Войти
Социальная навигация - это форма социальных вычислений, представленная Дуришем и Чалмерсом в 1994 году. это как когда «движение от одного предмета к другому провоцируется как артефакт деятельности другого или группы других». Согласно более позднему исследованию, проведенному в 2002 году, «социальная навигация использует знания и опыт равноправных пользователей информационных ресурсов», чтобы направлять пользователей в информационном пространстве. Поскольку вся цифровая информация доступна как в World Wide Web, так и из других источников, становится все труднее ориентироваться и эффективно искать. Изучение чужих навигационных следов и понимание их поведения может помочь улучшить собственную стратегию поиска, помогая им принимать более обоснованные решения, основанные на действиях других. «Идея социальной навигации состоит в том, чтобы помочь пользователям перемещаться по информационным пространствам, делая коллективные, агрегированные или индивидуальные действия других видимыми и полезными в качестве основы для принятия решений о том, что делать дальше и что выбирать».
До появления Web 2.0 и Social Web Всемирная паутина была изолированным пространством, где пользователи действительно не знали, где кто-то другой просматривает и перемещается по в то же время или в разное время. Социальная навигация может помочь дать пользователям ощущение социального присутствия. Объем исследований в области социальной навигации увеличивается, особенно по мере улучшения визуализации информации. Отображение социальной информации в виртуальных пространствах позволяет моделировать поведение пользователей, чтобы цифровые системы казались более социальными и менее изолированными.
Концепция социальной навигации поддерживается несколькими теориями. Теория сбора информации изучает поведение людей, когда они ищут, собирают, делятся и потребляют информацию. Теория информационного кормодобывания применяет теорию оптимального кормодобывания (OFT) к поведению людей, когда они ищут информацию. Он объясняет, как люди получают пользу от других людей, на основе цифровых объектов с богатой историей, что объясняет идею использованных предметов или путей. Например, подержанная книга с примечаниями, выделениями и подчеркиванием отличается от новой книги и следов, по которым люди следуют по следам других, чтобы получить правильное направление. Цифровые объекты с богатой историей помогают людям быстрее и эффективнее находить цель.
Сбор информации также является альтернативой поиску пищи и оптимизации муравьиной колонии, утверждает, что информационные охотники за людьми следуют чужими путями, чтобы достичь своей цели в оптимальное время. Оптимальная информация должна максимизировать ценность информации, получаемой на единицу стоимости (например, время или усилия). Эта теория поддерживает совместную деятельность. Это руководство для дизайнеров по созданию хороших интерфейсов, в которых пользователи могут извлечь пользу из исследований других.
Слабые стороны этой теории заключаются в том, что когда люди отслеживают информацию в неправильном направлении, нет возможности перенаправить их, если они не разберитесь, и оптимизация не всегда касается человеческого поведения; люди принимают решение, когда они удовлетворены результатом.
Модель информационного пятна изучает время, которое тратится на навигацию в отфильтрованной информации и сгруппированной информации, и работает над оптимизацией общей информации за оптимальное время.
Модель информационного запаха определяет ценность информации, используя наиболее полезные подсказки, которые были сделаны другими пользователями.
Модель информационной диеты (выбор добычи) объясняет, как люди выбирают целевую информацию на основе выбора других, что приводит к оптимальному удовлетворению информация.
Простой дизайн веб-страниц также играет важную роль в том, как пользователь взаимодействует с Интернетом в социальной манере. Существует корреляция между доступностью и популярностью. Чем функциональнее сайт, тем больше трафика он получит. Более часто посещаемая веб-служба, естественно, дает больше возможностей для общения. Доступность зависит от множества факторов, таких как расположение страницы на веб-сайте, свойства страницы, количество гиперссылок на странице и возможные способы перехода на страницу. У каждого человека свой подход к работе в Интернете. Интернет-навигация определяется как «Создание и интерпретация внутренней (ментальной) модели, а ее составляющие действия - просмотр, моделирование, интерпретация и формулирование стратегии просмотра». Существует теория, что если пользователь откалибрует свою стратегию просмотра, чтобы отразить свои интересы, будут найдены более интересные страницы. Неинформированный просмотр гиперссылок может ввести в заблуждение и привести к увеличению доли нежелательных сайтов. Чтобы улучшить серфинг, пользователи должны сформулировать стратегию, просмотреть контент, а затем настроить его в зависимости от того, как они оценивают качество сеанса. Создание закладок - это способ гарантировать, что вы вернетесь на сайты, которые соответствуют вашим интересам. Это строительный блок социальной навигации, поскольку он создает гиперссылку, которая сохраняется для будущего просмотра. Когда люди добавляют в закладки одну и ту же страницу, часто посещая ее, это формирует чувство общности. В последнее время живые обновления других присутствующих пользователей добавляют еще одно измерение к социальному аспекту просмотра веб-страниц. Например, Facebook имеет небольшой зеленый кружок рядом с конкретными именами в окне чата, указывающий, что эти пользователи также находятся на сайте. То, как мы общаемся с другими с помощью веб-средств, является основой социальной навигации.
Совместная фильтрация - это еще один широко распространенный метод, который используется в социальной навигации. Это предполагает, что, если бы пользователям были представлены результаты поиска на основе трафика других людей, которые разделяют схожие социальные интересы, это привело бы к более полезному и эффективному опыту. Например, Amazon.com имеет функцию «Клиенты, которые купили этот товар, также купили», которая представляет покупателям другие продукты, купленные пользователями, похожими на пользователя. Это упрощает поток просмотра веб-страниц и позволяет людям контактировать с более релевантными страницами.
Социальную навигацию также можно обсуждать в различных типах виртуальных миров. Манро разделяет некоторые оригинальные концепции при рассмотрении социальной навигации. Один из них, вместо индивидуального взаимодействия, может быть представлен как «способ перемещения в информационном пространстве и использования деятельности и ориентации других в этом пространстве как способ управления своей пространственной деятельностью». Манро также указывает, что пространственная навигация, которая в основном зависит от самой структуры, такой как ландшафт или карта, может быть противопоставлена социальной навигации. Пользователь может даже взаимодействовать не только с данными и объектами в этом конкретном пространстве, но и с другими людьми и их взаимодействия с ними.
По мере того, как пользователи перемещаются по онлайн-сообществам, они оставляют следы своей деятельности, как преднамеренной, так и непреднамеренной. К преднамеренным следам относятся сообщения, ответы на сообщения других пользователей, количество друзей, загруженные медиафайлы и другие действия, при которых пользователи намеренно делятся информацией. К непреднамеренным следам относятся история просмотров, время, проведенное на определенных страницах, показатели отказов и другие действия, при которых действия пользователей автоматически регистрируются веб-серверами в журналах серверов.
, которые Бьёрнеборн классифицирует пользователи онлайн-сообщества как «лица, оставившие следы» (т. е. пользователи, которые оставляют элементы, требующие действий) и «искатели следов» (т. е. пользователи, которые следят за следами, оставленными лицами, выбравшими следы). Эти совместные действия могут направлять поведение других пользователей при поиске информации и влиять на функции социального поиска и социальной навигации. Сочетание действий по оставлению следов просмотра в социальных сетях с концепцией социального поиска основывается на записи и повторном использовании целенаправленных поисковых действий единомышленников для получения результатов поиска, которые лучше соответствуют потребностям конкретного онлайн-сообщества, как продемонстрировали Фрейн и др..
Веб-сайты, такие как Amazon.com, используют записи действий пользователей, такие как история покупок или обзоры продуктов, для выработки рекомендаций для других пользователей (например, «Клиенты, которые Купил этот товар, тоже купил... "). Онлайн-платформы для совместной разработки программного обеспечения, такие как GitHub, полагаются на отслеживание активности (количество репозиториев, история активности в проектах, коммитов и личные профили для определения своих пользователей репутация в сообществе.
Трассы активности пользователей могут использоваться для моделирования поведенческих моделей и тенденций пользователей с целью определения состояния здоровья онлайн-сообществ (будет ли сообщество процветать или уменьшаться). Такие модели также могут использоваться для прогнозирования распространения и будущей популярности контента или прогнозирования результатов голосования еще до того, как голосование состоится. Кроме того, активность и шаблоны трафика могут использоваться для оценки производительности существующих систем, повышения удобства использования сайта, а также архитектуры и инфраструктуры сайта.
Люди ежедневно ищут полезную информацию, и в основном существуют две стратегии для исследования и обнаружения информационного пространства. Первая - это регулярный поиск: люди знают, что эй ищут. В этом контексте пользователи имеют в виду целевую информацию. Обычно им сначала нужно сформулировать поисковый запрос в уме, а затем выполнить поиск по этому запросу в поисковой системе, такой как Google. Напротив, другой поисковой стратегией является навигация, при которой людям на самом деле не нужна целевая информация, а скорее исследуют фрагменты информации, следуя определенным гиперссылкам.
Обычно считается, что навигация имеет преимущество перед поиском, поскольку распознает, что Мы ищем намного проще, чем формулировать и описывать информацию, которая нужна людям, что также относится к «проблеме словарного запаса». Следовательно, социальные теги служат новым социальным способом организации набора ресурсов. Эта аннотация в свободной форме подошла к «проблеме словарного запаса» с новой социальной точки зрения. Системы социальных тегов позволяют людям аннотировать набор ресурсов в соответствии с их собственными потребностями с помощью свободно выбранных слов - тегов и делиться ими с другими пользователями системы социальных тегов. Результат этого человеческого аннотации ресурсов называется Folksonomy, который относится к складной таксономии. Примерами таких систем социальных тегов являются BibSonomy, CiteULike, Flickr или Delicious.
Навигация на основе тегов, таким образом, процесс поиска пути между информационными ресурсами в информационной системе на основе тегов. Процесс навигации обычно поддерживается либо облаком тегов, либо перемещением по иерархии тегов.
Облако тегов - это текстовое представление темы или темы, коллективно просматриваемое пользователями, и оно отражает «предметность» ресурса.
С одной стороны, облако тегов имеет много преимуществ. Он прост в сборке, интуитивно понятен и широко используется. Он также может представлять три типа отношений между пользователями, тегами и ресурсами в системах тегов. С другой стороны, поскольку существует ограничение на размер облака тегов, которое может быть отображено на экране, выбор лучших тегов и структурирование информационного пространства для представления взаимосвязей в облаке тегов будет важным вопросом.
Облака тегов очень просты, их можно применять для поддержки пользователя разными способами. Исследования показывают, что облако тегов обычно более полезно для следующих четырех различных задач, как проиллюстрировано Риваденейрой и др.:
Исследования также обнаружили, что различные макеты полезны при выполнении разные задачи. Кроме того, исследования также показали, что типографика облаков тегов (размер / положение шрифта) имеет значение: размер шрифта оказывает большее влияние на поиск тега, чем другие визуальные функции, такие как цвет, длина строки тега и расположение тега.
Облако тегов оценка: на основе предыдущих исследований, ниже приведен список распространенных способов выполнения оценки облака тегов:
Как упоминалось ранее, одной из основных проблем с данными социальных тегов является отсутствие структуры. Синонимия, многозначность и омонимия или проблемы, касающиеся семантики тегов, являются дополнительными проблемами, связанными с данными тегов. Предыдущие исследования продемонстрировали нам различные алгоритмы кластеризации данных тегов, которые могут решить вышеупомянутые проблемы путем организации тегов в соответствии со схемой классификации. В зависимости от схемы классификации различают две основные категории: алгоритмы плоской и иерархической кластеризации.
Плоская классификация может относиться к трем основным методам:
Иерархическая кластеризация тегов относится к созданию иерархической структуры из неструктурированных данных тегов. Таким образом, иерархическая структура может рассматриваться как ментальные карты информационного пространства пользователей, поэтому иерархии могут использоваться в качестве вспомогательных средств навигации по-разному.
Иерархическая кластеризация тегов может также относиться к трем основным методам:
Моделирование навигации на основе тегов важно для понимания процессов, происходящих в системе социальных тегов, и того, как эта система используется. Есть два важных фактора для понимания моделирования навигации на основе тегов в системах социальных тегов: базовая структура моделирования для навигации и теоретическое понимание способности народных учений управлять навигацией.
Децентрализованный поиск:
Различные ученые также предоставляют теоретическую поддержку, чтобы аргументировать пригодность Фолксономии в качестве средства навигации, в основном имеется четыре r перспективы, как показано ниже:
Метод оценки, представленный в этом разделе, основан на статье Helic et al.. «Прагматическая оценка фольксономии ”.
В статье автор предложил общую идею, согласно которой люди могут использовать ВЫВОД, полученный с помощью алгоритмов фольксономии (иерархические структуры), в качестве ВХОДА (базовые знания) для децентрализованного поиска по следующим причинам:
1) Производительность децентрализованного поиска сильно зависит от качества результатов иерархической кластеризации, разработанных для облегчения навигации.
2) Эффективность алгоритма децентрализованного поиска зависит от пригодности фолксономии.
3) Таким образом, авторы предложили использовать метод моделирования децентрализованного поиска для оценки пригодности фолксономии.
Различные приложения социальной навигации были изучены в образовательных системах. Одним из таких примеров является Море знаний II. По сравнению с традиционными подходами (так называемый закрытый корпус) эта система способна собирать онлайн-информацию (называемую Open Corpus) и отзывы из разных источников. Групповой трафик используется в качестве обратной связи для обозначения информации социальной навигации, такой как «самые важные части учебников». После изучения в классе система Knowledge Sea II показывает лучшую производительность в визуализации релевантности содержания учебника и удовлетворенности студентов-пользователей.
Мертенс и его коллеги оптимизируют существующую систему: virtPresenter, с добавление концепции навигации гипермедиа. закладки, следы и структурные элементы интегрированы, чтобы помочь пользователям получить доступ к записям лекций и поддерживать социальную навигацию для будущих пользователей. Новая версия virtPresenter демонстрирует лучшую производительность в функции социальной навигации, такой как: визуализация, недельная фильтрация и заменяемые закладки.
Фарзан и Брусиловский представляют систему AnnotatEd, которая объединяет функции веб-аннотаций и поддержка адаптивной навигации для синергии приложения социальной навигации в веб-обучении. Благодаря реализации веб-аннотаций и поддержки социальной навигации (SNS), эта система AnnotatEd может быть интегрирована в Knowledge Sea II или ASSIST-ACM. AnnotatEd Integrated Knowledge Sea II в течение шести семестров оценивался в Школе информационных систем Питтсбургский университет, что свидетельствует о значительно более высоком положительном отношении пользователей к этой новой системе из-за ее интеграции с социальной навигацией..
В книге Маркуса Фота (2008) система под названием CityFlocks представлена для демонстрации реализации социальной навигации в городской мобильной информационной системе. Эта реализация более подробно описана Bilandzic et al. (2008) ранее. В статье для решения так называемой «социально слепой» проблемы даже на основе быстрого роста числа пользователей мобильных телефонов, CityFlocks разработан, позволяющий использовать веб-аннотации в сочетании с координатами по физическим целям в городе.. Кроме того, эта реализация социальной навигации может применяться прямо или косвенно. Для этого выбираются фокус-группы для сбора требований и проблем в социальной навигации. Соответственно, CityFlocks разработан и создан с использованием соответствующих методов, таких как карты Google и поиск информации. Пользовательские тесты CityFlocks показали, что косвенный подход более приемлем, чем прямой, из-за необходимости разговаривать с совершенно незнакомым человеком.
Были представлены два прототипа системы социальной навигации: «Жонглер» и «Вихрь». Система «Juggler» объединяет MOO, текстовую виртуальную среду и веб-клиент. В системе «Vortex» используется альтернативный способ: упрощенный рабочий стол для представления URL-адресов.
Реализация социальной навигации с обогащенной историей основана на создании следы поведения скрытых пользователей видны будущим пользователям. Реализация такой идеи восходит к первой системе, представленной Вексельблатом и Маесом, которые представили информационное пространство, обогащенное различными механизмами социальной навигации: карта документа, пути навигации, аннотации и указатели документов. Они использовали шесть свойств в системе Footprints: Proxemic по сравнению с Distemic, Active vs. Passive, Rate of Change, Degree of Permeation, Personal vs. Social и Kind of Information. Еще больше примеров информационных пространств с богатой историей было реализовано в различных контекстах, таких как образовательная область, сети на основе местоположения и рецепты еды.
Social Navigation Network (SoNavNet), приложение для определения местоположения социальных сетей (LSBN), разработанное Карими и его командой, предназначено для обмена опытом навигации. Помимо простого отображения кратчайшего времени или расстояния, например Google Maps, подчеркнуты конкретные впечатления и рекомендации пользователей. Обладая функцией географического положения и сообщений, SoNavNet позволяет пользователям отправлять запросы своим друзьям, представляя свое текущее местоположение и достопримечательности (POI), из которых они будут получать информацию о маршруте и месте проведения, ориентированную на их
Свенссон и его команда создали систему рекомендаций , European Food On-Line (EFOL), которая обеспечивает как прямую (общение с другим пользователем), так и косвенную навигацию (совместная фильтрация)) подходы. Social Navigator был реализован как Java-сервлет для моделирования поведения пользователей и использования сетевых коммуникаций.
Реализация социальной навигации играет важную роль в том, чтобы направлять пользователей к поиску необходимой информации. Визуализация - неотъемлемая часть детального отображения информации. Виллетт и его команда разработали ароматизированные виджеты, которые улучшают навигацию как в популярных, так и в неизведанных областях с помощью встроенной визуализации. Они реализовали метрики запаха с помощью стандартного виджета интерфейса и использовали визуальное кодирование данных. Оттенок, Насыщенность, Непрозрачность, Текст, Значок, Гистограмма и Линейная диаграмма - это кодировки запаха для выделения различной информации, которая может отображать разные типы данных одновременно. Они использовали Java Swing и функциональность подключаемого внешнего вида платформы для создания и изменения виджетов во время выполнения. Чтобы разработать удобный интерфейс, они следовали руководствам по кодированию, разметке и композиции запахов, которые давали четкие инструкции о том, как использовать виджет запаха, лучше отображающий множественную информацию.
При наличии системы совместного использования файлов каждый пользователь может определить, какие файлы на своем собственном компьютере могут использоваться совместно через сеть. Первоначально пользователь должен настроить эти параметры безопасности самостоятельно. Из-за того, что они не были информированы, около восьми из десяти пользователей непреднамеренно утекают свою личную информацию, такую как данные кредитной карты или адрес, что может привести к неожиданным результатам. Основываясь на этой проблеме, Пол ДиДжиойа и Пол Дуриш из Калифорнийского университета, Ирвин представили модель «Pile Metaphor», которая использует идею социальной навигации для решения этой конкретной проблемы.
Дизайн модели «Метафора сваи» сосредоточен на двух основных частях. Прежде всего, пользователям может быть показано, как другие пользователи в этой системе решают, какие файлы являются общими, а какие нет. И такая информация будет отображаться непосредственно в виде папок, то есть разные виды папок указывают на разные уровни совместного использования. Основываясь на этом простом дизайне, пользователи могут легко понять, является ли их решение правильным или нет. Во-вторых, модель «Pile Metaphor» также показывает, насколько много людей в системе прочитали собственный файл одного пользователя. Эта особенность достигается показом аккуратности ворса. Например, чем больше раз читается стопка файла, тем она грязнее. Опять же, основываясь на этой прямой информации, пользователи пересмотрят вопрос о том, какие файлы можно совместно использовать постоянно, а какие следует сделать невидимыми для публики.
Модель «Метафора сваи» имеет два основных преимущества. Во-первых, введение этой модели в систему не меняет фундаментального дизайна системы. Эта модель похожа на небольшой плагин и будет иметь значительное влияние на пользователей. Во-вторых, эта модель не будет отвлекать пользователей от их работы, потому что все функции, связанные с безопасностью, будут отображаться непосредственно в пользовательском интерфейсе.
Один из распространенных методов: люди в области социальной навигации используется для построения проксемики, которая может быть связана с взаимодействием человека и робота. Исследование демонстрирует интерес к различным типам навигационного поведения, которые люди ожидают от робота в сценарии пересечения пути. Исследование посвящено двум основным вопросам поведения роботов. Во-первых, каково определение ожидаемых действий? Тогда могут ли пространственные отношения помочь с ожидаемым действием? Результат показывает, что пространственные отношения на самом деле связаны с поведением, что приводит к возможному предсказанию ожидаемого действия.
Социальная навигация может использоваться во многих областях, что большинство люди могут извлечь из этого пользу, а также хотят присоединиться к нему, чтобы получить больше преимуществ. Однако, как говорится, «каждая монета имеет две стороны», как и социальная навигация, которая также имеет некоторые недостатки, которые могут быть использованы злоумышленниками, которые намерены ввести общественность в заблуждение или получить конфиденциальную информацию о конкретных человек.
Исследователи Мейтал Бен Синай, Нимрод Партуш, Шир Ядид и Эран Яхав из Израильского Техниона провели несколько экспериментов в 2014 году и написали статью «Использование социальной навигации», чтобы обсудить результаты. Согласно статье, злоумышленники могут использовать множество машин для имитации поведения пользователей и фабрикации информации, чтобы ввести в заблуждение других реальных пользователей. В этом случае они атаковали программное обеспечение трафика в реальном времени, которое позволяет пользователям сообщать новости о дорожном движении и транслировать эти сообщения другим. Эти исследователи использовали фальшивых пользователей, чтобы сфабриковать информацию о дорожном движении, такую как препятствие или пробки, и успешно позволили системе ввести в заблуждение реальных пользователей с помощью других маршрутов. Как отметили исследователи, это может вызвать несколько проблем. Одна из проблем заключается в том, что реальным пользователям потребуется больше времени и денег, чтобы пройти еще один более длинный путь по сравнению с исходным путем, который стоит намного дешевле. Более того, эта атака может привести людей к небезопасным маршрутам, а иногда и к несуществующим маршрутам, что вызывает проблемы, связанные с безопасностью. Чтобы решить эту проблему социальной навигации, системы социальной навигации иногда проверяют личность пользователей с помощью кодов подтверждения.
. Этот метод проверки приводит к другой проблеме социальной навигации, раскрытию информации. В соответствии со статьей, упомянутой выше, четыре исследователя обсудили, что злоумышленники могут использовать информацию конкретного пользователя и получить много личной информации пользователя, такой как место, куда он обычно идет, маршрут, по которому он / она обычно водит машину и так далее. Эта информация также вызовет проблемы, связанные с безопасностью, поскольку злоумышленники могут использовать эту информацию для отслеживания других людей со злым намерением.
По мере популярности социальных сетей и социальная сеть растет, большое количество данных может быть собрано через следы пользователей, оставленных во время взаимодействия в различных социальных вычислительных системах. Этот рост привел к более новаторскому и разнообразному внедрению поддержки социальной навигации, в том числе в системах образования, СМИ, новостей и туристических гидов. Реализация социальной навигации в общей среде 3D работает аналогичным образом, поскольку позволяет пользователям видеть следы и информацию других, которые раньше находились в том же месте в виртуальном мире. This architecture has been evaluated through a prototype system, proving its performance and usability. Bosch improved real navigation systems for driving, used social navigation to reduce driving time on the road. The model even considered altruism and CO2 emission in a novel way, which has been evaluated in Bay area, achieving improvement of 10%.
