmať danú položku a priradiť jej hodnotenia z danej stupnice. To znamená námahu pre hodnotiteľa (to nemusí vždy znamenať problém). Hodnota rôznych hodnotení pochádza práve z tohoto intelektuálneho úsilia.

Pri používaní explicitného hodnotenia v sociálnych filtrovacích systémoch (teda tam, kde hodnotenia užívateľov sa použíju ako predpovede) sa výhody a nevýhody hodnotenia dostávajú do inejpozície. Akt hodnotenia je pre užívateľa práca naviac a výsledky týchto hodnotení využijú až užívatelia, ktorí sa k systému prihlásia neskôr. Tieto skutočnosti vedú k tomu, že takéto explicitné hodnotenia začínajú zlyhávať. Užívateľ, ktorý nemá benefit z toho, že niečo v systéme ohodnotí, má tendenciu odísť, prípadne ohodnotiť položku narýchlo (bez reálneho posúdenia) a pokračovať ďalej. Takéto hodnotenie nám je potom nanič. Tieto problémy práve viedli k úvahám o použití implicitných systémov.

Hlavnou motiváciou použitia implicitných hodnotení je to, že užívateľ už nemusí cielene preskúmať a ohodnotiť objekt. Všetky náklady na ukladanie a vyhodnocovanie implicitných dát sa dajú pred užívateľom skryť. V prostredí internetu je pre laického užívateľa problém odlíšiť latenciu siete od nejakách procesov na pozadí.

Pri získavaní eplicitných hodnotení býva problém s motiváciou užívateľov. Pri implicitných tento problém odpadá. Každá interakcia so systémom môže generovať nejaké dáta. Skôr teda budeme mať problém s množstvom dát ako ich nedostatkom. Každé takéto implicitné hodnotenie bude mať teda pravdepodobne nižšiu hodnotu ako explicitné, ich prínos sa bude musieť uvážiť empiricky.

Získanie implicitných hodnotení

Existuje niekoľko typov implicitných dát, ktoré môžu byť v princípe zachytávané a študované. Rôzni autori používajú rôzne delenia, my použijeme nasledujúce:

Činnosť Poznámky
Zaplatenie (cena) kúpiť položku
Ohodnotiť oznámkovať, odporučiť
Opakovane použiť (počet)
Uložiť / Vytlačiť na osobný dátový nosič
Zmazať zmazať položku
Referovať citovať alebo inak poukázať na položku
Odpovedať (čas) odpovedať na položku
Značkovať pridať do záložiek a pod.
Preskúmať / Čítať (čas) pozerať na celú položku
Uvažovať pozerať na abstrakt
Nahliadnuť pozrieť na titulku
Pridružiť vrátiť ako výsledok vyhľadávania, ale bez nahliadnutia
Dopytovať vyskytnúť sa v dopyte

Činnosti sú zoradené podľa dôležitosti získaných implicitných dát. Zozbieranie týchto informácií nie je technologicky príliš náročné. Mnoho nástrojov na prístup k informáciám sa dá upraviť tak, aby boli schopné tieto údaje zaznamenávať. Uvažovať sa dá aj nad analýzou rôznych transakčných logov.

Záver

Článok dochádza k záveru, že implicitné hodnotenia majú veľký potenciál ale ich efektívnosť zostáva neoverená. Na začiatku by mohli byť použité v kombinácii s explicitnými technikami na vytvorenie hybridných systémov. Takéto systémy potom využijú implicitné dáta na overenie explicitných, to znamená, že ak je zjavné, že užívateľovo ohodnotenie nie je v súlade s tým, čo reálne s položkou previedol, takéto hodnotenie nebudeme brať do úvahy.

Ďalším problémom, ktorý sa v tejto súvislosti vynára je privátnosť získaných údajov. Aby však tieto systémy boli úspešné, musia byť akceptované širokým spektrom užívateľov.