Informace, média a knižní kultura/Metody výzkumu/Digitální data

Tato stránka je součástí projektu:

Informace, média a knižní kultura/Metody výzkumu

Příslušnost: skupinová

Tato stránka není ještě hotová.

Digitální data

online, přednáší Jakub Sedláček

• budeme se bavit o sběru dat, či webscrapingu
• příště potřebujeme Chrome, protože dostaneme rozšíření do chrome
• budeme se zabývat s cs selektory, kde se dá říct co je nadpis, co je to či ono
• naučíme se data sbírat a jaký programovací jazyk si pak vybereme je na nás
  

Digitální stopa jako nástroj výzkumu

• vychází se z empirické sociologie
• v protikladu stojí platformy typu facebook, které data sbírají, zpracovávají a dále prodávají, čímž empirickou sociologií překračují
  • studium chování vlastností chování lidí
• 3 rovina
  • výzkumná
  • komerční
  • nástroje dohledu - čína, systém sociálního kreditu
• měli bysme studovat sociální stopu
• online věci už se netýkají, jen ajtáků, ale může to studovat kde kdo
• účast na výzkumu není opt in, ale opt out (mmusím nesouhlasit, ale to nejde, protože by ta data nešla užívat)
  • facebook potřebujem do práce, školy, takže je to problematického
  • nestačí ho jen nepoužívat, protože o nás FB sbírá data i mimo své služby, takže se musí používat různých facebookovské plugginy a další blokovací nástroje
  • i lidi, kteří fb nikdy nepoužili mají ve fb databázi svoji záložku a jsou tam o nich nějaké informace
• digitální stopa = otisk veškerých aktivit v databázích sociálních sítí toho co o nás vysledovaly
  • i data z fyzického světa, gps, tep srdce z digitálních hodinek apod.

KOMERČNÍ VYUŽITÍ DIGITÁLNÍ STOPY

• díky GDPR se dají některé věci facebooku zakázat
  • například využití našeho jména v social action (např. Janu Novákovy se líbí to a to)
  • dále se dá zakázat používání údajů, které FB získal od jiných provozovatelů
• například i u dat, která netušíme, že mohou něco sdělovat, tak sdělují
  • například sběr časových značek fotek z flikru, může říkat, kde se lidi budou vyskytovat -- a dá se na ně cílit reklama
• data set my personality
  • osobní test, který se šířil dávno na webu
  • člověk si udělal osobnostní test
  • výzkumníci si k tomu sebrali lajky a pakk s tím dát eleborovali
  • vyplnilo 6 milionů lidí
• pleaserobme.com
  • sebrali se data z twitteru a informovalo se, že uživatel je mimo domov a může být vykradený - snaha upozornit na zneužitelnost dat - umělecký projekt
  • CambridgeAnalytica
  • kniha MindFuck, film ???
  • kombinovala se demografická data, odpovědi v testu osobnosti
  • to bylo zpřístupnováno dalším výzkumníkům
    • CambridgeAnalytica chtěla data z MyPersonality, ale oni to nechtěli, tak CA zkopírovala jejich metodu
    • pouze 300 tisíc lidí ho vyplnilo
    • využila chybu fb a sebrala lajky u 87 milionů profilů
    • nicméně šlo o legální cestu
    • nelegální bylo komerční využívání dat
• následně se na to cíleli politické kampaně pomocí těchto profilů
  • je otázka, jestli to vůbec lidi ovlivnilo
  • a také, jestli to mohlo mít větší efekt, než to co fb nabízel a nabízí legálně
  • např. lajkuju antisemický stránky, a někdo na to mohl zacílit reklamu

ZÁKAZNICKÉ KARTIČKY

• sbírají se nakupovací návyky
• DOTAZ: jestli není vidoe o kartičkách, které by mohla pustit mamce?
• ODPOVĚD: pošlou se 3 vide, která ale nejsou česky
• hodně videí je pro děti, ale ne pro seniory

FACEBOOK

• snaha dostat zdravotní data od nemocnic v USA
• snahy dostat data o uživatelých z banky
• takže to není jen o dávání dat 3. osobám

SYSTÉMY DOHLEDU

• v Číně nikdo neví jakým způsobem to normálně funguje
  • dělá se skore občana, faktory nejsou vždy známé
  • placení daní, pokuty, jestli dostatečně cvičíte atd. --otázka je proč ta data nejsou známá, vždyt by to bylo ke prospěchu oboum stranám?
  • přináší to zvýhodnění
  • nebo znemožnují koupit si letenku, nezvýší plat, neubytujete se v lepším hotelu, nebudou moci vaše děti na vysokou školu
• jsou studie, že by hodinky mohli v reálném čase rozpoznávat emoce
  • jakou emoci prožívám při používáním nějakého materiálu
  • například Amazoon to vyvíjí z hlasu
• i mimo totalitní režimy
  • americký pohraniční úředník si vyjma pasu vyžádá i přístup k účtu na sociálních sítí
• systémy s dobrovolnou účastí
  • např. chytrá karanténa - mobilní operátoři a bankovní data - vzpomínková mapa
  • realita taková nebyla
  • e-rouška pomocí bluetooth jestli jsme se potkali
  • totalitní režimy to sbírají at kdo chce, nebo ne?

DIGITÁLNÍ STOPA Z POHLEDU VÝZKUMNÍKA

• soubor všech data a metadat, které zůstávají v digitálních systémech jako otisk ativity uživatelů
• digital trace data, ditigal footprints, social transactional data, big data (nutno specifikovat), big social data
• nové myšlenkové a metodologické směry

• • computational social science
    • propojení informatiky a sociálních věd
  • ditigal humanities, ditigal sociology

BID DATA

• data, která standardní sw není schopen rychle zpracovat
• telefoní operátoři sbíraj část dat, ale je to dost dat, k nějakému zpracování -- jak vymažu afiliaci svého telefonu k nějaké firmě?
• v budoucnu může být univerzání služba, ve které budou všichni --a nebude takovou službu nabízet stát v rámci e-governmentu?
• subjektivní data, mohou zkreslovat, ale digitální data jsou solidnějším obrazem reality v určité nice
  • například když mám říct, kde jsem kdy byl, tak mi ta data si pomohou
  • nebo s kolika přáteli sem se bavil o fake news, tak se to z big dat vygeneruje
• výhody
  • v prostředí sociální sítě, lze používat teréní experiment
  • výzkum volebního chování na FB, studie 2012
    • zapojilo se 61 milionů subjektů, což je unikát
  • archivy digitální stopy vhodné pro přirozené experimenty
• nevýhody
  • je to málo prozkoumané
  • analýza sekundárních dat, primární má vždy platforma
  • problém je, že lajky před rokem 2009 na fb nebyly a v roce 2016 se doplnili další lajky, takže to komplikuje výzkumnou analytiku
    • problém jsou fejkové profily, a také to, že některé věci o sobě veřejně neříkám (ale do neveřejného dotazníku bych je řekl)
      • takže studie sledující studenty univerzity, sleduje jen ty, kteřý to uvádí na svém fb
  • nejvíc čechů uvádí Harvard a Vysoká škola života
  • je studie na to, že lidé lajkují něco o co mají zájem
    • ale je 5 let stará
    • a účastnilo se ji 500 studentů
    • takže je otázka, jestli je to dobrý odraz reality
    • takže je potřeba se nebát popisovat ty nedostatky, které to může mít
  • jiné cesta ke studia online fenoménů není
  • víc a víc lidí se přesouvá do onlinu, takže řada triviálních věcí na FB může mýt větší dopad na lidi, než dlouhé politické dotazy

NEDOSTUPNOST DIGITÁLNÍ STOPY PRO VÝZKUM

• někdy se s platformou nedá spolupracovat
• dostat data např. od FB je nemožné
• ti co data nemají, nemohou ani kriticky hodnotit metodologii
• občas se daří spolupráce s menšími platformama
• tedy řešením je webscrapping, kde se data seberou z webu
  • výzkumník musí mít specializované dovednosti, kde si na to vytvoří nástroje
  • takže je to pomalejší, než když ty data poberu
  • načítání dat z webu není vždy možné, takže se něco nepovedeme
  • pro provozovatele je to nevýhodné, protože mu vytěžujeme server a šaháme mu na data, které nechce aby se mu sahalo
• API base reasearch
  • standard po CambridgeAnalytica
  • provozovatel platformy tudy zpřístupňuje data
  • je to rychlejší než webscrapping
  • mypersonality, cambridgeanalytica bylo to samé
  • netvizz - analyzovat fb příspěvky jakejkoli věcí, studovat network svých přátel přátel etc
    • aplikace
    • článek o tom nasbíral 600 citací
    • pak to zařízla CA a GDPR, takže ss omezili využítí dat přes API
  • takže nezávislej výzkum ostrouhal a ss získali výhodu, že ty data jsou jen u ss
• takže když měl někdo naplánovaný výzkum tak pohořel --takže je potřeba si dávat bacha při plánování výzkumu, pokud chci sbírat data od někoho
• postupně se ale situace mění k lepšímu - fb to začíná ve vztahu k akademické sféře brát vážně
  • data, která nabízí data
    • https://research.fb.com/data/
    • https://research.fb.com/wp-content/uploads/2020/07/FB_Datasets.pdf
  • šlo z fb sbírat i podrobnosti o skupinách, komentářích, dnes už se nabízí, jen agregované metriky
  • nicméně jsou snahy i data zašpinit, aby se ta data nedali využívat
• nicméně fb otevíral, jen díky kritice týkající se voleb kongresem USA
• důkazní materiál v trestněprávním řízení
• fb zaznamenává i to co se do chatu napíše a nikdy neodešle
• propast mezi využitím dat ve výzkumu a tím co drží firmy narůstá
• na uisku se dá pracovat s těmi todaty, zatímco jinde je těžké si to obhájit
• v digitální stopě se dělaj hlavně sociologické výzkumy
• DU: podívat se na zásadní články, týkající se této problematiky
  • jsou to starší studie, ale proto, že dříve to šlo zkoumat
  • ty studie ukazujou, že hodnocení člověka na základy big data vyšlo lépe, než když je hodnotil člověk v rámci dotazníku
  • ČEŠI V ZAJETÍ SOCIÁLNÍCH BUBLIN
  • WHO IS SHAPING YOUR AGENDA (šlerka)
    • antiimigrační hnutí na českém internetu
  • ANALYZING POLITICAL COMMUNICATION WITH DIGITAL TRACE DATA
    • hodně o twitteru
  • twitter vypouští data v rámci transparency report jednou ročně
    • studie mapující štěstí v průběhu třech let
      • co vede k velkému štěstí a velkému smutku
  • Sedláček: Digitální stopa: Konec empirické sociologie?
  • příště online a chce to určitě ntb, webscrapping