సామాజిక ప్రొఫైలింగ్

సోషల్ ప్రొఫైలింగ్ వారి సామాజిక డేటాను ఉపయోగించి ఒక వ్యక్తి ప్రొఫైల్‌ను సృష్టిస్తుంది. సాధారణంగా, కంప్యూటరైజ్డ్ అల్గోరిథాలు సాంకేతిక పరిజ్ఞానంతో ఒక వ్యక్తి ప్రొఫైల్‌ను రూపొందించడానికి డేటా సైన్స్ ఉపయోగించడం ప్రొఫైలింగ్. [1]ఈ సమాచారాన్ని పంచుకోవడానికి వివిధ రకాల ప్లాట్‌ఫారమ్‌లు అందుబాటులో ఉన్నాయి. ఇందులో లింక్‌డిన్, Google+, ఫేస్‌బుక్, ట్విట్టర్ మరెన్నో ప్రముఖ నెట్‌వర్క్‌లు ఉన్నాయి.[2]

సామాజిక ప్రొఫైల్ సామాజిక డేటా మార్చు

ఒక వ్యక్తి సామాజిక డేటా వారు ఆన్‌లైన్ ఆఫ్‌లైన్ రెండింటినీ అభివృద్ధి చేసే వ్యక్తిగత డేటాను సూచిస్తుంది[3] (మరింత సమాచారం కోసం, సామాజిక డేటా విప్లవాన్ని చూడండి). ఒకరి భాష, స్థానం ఆసక్తిని కలిగి ఉన్న ఈ డేటాలో ఎక్కువ భాగం సోషల్ మీడియా సోషల్ నెట్‌వర్క్ ద్వారా భాగస్వామ్యం చేయబడుతుంది. ప్రజలు అనేక విభిన్న సోషల్ మీడియా ప్లాట్‌ఫామ్‌లలో చేరతారు ఈ ప్లాట్‌ఫారమ్‌లను వ్యక్తి ఆసక్తులు, స్థానాలు, కంటెంట్ స్నేహితులను కనుగొనడానికి వేర్వేరు పద్ధతులను [4]ఉపయోగించి ఒకదానితో ఒకటి అనుసంధానించవచ్చు. ఈ సమాచారం అంతా ఒక వ్యక్తి సామాజిక ప్రొఫైల్‌ను నిర్మిస్తుంది.

సమాచారాన్ని సేకరించేటప్పుడు, వినియోగదారు సంతృప్తి స్థాయిని కలుసుకోవడం మరింత సవాలుగా కష్టంగా మారుతోంది. ఎందుకంటే ఎక్కువ శబ్దం ఉత్పత్తి అవుతుంది, ఇది ఆన్‌లైన్ డేటా వేగంగా పెరగడం వల్ల సమాచార సేకరణ ప్రక్రియను ప్రభావితం చేస్తుంది. సోషల్ ప్రొఫైలింగ్ అనేది వినియోగదారు డిమాండ్లను తీర్చడానికి ప్రయత్నించినప్పుడు కనిపించే సవాళ్లను అధిగమించడానికి ఒక కొత్త విధానం. వినియోగదారు సృష్టించిన ప్రొఫైల్ సోషల్ నెట్‌వర్క్‌ను పరిగణనలోకి తీసుకుంటూ వ్యక్తిగతీకరించిన శోధన భావన ద్వారా ఇది సాధ్యపడుతుంది. సోషల్ మీడియా డేటా నుండి సోషల్ ప్రొఫైల్ లక్షణాలను వ్యక్తిగత సమూహ ప్రొఫైలింగ్‌గా అంచనా వేసే వినియోగదారులను ఒక అధ్యయనం సమీక్షిస్తుంది వర్గీకరిస్తుంది. కొత్త డేటా వనరులు, పరిమితులు సవాళ్లతో ఉన్న పద్ధతులు వివరంగా ఉన్నాయి. ఉపయోగించిన ప్రధాన విధానాలలో మెషిన్ లెర్నింగ్, ఒంటాలజీ మసక తర్కం ఉన్నాయి. ట్విట్టర్ ఫేస్బుక్ నుండి వచ్చిన సోషల్ మీడియా సమాచారం వినియోగదారుల సామాజిక కార్యకలాపాలను హించడానికి అనేక అధ్యయనాలు ఉపయోగిస్తాయి. వయస్సు, లింగం, ఇంటి స్థానం, ఆరోగ్యం, భావోద్వేగం, అభిప్రాయం, సంబంధం ప్రభావం వంటి వినియోగదారు సామాజిక సమాచారం ఇంకా వివరించాల్సిన అవసరం ఉందని సాహిత్యం చూపిస్తుంది.[5]

వ్యక్తిగతీకరించిన మెటా-సెర్చ్ ఇంజన్లు మార్చు

పెరుగుతున్న ఆన్‌లైన్ సమాచారం కేంద్రీకృత సెర్చ్ ఇంజన్ ఫలితాలకు నైపుణ్యం లేకపోవటానికి కారణమైంది.[6][7] ఈ ఫలితాలు కస్టమర్ల సమాచారం కోసం డిమాండ్‌ను తీర్చవు. వినియోగదారుల శోధన ఫలితాల కోసం కవరేజీని పెంచే పరిష్కారం మెటా-సెర్చ్ ఇంజన్లు.[6] ఇది వివిధ కేంద్రీకృత సెర్చ్ ఇంజిన్ల నుండి సమాచారాన్ని సేకరించే విధానం. అయినప్పటికీ, ఇది చాలా ఎక్కువ డేటాను కలిగిస్తుంది సేకరణ ప్రక్రియలో చాలా ఎక్కువ సృష్టించబడుతుంది. అందువల్ల, వ్యక్తిగతీకరించిన మెటా-సెర్చ్ ఇంజన్లు అనే కొత్త టెక్నిక్, ఇది పెద్ద సామాజిక ప్రొఫైల్‌ను ఉపయోగిస్తుంది శోధన ఫలితాలను ఫిల్టర్ చేస్తుంది. వినియోగదారుల ప్రొఫైల్ అనేక విభిన్న విషయాల కలయికగా ఉంటుంది. ఇది "వినియోగదారు మాన్యువల్ ఎంచుకున్న ఆసక్తులు, వినియోగదారు శోధన చరిత్ర" వ్యక్తిగత సోషల్ నెట్‌వర్క్ డేటాను కలిగి ఉంటుంది, కానీ పరిమితం కాదు.[6]

సోషల్ మీడియా ప్రొఫైలింగ్ మార్చు

వారెన్ బ్రాండీస్ (1890) ప్రకారం, ప్రైవేట్ సమాచారాన్ని బహిర్గతం చేయడం దానిని దుర్వినియోగం చేయడం ప్రజల భావాలను దెబ్బతీస్తుంది ప్రజల జీవితాలలో గణనీయమైన నష్టాన్ని కలిగిస్తుంది.[8] సోషల్ నెట్‌వర్క్‌లు ఆన్‌లైన్ పరస్పర చర్యలకు ప్రజలకు ప్రాప్యతను అందిస్తాయి; అందువల్ల, సమాచార ప్రాప్యత నియంత్రణ, సమాచార లావాదేవీలు, గోప్యతా సమస్యలు సోషల్ మీడియాలో కనెక్షన్లు అన్నీ పరిశోధన కోసం ఆసక్తి కలిగించే అంశాలుగా మారాయి ఇప్పుడు సాధారణ ప్రజలకు ఆందోళన కలిగిస్తున్నాయి. రికార్డ్ ఫాగ్స్ సహ రచయితలు "ఏదైనా గోప్యతా యంత్రాంగం దాని స్థావరంలో యాక్సెస్ నియంత్రణను కలిగి ఉంది", ఇది "అనుమతులు ఎలా ఇవ్వబడతాయి, ఏ అంశాలు ప్రైవేట్‌గా ఉంటాయి, యాక్సెస్ నియమాలు ఎలా నిర్వచించబడతాయి మొదలైనవి" అని నిర్దేశిస్తుంది.[9] సోషల్ మీడియా ఖాతాల కోసం ప్రస్తుత ప్రాప్యత నియంత్రణ చాలా సరళమైనది: సోషల్ నెట్‌వర్క్ ఖాతాల కోసం సంబంధాల వర్గంలో తేడాలు ఉన్నాయి. ఇతరులతో యూజర్ సంబంధాలు చాలా ప్లాట్‌ఫామ్‌లలో "స్నేహితుడు" లేదా "నాన్-ఫ్రెండ్"గా మాత్రమే వర్గీకరించబడతాయి ప్రజలు వారి సామాజిక వృత్తంలో ఉన్న "స్నేహితులకు" ముఖ్యమైన సమాచారాన్ని లీక్ చేయవచ్చు, కాని వినియోగదారులు వారు ఉద్దేశపూర్వకంగా సమాచారాన్ని పంచుకోవాలనుకుంటున్నారు.[9] దిగువ విభాగం సోషల్ మీడియా ప్రొఫైలింగ్కు సంబంధించినది సోషల్ మీడియా ఖాతాలపై ఏ ప్రొఫైలింగ్ సమాచారం సాధించగలదు.

గోప్యతా లీక్ మార్చు

చాలా సమాచారం స్వచ్ఛందంగా భాగస్వామ్యం చేయబడుతుంది అనుమతి ఇవ్వకపోతే సోషల్ మీడియాలో వేర్వేరు ఖాతాలు లింక్ చేయబడవని చాలా మంది భావిస్తారు. ఏదేమైనా, ఆన్‌లైన్‌లో సేకరించిన సమాచారం "ఫోర్స్క్వేర్, ఇన్‌స్టాగ్రామ్, లింక్డ్ఇన్, ఫేస్‌బుక్ Google+ వంటి ఇతర సోషల్ నెట్‌వర్కింగ్ సైట్లలో లక్ష్య విషయాలను గుర్తించటానికి వీలు కల్పించింది, ఇక్కడ ఎక్కువ వ్యక్తిగత సమాచారం లీక్ అయింది" అని డయాన్ గాన్ చెప్పారు.[10]

అనేక సోషల్ మీడియా ప్లాట్‌ఫారమ్‌లు వాటి లక్షణాల కోసం "ఆప్ట్ అవుట్ అప్రోచ్"ను ఉపయోగిస్తాయి. వినియోగదారులు గోప్యతను రక్షించాలనుకుంటే, గోప్యతా సెట్టింగులను తనిఖీ చేయడం మార్చడం దాని వినియోగదారుల పని - చాలా అనువర్తనాలలో డిఫాల్ట్ సెట్టింగులు ఉన్నాయి. ప్రధాన సోషల్ నెట్‌వర్కింగ్ ప్లాట్‌ఫారమ్‌లు అభివృద్ధి చేసిన జియోట్యాగ్ ఫంక్షన్లు ఇప్పుడు జనాదరణ పొందినవి. ఇది ఆందోళన కలిగిస్తుంది ఎందుకంటే 39% మంది వినియోగదారులు అనుభవజ్ఞులైన ప్రొఫైల్ హ్యాకర్లు; 78% దొంగలు తమ బాధితులను ఎన్నుకోవడానికి ప్రధాన సోషల్ మీడియా నెట్‌వర్క్‌లను గూగుల్ స్ట్రీట్ వ్యూను ఉపయోగించారు. ప్రజలు తమ స్థితి స్థానాన్ని సోషల్ మీడియాలో పోస్ట్ చేసినప్పుడు 54% దొంగలు ఖాళీ ఇళ్లలోకి ప్రవేశించడానికి ప్రయత్నించారు.[11]

ఫేస్బుక్ మార్చు

సోషల్ మీడియా ఖాతాలు ఇతర వ్యక్తులతో కనెక్షన్లు కలిగి ఉండటం వివిధ సామాజిక ఫలితాలతో ముడిపడి ఉంటుంది.[12] చాలా కంపెనీలకు, కస్టమర్ రిలేషన్ మేనేజ్‌మెంట్ చాలా అవసరం కొన్నిసార్లు ఫేస్‌బుక్ ద్వారా జరుగుతుంది.[13] సోషల్ మీడియా మొదట ప్రారంభించటానికి ముందు, కస్టమర్ గుర్తింపు ప్రధానంగా సంస్థ నేరుగా పొందగలిగే సమాచారం మీద పనిచేసింది.[14] ఉదాహరణకు, కస్టమర్ స్టోర్ కొనుగోళ్ల ద్వారా లేదా కస్టమర్ ఒక సర్వేను పూర్తి చేయడానికి స్వచ్ఛందంగా ముందుకొస్తే ఈ సమాచారాన్ని పొందవచ్చు. ఏదేమైనా, సోషల్ మీడియా పెరిగిన వినియోగం జాబితా చేయబడిన రెండు ఉదాహరణల వంటి ప్రధానంగా అందుబాటులో ఉన్న డేటాతో కస్టమర్ ప్రొఫైల్ను నిర్మించే ప్రక్రియను తగ్గించింది. కంపెనీలు ఇప్పుడు ఫేస్బుక్లో కస్టమర్ సంతృప్తి కోసం చూస్తున్నాయి; పేరు, లింగం, పుట్టిన తేదీ, ఇ-మెయిల్ చిరునామా, లైంగిక ధోరణి, వైవాహిక స్థితి, ఆసక్తులు, అభిరుచులు, ఇష్టమైన క్రీడా బృందం (లు), ఇష్టమైన అథ్లెట్ (లు) లేదా ఇష్టమైన సంగీతం, ముఖ్యంగా ఫేస్‌బుక్ కనెక్షన్లు.

అయితే, గోప్యతా విధానాల కారణంగా, ఫేస్‌బుక్‌లో నిజమైన సమాచారం పొందడం అంత తేలికైన పని కాదు. చాలా సార్లు, ఫేస్బుక్ వినియోగదారులు సమాచారాన్ని బహిర్గతం చేయరు లేదా వారి స్నేహితులను మాత్రమే వారి సమాచారాన్ని తయారుచేసే సెట్టింగ్ ఉంచరు. మీ పేజీని "ఇష్టపడే" ఫేస్బుక్ వినియోగదారులను గుర్తించడం కష్టం కాదు. వినియోగదారుల ఆన్‌లైన్ ప్రొఫైలింగ్ చేయడానికి క్లస్టర్ వినియోగదారులకు, విక్రయదారులు కంపెనీలు ఈ క్రింది రకాల డేటాను యాక్సెస్ చేయగలవు యాక్సెస్ చేయగలవు: లింగం, ప్రతి వినియోగదారు నగరం ఫేస్బుక్ అంతర్దృష్టి పేజీ ద్వారా, ఒక నిర్దిష్ట వినియోగదారుని "ఇష్టపడే" ఒక పేజీ ఒక వ్యక్తి "ఇష్టపడే" (లావాదేవీ డేటా), వినియోగదారు అనుసరించే ఇతర వ్యక్తుల జాబితా (ఇది మొదటి 500 ను మించినప్పటికీ, మేము సాధారణంగా చూడలేము) బహిరంగంగా పంచుకున్న అన్ని డేటా.

ట్విట్టర్ మార్చు

ట్విట్టర్ మొట్టమొదట 2006 మార్చిలో ప్రారంభించబడింది. ఇది వినియోగదారులు 140 కంటే తక్కువ అక్షరాలతో ఇతర వినియోగదారులతో కనెక్ట్ అయ్యే కమ్యూనికేట్ చేయగల వేదిక. ఫేస్బుక్ మాదిరిగానే, ట్విట్టర్ కూడా వినియోగదారులకు ముఖ్యమైన సమాచారాన్ని లీక్ చేయడానికి ఒక ముఖ్యమైన మార్గం. ఈ సమాచారాన్ని ఇతరులు యాక్సెస్ చేయవచ్చు సేకరించవచ్చు సాధారణంగా వినియోగదారుకు తెలియకుండానే జరుగుతుంది.

రాచెల్ న్యూమర్ అనే పరిశోధకుడు మాట్లాడుతూ, 5000 మందికి పైగా వినియోగదారులు చేసిన 10.8 మిలియన్ ట్వీట్ల నమూనాలో, వినియోగదారుల ఆదాయ వయస్సును వెల్లడించడానికి తగినంత సమాచారం బహిరంగంగా భాగస్వామ్యం చేయబడింది.[15] పెన్సిల్వేనియా విశ్వవిద్యాలయం నుండి పోస్ట్‌డాక్టోరల్ పరిశోధకుడు, డేనియల్ ప్రియోసిక్-పియట్రో అతని సహచరులు 90% మంది వినియోగదారులను సంబంధిత ఆదాయ సమూహాలుగా వర్గీకరించగలిగారు. వారి ఇప్పటికే సేకరించిన డేటా, యంత్ర అభ్యాస నమూనాలోకి ఇవ్వబడిన తరువాత, ప్రతి ఆదాయ సమూహం లక్షణాలపై నమ్మదగిన అంచనాలను రూపొందించింది.

కుడి వైపున ఉన్న ఫోటో Streamd.in అనే మొబైల్ అనువర్తనాన్ని చూపుతుంది. ఇది ట్వీట్‌కు జతచేయబడిన జియోలొకేషన్ వివరాలను ఉపయోగించి గూగుల్ మ్యాప్స్‌లో ప్రస్తుత ట్వీట్‌లను చూపుతుంది. అనువర్తనం వినియోగదారుల కదలికలను నిజ సమయంలో ప్రయాణించగలదు.

సోషల్ నెట్‌వర్క్‌లో ఫోటోలను ప్రొఫైలింగ్ చేస్తోంది మార్చు

సోషల్ మీడియా విస్తృత శ్రేణి చిత్రాలు దృశ్య సమాచార వ్యాప్తి పాత్రను పెంచింది.[16] సోషల్ మీడియాలో చాలా విజువల్ సమాచారం యూజర్, స్థాన సమాచారం ఇతర వ్యక్తిగత సమాచారం నుండి సందేశాలను ప్రసారం చేస్తుంది. క్రిస్టినా సెగాలిన్, డాంగ్ సియోన్ చెంగ్ మార్కో క్రిస్టాని చేసిన అధ్యయనంలో, వినియోగదారు పోస్టుల ఫోటోలను ప్రొఫైల్ చేయడం వ్యక్తిత్వం మానసిక స్థితి వంటి వ్యక్తిగత లక్షణాలను వెల్లడిస్తుందని వారు కనుగొన్నారు.[16] అధ్యయనంలో, కన్విలేషనల్ న్యూరల్ నెట్‌వర్క్‌లు (సిఎన్‌ఎన్‌లు) ప్రవేశపెట్టబడ్డాయి. ఇది కంప్యుటేషనల్ సౌందర్యం CA ప్రధాన లక్షణాలపై ("గణన పద్ధతులు", "మానవ సౌందర్య దృక్పథం" "ఆబ్జెక్టివ్ విధానాలపై దృష్టి పెట్టవలసిన అవసరం"[16]) హోనిగ్ (హోయెనిగ్, 2005) చేత నిర్వచించబడింది. ఈ సాధనం ఫోటోల నుండి వివిధ రకాల సమాచారాన్ని పొందవచ్చు.

టాగ్లు మార్చు

"ఎ రూల్-బేస్డ్ ఫ్లికర్ ట్యాగ్ సిఫారసు వ్యవస్థ" అని పిలువబడే ఒక ప్రయోగంలో, పరిశోధకుడు వ్యక్తిగతీకరించిన ట్యాగ్‌లను సూచిస్తాడు.[17] ఈ సిఫార్సులు వినియోగదారు ప్రొఫైల్స్ ఇతర వెబ్ వనరులపై ఆధారపడి ఉంటాయి. ఇది అనేక రకాలుగా సహాయకరంగా ఉంటుందని నిరూపించబడింది: "వెబ్ కాంటెక్స్ట్ ఇండెక్సింగ్", "మల్టీమీడియా డేటా రిట్రీవల్" ఎంటర్ప్రైజ్ వెబ్ శోధనలు.[17]

రుచికరమైన మార్చు

Flickr మార్చు

జూమర్ మార్చు

మార్కెటింగ్ మార్చు

ఈ రోజుల్లో, విక్రయదారులు కంపెనీలు తమ సొంత సోషల్ మీడియా ఖాతాలను సృష్టించడం ద్వారా జనాదరణను పెంచుతున్నాయి. ఇక్కడ, వారు సమాచారాన్ని పోస్ట్ చేస్తారు, పోటీల్లోకి ప్రవేశించడానికి ఇష్టపడాలని భాగస్వామ్యం చేయమని ప్రజలను అడుగుతారు మరెన్నో. ఒక వ్యక్తి రోజుకు ఒక సోషల్ మీడియా నెట్‌వర్కింగ్ వెబ్‌సైట్‌లో సగటున 23 నిమిషాలు గడుపుతారని గడువు చూపిస్తుంది.[18] అందువల్ల, వినియోగదారు ప్రవర్తన, రేటింగ్‌లు, సమీక్షలు మరెన్నో సమాచారాన్ని సేకరించడానికి చిన్న నుండి పెద్ద కంపెనీలు డబ్బును పెట్టుబడి పెడతాయి.[19]

ఫేస్బుక్ మార్చు

2006 వరకు, ప్రజలు ఆన్‌లైన్‌లో ఎంత సమయం గడుపుతున్నారనే దానిపై ఆన్‌లైన్ కమ్యూనికేషన్ చూడలేదు. ఏదేమైనా, కంటెంట్ భాగస్వామ్యం సృష్టి ఇప్పుడు సోషల్ మీడియాలో ప్రధాన ఆన్‌లైన్ కార్యాచరణగా మారింది - ఇది మార్కెటింగ్‌ను ఎప్పటికీ మార్చివేసింది.[20] అడ్వాన్స్‌డ్ సోషల్ మీడియా మార్కెటింగ్ పుస్తకంలో, [21] ఫేస్‌బుక్‌లో మార్కెటింగ్ చేసేటప్పుడు న్యూయార్క్ వెడ్డింగ్ ప్లానర్ తన ప్రేక్షకులను ఎలా గుర్తించవచ్చో ఒక ఉదాహరణ ఇస్తాడు. ఈ వర్గాలలో కొన్ని వీటిని కలిగి ఉండవచ్చు: (1) యునైటెడ్ స్టేట్స్లో నివసించేవారు; (2) న్యూయార్క్ నుండి 50 మైళ్ళ దూరంలో నివసించేవారు; (3) వయస్సు 21 అంతకంటే ఎక్కువ; (4) నిశ్చితార్థం చేసుకున్న స్త్రీ.[21]మీరు ప్రతి చిత్రానికి లేదా ముద్రకు చెల్లించాలని ఎంచుకున్నా, "ఫేస్బుక్ మార్కెట్ ప్రకటనలు ప్రాయోజిత కథల ఖర్చు గరిష్ట బిడ్ పోటీ ద్వారా నిర్ణయించబడుతుంది". ప్రతి చిత్రం ధర సాధారణంగా యాభై సెంట్ల నుండి ఒక డాలర్ యాభై సెంట్లు.

క్లౌట్ మార్చు

క్లౌట్ అనేది ఒక ప్రముఖ సాధనం, ఇది సామాజిక ప్రొఫైలింగ్ ద్వారా వ్యక్తి ప్రభావాన్ని అంచనా వేయడంపై దృష్టి పెడుతుంది. వినియోగదారు స్కోర్‌ను ఒకటి నుండి వందల పరిధిలో ఉత్పత్తి చేయడానికి అనేక విభిన్న సోషల్ మీడియా ప్లాట్‌ఫారమ్‌లు (ఫేస్‌బుక్, ట్విట్టర్ వంటివి) అనేక విభిన్న అంశాలను తీసుకుంటుంది. సోషల్ మీడియా ఖాతాలలో ఒక వ్యక్తి గురించి చాలా వ్యక్తిగత సమాచారం ఉంటుంది; పోస్ట్‌లో వారికి ఉన్న ఇష్టాల సంఖ్య లేదా లింక్డ్‌ఇన్‌లో కనెక్షన్ల సంఖ్య పట్టింపు లేదు. క్లౌట్ ఒక వ్యక్తి ప్రభావాన్ని సూచించే ఒకే స్కోర్‌ను ఉత్పత్తి చేస్తుంది. చాడ్ ఎడ్వర్డ్స్ చేసిన "హౌ క్లౌట్ డు యు హావ్ ... ఎ టెస్ట్ ఆఫ్ సిస్టమ్ జనరేటెడ్ క్యూస్ ఆన్ సోర్స్ క్రెడిబిలిటీ" అనే అధ్యయనంలో, క్లౌట్ స్కోర్లు ప్రజల విశ్వసనీయతను ప్రభావితం చేస్తాయని నిరూపించబడింది.[22] క్లౌట్ స్కోరు ప్రజల ప్రభావాన్ని ప్రాప్తి చేయడానికి ఒక ప్రసిద్ధ మిశ్రమ-వన్-స్కోర్ పద్ధతిగా మారినందున, ఇది ఒకే సమయంలో అనుకూలమైన సాధనం పక్షపాతంతో ఉంటుంది. డేవిడ్ వెస్టర్మాన్ చేసిన ప్రజల తీర్పులను సోషల్ మీడియా అనుచరులు ఎలా ప్రభావితం చేస్తారనే దానిపై ఒక అధ్యయనం క్లౌట్ కలిగి ఉండగల పక్షపాతాన్ని వివరిస్తుంది.[23] ఒక ప్రయోగంలో, పాల్గొనేవారు ఒకే పెద్ద స్వతంత్ర వేరియబుల్‌తో ఒకేలాంటి ఆరు నకిలీ ట్విట్టర్ పేజీలను చూడమని అడిగారు: అనుచరుల సంఖ్య. పేజీలలోని కంటెంట్ సారూప్యంగా ఉన్నప్పటికీ చాలా ఎక్కువ లేదా చాలా తక్కువ మంది అనుచరులు ఉన్న పేజీలు విశ్వసనీయతను తగ్గించాయని ఫలితాలు చూపుతున్నాయి. క్లౌట్ స్కోర్లు కొన్ని పక్షపాతాలకు లోబడి ఉంటాయి.[23]

నియామక ప్రక్రియలో ఇది కొన్నిసార్లు ఉపయోగించబడుతున్నప్పటికీ, ఇది కూడా వివాదాస్పదంగా ఉంటుంది.

క్రెడ్ మార్చు

క్రెడ్ ప్రతి వినియోగదారుకు ప్రభావ స్కోరును కేటాయిస్తుంది క్రెడ్ ప్రొఫైల్ క్రెడ్ ఖాతాను క్లెయిమ్ చేయడానికి వినియోగదారుని అనుమతిస్తుంది. ఈ ప్లాట్‌ఫాం వినియోగదారులను వారి ఆన్‌లైన్ కమ్యూనిటీతో ఎలా నిమగ్నం చేస్తుందో ప్రతి ఆన్‌లైన్ ఇంటరాక్టిన్‌లు వారి స్కోర్‌లను ఎలా ప్రభావితం చేస్తాయో చూడటానికి వినియోగదారుని అనుమతిస్తుంది.

Keyhole Data Analytics

వారి ప్రభావాన్ని పెంచడానికి సంబంధించి క్రెడ్ వారి ప్రేక్షకులకు ఇస్తున్న బహుళ సూచనలు: (1) మీ ప్రేక్షకులతో ఉదారంగా ఉండండి, మీ స్నేహితుల నుండి కంటెంట్‌ను పంచుకోవడం ఇతరులను ట్వీట్ చేయడం సౌకర్యంగా ఉండండి; (2) ఆన్‌లైన్ సంఘంలో చేరండి; (3) అర్ధవంతమైన కంటెంట్‌ను సృష్టించండి పంచుకోండి; (4) మీ పురోగతిని ఆన్‌లైన్‌లో ట్రాక్ చేయండి.

అనుచరుడు వోంక్ మార్చు

అనుచరుడు ప్రత్యేకంగా ట్విట్టర్ విశ్లేషణల కోసం లక్ష్యంగా పెట్టుకున్నాడు; ఇది అనుచరుల జనాభాను అర్థం చేసుకోవడానికి వినియోగదారులకు సహాయపడుతుంది మీ కార్యకలాపాల ఉత్తమ సంస్కరణను సృష్టిస్తుంది, ఇది అనుచరుల నుండి మరింత సానుకూల అభిప్రాయాన్ని ఆకర్షిస్తుంది.

కీహోల్ మార్చు

కీహోల్ అనేది ఇన్‌స్టాగ్రామ్, ట్విట్టర్ ఫేస్‌బుక్ డేటాను ట్రాక్ చేసే హ్యాష్‌ట్యాగ్ ట్రాకింగ్ అనలిటిక్స్ సేవా పరికరం. ఏ హ్యాష్‌ట్యాగ్‌లను ఉపయోగిస్తున్నారో హ్యాష్‌ట్యాగ్ చుట్టూ ఉన్న ఇతర సమాచారం ఏమిటో ట్రాక్ చేయడానికి ఈ సేవ మిమ్మల్ని అనుమతిస్తుంది. మీరు వెబ్‌సైట్‌లో హ్యాష్‌ట్యాగ్‌ను నమోదు చేసినప్పుడు, ఇది ప్రస్తుతం ఈ హ్యాష్‌ట్యాగ్‌ను ఉపయోగిస్తున్న వినియోగదారులను యాదృచ్ఛికంగా నమూనా చేస్తుంది హ్యాష్‌ట్యాగ్‌ను విశ్లేషించడానికి వినియోగదారుని అనుమతిస్తుంది.

ఆన్‌లైన్ కార్యకర్త సామాజిక ప్రొఫైల్ మార్చు

సంఘటనలపై దృష్టి పెట్టడానికి చాలా మంది పాల్గొంటారు. ఆన్‌లైన్ కార్యకర్తల ప్రొఫైల్ విశ్లేషించినప్పుడు ఇది ఆసక్తికరమైన అంశం. చైనా, లాటిన్ అమెరికా యునైటెడ్ స్టేట్స్‌లో ఆన్‌లైన్ కార్యకర్త గురించి హార్ప్ అతని సహ రచయితలు చేసిన అధ్యయనంలో, ఆన్‌లైన్ కార్యకర్తలలో ఎక్కువ మంది లాటిన్ అమెరికా చైనాలో సగటు ఆదాయం $ 10,000 లేదా అంతకంటే తక్కువ ఉన్న పురుషులు అని తేలింది. ఆన్‌లైన్ కార్యకర్తలలో ఎక్కువ మంది యునైటెడ్ స్టేట్స్లో సగటు జీతం $ 30,000 - $ 69,999. ఇతర దేశాలతో పోలిస్తే యునైటెడ్ స్టేట్స్లో ఆన్‌లైన్ కార్యకర్తల విద్యా స్థాయిలు ఎక్కువగా ఉన్నాయి.[24]

వారి ఆన్‌లైన్ షేర్డ్ కంటెంట్ లోతైన విశ్లేషణలో కంటెంట్‌ను ఐదు విభాగాలుగా విభజించవచ్చని చూపిస్తుంది:

  1. నిధుల సేకరణకు: మూడు దేశాలలో, చైనా కార్యకర్తలు నిధుల సేకరణలో ఎక్కువ కంటెంట్ కలిగి ఉన్నారు.
  2. లింక్‌లను పోస్ట్ చేయడానికి: లాటిన్ అమెరికన్ కార్యకర్తలకు లింక్‌లను పోస్ట్ చేయడంలో ఎక్కువ సమాచారం ఉంది.
  3. చర్చ చర్చను ప్రోత్సహించడానికి: లాటిన్ అమెరికా చైనా కార్యకర్తలు ఇద్దరూ అమెరికన్ కార్యకర్తలతో పోల్చితే చర్చను ప్రోత్సహించడానికి విషయాలను పోస్ట్ చేస్తారు.
  4. ప్రకటనలు వార్తలను పోస్ట్ చేయడానికి: అమెరికన్ కార్యకర్తలు ఇతర దేశాల కంటే ఎక్కువ వార్తలు సమాచారాన్ని పోస్ట్ చేస్తారు.
  5. జర్నలిస్టులతో కమ్యూనికేట్ చేయడానికి: చైనా కార్యకర్తలు ఈ చర్యను ఎక్కువగా చేస్తారు.
  6. ఇంటర్నెట్ సోషల్ మీడియా చాలా ప్రజాదరణ పొందిన సాధనం, ఇది ఆన్‌లైన్ కార్యకర్తలకు క్రియాశీలతకు కొత్త వేదికను అందించింది. ఆన్‌లైన్ క్రియాశీలత వివాదం పోకడలను రేకెత్తిస్తున్నప్పటికీ, సంబంధిత

చైనాలో సామాజిక క్రెడిట్ స్కోరు మార్చు

ఇవి కూడా చూడండి: సోషల్ క్రెడిట్ సోషల్ క్రెడిట్ సిస్టమ్

"పౌరుల ఆర్థిక క్రెడిట్ యోగ్యత", సామాజిక ప్రవర్తన రాజకీయ ప్రవర్తనకు స్కోరును సృష్టించే "సామాజిక క్రెడిట్ వ్యవస్థ"ను సృష్టించాలని చైనీస్ ప్రభుత్వం భావిస్తోంది.[25] ఈ వ్యవస్థ పెద్ద డేటా సోషల్ ప్రొఫైలింగ్ టెక్నాలజీలను మిళితం చేస్తుంది. బిబిసి న్యూస్ నుండి సెలియా హాటన్ ప్రకారం, చైనాలోని ప్రతి ఒక్కరూ ఆర్థిక సమాచారం, రాజకీయ ప్రవర్తన, సామాజిక ప్రవర్తన రోజువారీ జీవితాన్ని స్వయంచాలకంగా లెక్కించే జాతీయ డేటాబేస్లో నమోదు అవుతారని భావిస్తున్నారు - ఇందులో చిన్న ట్రాఫిక్ ఉల్లంఘనలు ఉంటాయి. చివరికి, పౌరుడి విశ్వసనీయతను చూపించడానికి ఒకే స్కోరు ఉత్పత్తి అవుతుంది. [26]

విశ్వసనీయత స్కోర్‌లు, సామాజిక ప్రభావ స్కోర్‌లు ప్రజల ఇతర మదింపులను ఇతర దేశాలలో కూడా చూడవచ్చు. ఏదేమైనా, చైనా "సామాజిక క్రెడిట్ వ్యవస్థ" వివాదాస్పదంగా ఉంది, ఎందుకంటే ఒకే స్కోరు వ్యక్తి ప్రతిబింబంగా మారుతుంది.[26] "సామాజిక రుణ వ్యవస్థ గురించి చాలా అస్పష్టంగా ఉంది".

చైనాలో క్రెడిట్ స్కోర్ విధానం ద్వారా కంపెనీలు ఎలా పరిమితం చేయబడతాయి? మార్చు

చైనాలో సోషల్ క్రెడిట్ స్కోరు అమలు వివాదాస్పదమైనప్పటికీ, చైనా ప్రభుత్వం ఈ వ్యవస్థను 2018 నాటికి ఉపయోగించాలని కోరుకుంటుంది.[27] జేక్ లాబాండ్ (యుఎస్-చైనా బిజినెస్ కౌన్సిల్ బీజింగ్ కార్యాలయం డిప్యూటీ డైరెక్టర్) ప్రకారం, తక్కువ క్రెడిట్ స్కోర్లు "ఫైనాన్సింగ్, ఉపాధి పార్టీ సభ్యత్వానికి అర్హతను పరిమితం చేస్తాయి, అలాగే రియల్ ఎస్టేట్ లావాదేవీలు ప్రయాణాలను పరిమితం చేస్తాయి." సామాజిక క్రెడిట్ స్కోరు జీవితంలోని చట్టపరమైన అంశాలను మాత్రమే కాకుండా, కాంట్రాక్ట్ బ్రేకింగ్ వంటి సామాజిక అంశాలను కూడా ప్రభావితం చేస్తుంది. వ్యవస్థలో విశ్లేషించాల్సిన భారీ డేటా కారణంగా ఇది పెద్ద కంపెనీల గోప్యతకు గొప్ప ఆందోళనగా మారింది.

మూలాలు మార్చు

  1. Kanojea, Sumitkumar; Mukhopadhyaya, Debajyoti; Girase, Sheetal (2016). "User Profiling for University Recommender System using Automatic Information Retrieval". Procedia Computer Science. 78: 5–12. doi:10.1016/j.procs.2016.02.002.
  2. Vu, Xuan Truong; Abel, Marie-Hélène; Morizet-Mahoudeaux, Pierre (2015-10-01). "A user-centered and group-based approach for social data filtering and sharing"(PDF). Computers in Human Behavior. Computing for Human Learning, Behaviour and Collaboration in the Social and Mobile Networks Era. 51, Part B: 1012–1023. doi:10.1016/j.chb.2014.11.079.
  3. Fontinelle, Amy (2017-02-06). "Social Data". Investopedia. Retrieved 2017-04-03.
  4. Kaushal., Rishabh; Ghosh., Vasundhara (2020-03-26). 2019 IEEE Intl Conf on Parallel \& Distributed Processing with Applications, Big Data \& Cloud Computing, Sustainable Computing \& Communications, Social Computing \& Networking (ISPA/BDCloud/SocialCom/SustainCom). IEEE. doi:10.1109/ISPA-BDCloud-SustainCom-SocialCom48970.2019.00231. S2CID 214692247.
  5. Bilal, Muhammad; Gani, Abdullah; Lali, Muhammad Ikram Ullah; Marjani, Mohsen; Malik, Nadia (2019). "Social Profiling: A Review, Taxonomy, and Challenges". Cyberpsychology, Behavior, and Social Networking. 22 (7): 433–450. doi:10.1089/cyber.2018.0670. PMID 31074639.
  6. 6.0 6.1 6.2 Saoud, Zakaria; Kechid, Samir (2016-04-01). "Integrating social profile to improve the source selection and the result merging process in distributed information retrieval". Information Sciences. 336: 115–128. doi:10.1016/j.ins.2015.12.012.
  7. Lawrence, Steve; Giles, C. Lee (1999-07-08). "Accessibility of information on the web". Nature. 400 (6740): 107–9. doi:10.1038/21987. ISSN 0028-0836. PMID 10428673. S2CID 4347646.
  8. D. Warren, Samuel; D. Brandeis, Louis (December 1890). "The Right to Privacy". Harvard Law Review. IV.
  9. 9.0 9.1 Fogues, Ricard; Such, Jose M.; Espinosa, Agustin; Garcia-Fornes, Ana (2015-05-04). "Open Challenges in Relationship-Based Privacy Mechanisms for Social Network Services" (PDF). International Journal of Human–Computer Interaction. 31 (5): 350–370. doi:10.1080/10447318.2014.1001300. hdl:10251/65888. ISSN 1044-7318. S2CID 16864348.
  10. Gan, Diane; Jenkins, Lily R. (2015-03-23). "Social Networking Privacy—Who's Stalking You?" (PDF). Future Internet. 7 (1): 67–93. doi:10.3390/fi7010067.
  11. "Social Media And Crime". Retrieved 2017-04-23.
  12. Park, Namkee; Lee, Seungyoon; Kim, Jang Hyun (2012-09-01). "Individuals' personal network characteristics and patterns of Facebook use: A social network approach". Computers in Human Behavior. 28 (5): 1700–1707. doi:10.1016/j.chb.2012.04.009.
  13. van Dam, Jan-Willem; van de Velden, Michel (2015-02-01). "Online profiling and clustering of Facebook users". Decision Support Systems. 70: 60–72. doi:10.1016/j.dss.2014.12.001.
  14. Zhu, Feng; Zhang, Xiaoquan (Michael) (2013-05-29). "Impact of Online Consumer Reviews on Sales: The Moderating Role of Product and Consumer Characteristics". Journal of Marketing. 74 (2): 133–148. CiteSeerX 10.1.1.471.520. doi:10.1509/jmkg.74.2.133.
  15. "Money Talks--and Tweets: Start Your Search!". eds.a.ebscohost.com. Retrieved 2017-04-23.
  16. 16.0 16.1 16.2 Segalin, Cristina; Cheng, Dong Seon; Cristani, Marco (2017-03-01). "Social profiling through image understanding: Personality inference using convolutional neural networks". Computer Vision and Image Understanding. Image and Video Understanding in Big Data. 156: 34–50. doi:10.1016/j.cviu.2016.10.013.
  17. 17.0 17.1 Cagliero, Luca; Fiori, Alessandro; Grimaudo, Luigi (2013-01-01). Ramzan, Naeem; Zwol, Roelof van; Lee, Jong-Seok; Clüver, Kai; Hua, Xian-Sheng (eds.). Social Media Retrieval. Computer Communications and Networks. Springer London. pp. 169–189. doi:10.1007/978-1-4471-4555-4_8. ISBN 9781447145547.
  18. "Facebook Dominates, the Emergence of reddit and Hulu: Taking a Look at 4 Years of Distracting Websites at RescueTime". RescueTime Blog. 2011-10-03. Retrieved 2017-04-07.
  19. Engineers., Institute of Electrical and Electronics; Society., IEEE Communications (2011-01-01). 2011 IEEE 5th International Conference on Internet Multimedia Systems Architecture and Application : [IMSAA 11] : December 12-13, 2011, Bangalore, India. IEEE. ISBN 9781457713286. OCLC 835764725.
  20. Dave., Evans (2012-01-01). Social media marketing : an hour a day. Wiley. ISBN 9781118227671. OCLC 796208293.
  21. 21.0 21.1 Tom, Funk (2013-01-01). Advanced Social Media Marketing How to Lead, Launch, and Manage a Successful Social Media Program. Apress. ISBN 9781430244080. OCLC 981044629.
  22. Edwards, Chad; Spence, Patric R.; Gentile, Christina J.; Edwards, America; Edwards, Autumn (2013-09-01). "How much Klout do you have … A test of system generated cues on source credibility". Computers in Human Behavior. 29 (5): A12–A16. doi:10.1016/j.chb.2012.12.034.
  23. 23.0 23.1 Westerman, David; Spence, Patric R.; Van Der Heide, Brandon (2012-01-01). "A social network as information: The effect of system generated reports of connectedness on credibility on Twitter". Computers in Human Behavior. 28 (1): 199–206. doi:10.1016/j.chb.2011.09.001.
  24. Descôteaux, Josée (2009-09-01). "[Laura Archer. Her empty hands, her eyes, her instinct...and her passion]". Perspective Infirmière. 6 (5): 7–8. ISSN 1708-1890. PMID 20120298.
  25. "China invents the digital totalitarian state". The Economist. 2016-12-17. Retrieved 2017-04-14.
  26. 26.0 26.1 Hatton, Celia (2015-10-26). "China 'social credit': Beijing sets up huge system". BBC News. Retrieved 2017-04-14.
  27. "How Can Individuals, Companies be Limited by Bad Social Credit in China?: Start Your Search!". eds.b.ebscohost.com. Retrieved 2017-09-29.