Οι διαδικτυακές κοινότητες, ιδίως όσες έχουν να κάνουν σχέση με την υγεία, έχουν αρχίσει να διαδραματίζουν ολοένα και πιο σημαντικό ρό...
Οι διαδικτυακές κοινότητες, ιδίως όσες έχουν να κάνουν σχέση με την υγεία, έχουν αρχίσει να διαδραματίζουν ολοένα και πιο σημαντικό ρόλο στις ζωές πολλών χρηστών του διαδικτύου. Σε τέτοιου είδους forums οι χρήστες ανταλλάσσουν πληροφορίες και συμβουλές σχετικά με ασθένειες που επηρεάζουν τους ίδιους αλλά και τα αγαπημένα τους πρόσωπα ενώ παράλληλα λαμβάνουν και δίνουν συναισθηματική υποστήριξη, κάτι που έχει άμεσο αντίκτυπο στην ζωή τους.
Ενώ όμως είναι εύκολο να μετρήσουμε την ποσότητα των πληροφοριών που παρέχει η κοινότητα, απλά μετρώντας τα μέλη, τις απαντήσεις και τα «likes» που δέχονται αυτές, το να εντοπίσουμε τους χρήστες που παρέχουν πιο αποτελεσματικά συναισθηματική ψυχολογική υποστήριξη, τα πιο σημαντικά μέλη τέτοιων κοινοτήτων, είναι αρκετά δύσκολο.
Αυτό ακριβώς σκέφτηκε ο Kang Zhao και η ομάδα του στο πανεπιστήμιο της Άϊοβα και κατάφεραν να αναπτύξουν ένα σύστημα που μπορεί να εντοπίσει τα σημαντικότερα μέλη μιας online κοινότητας υγείας, συγκεκριμένα στο forum της Cancer Survivors Network.
Η ομάδα του Kang μελέτησε συνολικά μισό εκατομμύριο ανώνυμες δημοσιεύσεις οι οποίες έλαβαν χώρα από το 2000 έως το 2010 σε 50.000 θέματα της κοινότητας. Η θεωρία τους ήταν πως οι συνομιλίες μεταξύ των χρηστών είναι ικανές να αλλάξουν την συναισθηματική κατάσταση του χρήστη που ξεκίνησε την συζήτηση, κάτι που φαίνεται στο περιεχόμενο των δημοσιεύσεων του.
Ξεκίνησαν λοιπόν «σημειώνοντας» 300 τυχαίες δημοσιεύσεις ως θετικές η αρνητικές, ανάλογα με το περιεχόμενο τους, συμπεριλαμβανομένων των λεγόμενων των χρηστών αλλά και τον τρόπο με τον οποίο έγραφαν. Έπειτα διαχώρισαν χαρακτηριστικά που μπορούσαν να εντοπίσουν τα συναισθήματα τους, όπως η ύπαρξη smilies (οι γνωστές «φατσούλες»), θαυμαστικών, καθώς και λέξεις με αρνητικές ή θετικές έννοιες.
Στη συνέχεια χρησιμοποίησαν αυτά τα χαρακτηριστικά για να «εκπαιδεύσουν» το αντίστοιχο λογισμικό στον εντοπισμό θετικών ή αρνητικών δημοσιεύσεων. Τα αποτελέσματα έδειξαν πως στην πρώτη απάντηση, τα συναισθήματα του πρώτου χρήστη που ξεκίνησε την συζήτηση είναι γενικά πολύ πιο θετικά από την αρχική του δημοσίευση, ενώ οι μελλοντικές απαντήσεις του γίνονται όλο και πιο θετικές.
Παράλληλα όμως το σύστημα μπορούσε να διακρίνει μέσω αυτών των δεδομένων ποιοι από τους συμμετέχοντες στην συζήτηση είχαν την μεγαλύτερη επιρροή, παρέχοντας συναισθηματική υποστήριξη. Στην ουσία, οι ερευνητές ανέπτυξαν ένα εντελώς νέο σύστημα που είναι ικανό να κατατάξει τα μέλη μιας διαδικτυακής κοινότητας με βάση την ικανότητα τους να βοηθούν τους άλλους!
Ένα τέτοιο σύστημα σίγουρα θα ήταν χρήσιμο για πολλές κοινότητες ασχέτως της θεματολογίας τους, είναι όμως ιδιαίτερα σημαντικό για τέτοιου είδους κοινότητες, όπου αναμφισβήτητα η βοήθεια που παρέχεται δεν μπορεί να συγκριθεί με forums τεχνολογίας ή διασκέδασης. Η ανακάλυψη του Kang μπορεί όχι μόνο να διατηρήσει αλλά και να βελτιώσει τον τρόπο που τέτοιες κοινότητες προσφέρουν μια σημαντική κοινωνική υπηρεσία στους χρήστες τους.
Αυτό ακριβώς σκέφτηκε ο Kang Zhao και η ομάδα του στο πανεπιστήμιο της Άϊοβα και κατάφεραν να αναπτύξουν ένα σύστημα που μπορεί να εντοπίσει τα σημαντικότερα μέλη μιας online κοινότητας υγείας, συγκεκριμένα στο forum της Cancer Survivors Network.
Η ομάδα του Kang μελέτησε συνολικά μισό εκατομμύριο ανώνυμες δημοσιεύσεις οι οποίες έλαβαν χώρα από το 2000 έως το 2010 σε 50.000 θέματα της κοινότητας. Η θεωρία τους ήταν πως οι συνομιλίες μεταξύ των χρηστών είναι ικανές να αλλάξουν την συναισθηματική κατάσταση του χρήστη που ξεκίνησε την συζήτηση, κάτι που φαίνεται στο περιεχόμενο των δημοσιεύσεων του.
Ξεκίνησαν λοιπόν «σημειώνοντας» 300 τυχαίες δημοσιεύσεις ως θετικές η αρνητικές, ανάλογα με το περιεχόμενο τους, συμπεριλαμβανομένων των λεγόμενων των χρηστών αλλά και τον τρόπο με τον οποίο έγραφαν. Έπειτα διαχώρισαν χαρακτηριστικά που μπορούσαν να εντοπίσουν τα συναισθήματα τους, όπως η ύπαρξη smilies (οι γνωστές «φατσούλες»), θαυμαστικών, καθώς και λέξεις με αρνητικές ή θετικές έννοιες.
Στη συνέχεια χρησιμοποίησαν αυτά τα χαρακτηριστικά για να «εκπαιδεύσουν» το αντίστοιχο λογισμικό στον εντοπισμό θετικών ή αρνητικών δημοσιεύσεων. Τα αποτελέσματα έδειξαν πως στην πρώτη απάντηση, τα συναισθήματα του πρώτου χρήστη που ξεκίνησε την συζήτηση είναι γενικά πολύ πιο θετικά από την αρχική του δημοσίευση, ενώ οι μελλοντικές απαντήσεις του γίνονται όλο και πιο θετικές.
Παράλληλα όμως το σύστημα μπορούσε να διακρίνει μέσω αυτών των δεδομένων ποιοι από τους συμμετέχοντες στην συζήτηση είχαν την μεγαλύτερη επιρροή, παρέχοντας συναισθηματική υποστήριξη. Στην ουσία, οι ερευνητές ανέπτυξαν ένα εντελώς νέο σύστημα που είναι ικανό να κατατάξει τα μέλη μιας διαδικτυακής κοινότητας με βάση την ικανότητα τους να βοηθούν τους άλλους!
Ένα τέτοιο σύστημα σίγουρα θα ήταν χρήσιμο για πολλές κοινότητες ασχέτως της θεματολογίας τους, είναι όμως ιδιαίτερα σημαντικό για τέτοιου είδους κοινότητες, όπου αναμφισβήτητα η βοήθεια που παρέχεται δεν μπορεί να συγκριθεί με forums τεχνολογίας ή διασκέδασης. Η ανακάλυψη του Kang μπορεί όχι μόνο να διατηρήσει αλλά και να βελτιώσει τον τρόπο που τέτοιες κοινότητες προσφέρουν μια σημαντική κοινωνική υπηρεσία στους χρήστες τους.
.jpg)
Δεν υπάρχουν σχόλια
ΠΡΟΣΟΧΗ! Την ευθύνη για το περιεχόμενο των σχολίων φέρει αποκλειστικά ο συγγραφέας τους και όχι το site. Η ανάρτηση των σχολίων μπορεί να έχει μια μικρή χρονική καθυστέρηση