Cuestiones Etnografía

A principios de este año, una compañía llamada Cambridge Analytica saltó a la vanguardia del debate sobre grandes volúmenes de datos y las elecciones cuando se adjudicó la responsabilidad por las victorias malestar tanto de Donald Trump y la Campaña Brexit. Los informes han puesto en la empresa como un titiritero “máquina de propaganda”Capaz de votantes de menta a través de una mezcla patentada de datos psicométricos, principalmente Facebook “le gusta” y dirigido empujones. En esta historia, repetido por Mother Jones y The Guardian, entre otros, Cambridge Analytica [trabajando en conjunto con una firma de “administración electoral” denominado Grupo SCL] es a la vez un fabricante de rey y un Pied Piper: los votantes son incapaces de resistir los intentos de manipulación política, a medida que se integran a la perfección con los votantes’ entorno en línea y tirado por cuerdas demasiado profundamente anclados en los votantes’ psiques a ser ignorados.

elixir de aceite de serpiente, CC-BY Mike Licht

Estoy interesado en el contenido de serpiente real de aceite de serpiente de Cambridge Analytica. Como se ha señalado por la Technology Review del MIT y BuzzFeed, la compañía ha hecho algunas grandes afirmaciones y ha estado dispuesto a tomar el crédito por varios de los resultados electorales sorprendentes de 2016. Pero Cambridge Analytica basa en gran medida en el tecno-magia de la psicografía de datos grandes insuficientemente descrito y empuje algorítmica. Tanto el examen Tech y BuzzFeed señalan que la cantidad y el tipo de datos que la empresa parece utilizar no son muy diferentes de los tipos de adquisición y análisis de datos ya comúnmente en uso.

En lugar de ello estoy interesado en las formas en que argumento de venta de Cambridge Analytica refleja cómo los temas de estos proyectos de análisis de datos grandes son vistos por los que realizan la investigación, y los derechos en manos de los anunciantes, empresas de alta tecnología, e investigadores que implementan análisis de grandes volúmenes de datos en apoyo de las campañas políticas u otros proyectos políticos. Este sentido de la materia de ayuda social. Me gustaría plantear que el uso de “grandes datos” en la política despoja de sus objetivos de la subjetividad, convertir a los individuos en “objetos de datos lista para leer,”Y lo que es más fácil para aquellos en posiciones de poder justificar la manipulación agresiva e inferencia invasiva. Me gustaría sugerir además que cuando la metodología de datos grande se utiliza en el ámbito público, es razonable que estos “objetos de datos” a, sucesivamente, uso de tácticas como la ofuscación, hasta el punto de sabotear activamente la eficacia de la metodología en general, para resistir los intentos de ser leídos, conocido, y manipulado.Leer más… La persuasión y la otra cosa: Una crítica de metodologías de datos grandes en la política

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!

Nota del Editor, Tricia Wang: El siguiente autor para la Co-diseñar máquinas con la edición es Angèle Christin (@angelechristin), sociólogo y Postdoctoral Fellow en los Datos & Society Institute. En un post fascinante que nos lleva dentro de las salas de Francia y de la sala de redacción de los EE.UU., Angèle compara cómo las personas se ocupan de las tecnologías de la cuantificación de los datos ricos y ambientes de escasez de datos. Ella muestra cómo la gente en ambos contextos nos estrategias similares de resistencia y manipulación de las métricas digitales en los tribunales y salas de redacción. Su mensaje es muy valioso ya que ambas salas y salas de redacción de nuevas áreas en las que se están introduciendo prácticas algorítmicos, a veces con resultados deplorables, como esto ProPublica revela artículo. Angèle estudios de sectores y organizaciones en las que el aumento de algoritmos y análisis "grandes datos" transforma los valores profesionales, pericia, y prácticas de trabajo. Recibió su doctorado en Sociología de la Universidad de Princeton y la EHESS (París) en 2014.

Vine a la cuestión de las máquinas a partir del estudio de los números, más precisamente el papel que desempeñan en los números de las organizaciones. Hace diez años, Yo no estaba muy interesado en la tecnología: Yo era un estudiante en París, Apenas me dio una dirección de correo electrónico, y lo que quería estudiar era de justicia criminal.

La caída de 2005 en Francia estuvo marcado por los eventos que llegaron a ser conocidos como los "disturbios urbanos" (disturbios urbanos), un período de malestar entre los hombres y mujeres jóvenes que viven en la periferia de la ciudad (afueras). Sus protestas fueron provocadas por la muerte por electrocución de dos adolescentes que se habían refugiado en una subestación eléctrica cuando era perseguido por la policía.

Durante el próximo par de meses, coches ardían, la policía estaban por todas partes, y muchos hombres jóvenes de ascendencia africana y del norte de África fueron detenidos, instruido de cargos, y condenado, por lo general a prisión. tribunales de París basó en gran medida en un viejo procedimiento penal por delitos menores, la apariencias inmediatas (audiencias de emergencia), lo que hace que permitiera condenar acusados ​​inmediatamente después de su detención. El procedimiento fue diseñado originalmente para controlar "peligrosas" las multitudes urbanas en la segunda mitad del 19ª siglo.

Durante y después de los disturbios urbanos, periodistas e intelectuales denunciaron la reactivación de un sistema de justicia bifurcada, en el que menores acusados ​​de clase y de las minorías fueron juzgados en un apuro, con escasos recursos para los defensores públicos, procedimientos de protección insuficientes, y las altas tasas de sentencias de prisión. Una multitud de amigos y seguidores se congregaron en los tribunales y asistieron a las audiencias, animando a los acusados ​​y abuchear a los jueces. La policía fuertemente custodiada los tribunales con el fin de prevenir los ataques directos a los magistrados.

En todo esto, jueces y fiscales se mantuvieron en silencio. Nadie sabía lo que realmente estaba pasando antes o después de las audiencias. Me decidí a ir detrás de las escenas para examinar cómo los fiscales, jueces, y los abogados trabajaron en los casos y decidieron sobre los cargos y sentencias de los acusados. Yo era capaz de llevar a cabo un estudio etnográfico de un año de varios tribunales penales, incluyendo uno en París y otro en una Noreste afueras.Leer más… La historia oculta de cómo las métricas se están utilizando en los tribunales y salas de redacción para hacer más decisiones

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!

Carta del Editor: Estoy feliz de anunciar el El Co-Proyectos con la edición Máquinas. Como alguien con un pie en organizaciones de la industria rediseño que florezca en un mundo rico en datos y otro pie en la investigación, Estoy constantemente tratando de tener una vista aérea sobre los logros técnicos. Últimamente, He estado obsesionado con el futuro del diseño en un mundo cada vez más rico en datos alimentado por la inteligencia artificial y sus algoritmos. Lo que comenzó durante una conversación cocina con mi colega, Che-Wei Wang (colaborador de esta edición) sobre el diseño generativo y los algoritmos genéticos se convirtieron en una gran parte de mi hablar en el diseño de interacción 2016 en Helsinki, Finlandia. Ese trozo entonces ocupaba más de un espacio de mi cerebro y ampliado en esta edición de Espacio para la Etnografía, Co-diseño con máquinas. En el post de introducción de esta edición, Comparto una manera más productiva para enmarcar la colaboración humana y la máquina: como un sistema en red. Entonces me persiguió por nueve personas que están a la vanguardia de esta transformación para compartir sus puntos de vista con nosotros. Alicia Dudek de Deloitte se iniciará el próximo post con una ficción especulativa sobre si los robots de AI pueden realizar cualquier parte del trabajo de campo cualitativo. Janet Vertesi cerrará esta edición nos da un adelanto de su próximo libro con un artículo sobre la colaboración humana y la máquina en las expediciones de la NASA Mars Rover. Y entre Alicia y Janet son siete colaboradores provienen de la comercialización de la máquina de aprendizaje con los artículos súper reflexivos. Gracias por unirse a la carrera! Y si usted encuentra que esto sea atractiva, tenemos una Una mala en la que podemos continuar con las conversaciones y conocer a otras personas humanocentrista. Únete a nuestro @ethnomatters Twitter para las actualizaciones. Gracias. @ Triciawang

¿Quién está ganando la batalla entre humanos y ordenadores? Si usted lee los titulares sobre Inteligencia Artificial de Google (AI), DeepMind, batiendo el jugador de go-campeón del mundo, se podría pensar las máquinas están ganando. el artículo de la CNN sobre proclama DeepMind, "En la última batalla del hombre contra la máquina, los seres humanos se están ejecutando en segundo lugar. "Si, por otra parte, usted lee los titulares acerca de Facebook Tendencia de la sección Noticias y Asistente personal, M, que podría estar convencido de que las máquinas son menos puro y perfecto de lo que hemos hecho creer. A medida que la Borde titular pone, “Facebook admite su algoritmo de noticias de tendencias necesita mucha ayuda humana.”

Los titulares de ambos lados se basan en una falsa, tropo obsoleta: El binario de los seres humanos frente a los ordenadores. Estamos rodeados de argumentos similares en películas populares, ciencia ficción, y las noticias. A veces, las computadoras son intelectualmente superiores a los humanos, a veces son moralmente superior y libre de prejuicios humana. DeepMind de Google está ganando un juego de suma cero. algoritmos de Facebook de alguna manera están fallando al confiar en la ayuda humana, como si la colaboración entre humanos y ordenadores de esta batalla épica es de alguna manera vergonzosa.

El hecho es que los humanos y los ordenadores han sido siempre colaboradores. El ser humano / ordenador vista binario es perjudicial. Nos está restringiendo se acerquen a las innovaciones de IA más cuidadosamente. Se enmascara la cantidad de nos inclinamos a creer que las máquinas no producen resultados sesgados. Se permite a las empresas evitar asumir la responsabilidad por sus prácticas discriminatorias diciendo, "se salió a la superficie por un algoritmo ". Además, nos está impidiendo que inventar formas nuevas y significativas para integrar la inteligencia y la máquina de la inteligencia humana para producir mejores sistemas.

A medida que las computadoras se vuelven más humanos, tenemos que trabajar aún más duro para resistir el binario de los ordenadores frente a los humanos. Tenemos que reconocer que los seres humanos y máquinas siempre han interactuado como un sistema simbiótico. Desde los albores de nuestra especie, hemos cambiado herramientas tanto como herramientas nos han cambiado. Hasta hace poco, las formas en que nuestros cerebros y nuestras herramientas cambiaron estaban limitados a la cantidad de entrada de datos, almacenamiento, y procesar tanto podía manejar. Pero ahora, hemos roto la ley de Moore y estamos sentados en más datos de lo que es capaz de procesar. Para realizar el siguiente salto para obtener el valor social completa de la información que hemos recopilado, tenemos que hacer un salto en la forma en que concebimos nuestra relación con las máquinas. Tenemos que vernos como una sola red, no como dos campos separados. Ya no podemos darnos el lujo de ver a nosotros mismos en una posición de confrontación con los ordenadores.

Para aprovechar la enorme cantidad de datos que hemos recogido de una manera que tenga sentido para los seres humanos, tenemos que abrazar la inteligencia humana y la máquina como un sistema holístico. A pesar de los llamativos titulares juego de suma cero, esta es la verdad detrás de cómo DeepMind dominado Go. Mientras que la prensa interpretó el éxito de DeepMind como dote independiente del juicio humano, que no era el caso en absoluto. Leer más… Co-diseño con máquinas: ir más allá de la máquina binaria / humana

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!

En la próxima entrada de ‘La persona en el (Grande) Datos‘ edición, Chris Birchall @birchallchris nos habla a través de una variedad de métodos – grande, pequeña y mezclado – que usó para estudiar la ciudadanía en el Reino Unido. El uso de algunas de las herramientas dominantes para el estudio de las grandes fuentes de datos en una parte del estudio, Chris se dio cuenta de que las herramientas utilizadas tenían un impacto significativo en lo que puede ser (y se está) descubrió y que esto es bastante diferente de los resultados alcanzados por más profunda, análisis de métodos mixtos. En este post, Chris hace preguntas importantes acerca de si las herramientas de investigación de datos grandes están creando algunas de las condiciones de la ciudadanía hoy y lo, exactamente, más profundo, análisis más matizado puede decirnos.

La gente habla de la política en línea de muchas maneras diferentes y para muchos propósitos diferentes. La forma en que los investigadores analizan y entienden estas conversaciones pueden influir en la forma en que representamos opinión política pública y la ciudadanía. En dos proyectos recientes he investigado la naturaleza de esta conversación y las fuerzas que influyen en ella, así como las redes, espacios y recursos que tienen enlaces que hablar con la acción política. Al hacerlo, Me encontré con un distanciamiento metodológico en el que cuidado, manual, enfoques que requieren mucho tiempo producen diferentes tipos de conclusiones a partir de los datos de grandes enfoques que son impulsados ​​generalizado en la industria comercial de análisis de redes sociales. Ambos enfoques se podría enmarcar como una ilustración de la conducta humana en el Internet, pero sus diferencias muestran que la forma en que abrazamos grandes volúmenes de datos o métodos digitales influye en la comprensión de los públicos digitales y ciudadanía que obtenemos de la conversión de datos en línea de masas.

Mi estudio de doctorado presentada recientemente investigó conversación política pública en línea en el Reino Unido. Basándose en el trabajo de eruditos anteriores que se han centrado en el ámbito de deliberación pública en línea (tales como Coleman y Götze, 2001; Coleman y Moss, 2012; Mutz, 2006; Wright y la calle, 2007; Graham, 2012), el estudio reconoció la importancia del intercambio interpersonal entre los participantes y la exposición a diversos puntos de vista opuestos y en la formación de las preferencias y la opinión informada. Mi motivación inicial fue a preguntar cómo podría influir en el diseño de interfaces, ya que las personas hablan de política en los espacios en línea, pero esto requiere un examen de la más humana, factores tecnológicamente menos determinadas que son también, y a menudo más significativamente, involucrados en la expresión política.

En el transcurso del estudio se hizo evidente que la metodología utilizada para investigar estos conceptos influye en la visión obtenida; algo que muchos investigadores han discutido en el contexto de los métodos digitales dentro de las ciencias sociales (Baym, 2013; Boyd y Crawford, 2012; Clough et al., 2015; Gitelman y Jackson, 2013; Kitchin y Lauriault, 2014; Kitchin, 2014; Manovich, 2011; Van Dijck, 2014). Tecnológicamente mediadas preguntas pueden ser respondidas a través de métodos centradas en la tecnología para dar respuestas tecnológicamente se centraron, mientras que las cuestiones que implican la naturaleza humana, la motivación y la interacción pueden ser respondidas por cualitativa, métodos centrados en humanos con el fin de dar respuestas centradas en humanos. Estos enfoques representan la brecha entre el gran escala, análisis cuantitativo de los métodos de grandes volúmenes de datos y enfoques cualitativos a pequeña escala. Con el fin de abordar esta cuestión, I empleado una metodología que fue diseñado para combinar estos enfoques a través de iteraciones dirigidas de análisis que era inicialmente gran escala y cuantitativa, pero cada vez más pequeña escala y cualitativa.Leer más… algorítmica de Inteligencia? La reconstrucción de la ciudadanía a través de los métodos digitales

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!

En este post para ‘La persona en el (Grande) Datos‘ edición de EM, Helen Thornham
@Thornhambot
habla de cómo su investigación sobre los datos y lo cotidiano ha hecho pensar críticamente acerca de las relaciones de poder que rodean “sistemas datalogical”, sobre todo en la forma en que los investigadores están implicados en los sistemas que pretendemos criticar.

Datos, grandes datos, datos abiertos y sistemas datalogical (Clough et al. 2015) ya están, como se ha señalado David Beer, 'Una presencia establecida en nuestra vida cotidiana culturales' (2015:2) y esto significa que las configuraciones materiales y consagrados de datos son ya normativo y cotidiana y novedoso e innovador. Gran parte de mi investigación durante la última 4 año, apoyado por una serie de ESRC [yo], EPSRC [ii] y subvenciones de la Academia Británica, se ha involucrado con configuraciones normativas y cotidianas de los datos - ya sea en términos de mediaciones rutinarias y mundanas, vivido experiencias subjetivas enmarcados por los sistemas datalogical y procesos de toma de decisiones de su oscura, la relación entre las promesas de los datos para el cambio de la infraestructura y la realización de este, o interrogatorios humanos de máquinas. Si bien el alcance y la amplitud de mi investigación sobre los datos y los sistemas de datalogical es amplio y diverso, lo que conecta a todos los de mi investigación es una preocupación constante con la cantidad de datos y sistemas de datalogical no son sólo Reconceptualising epistemología y ontología más ampliamente (véase también Burrows y salvaje 2014), pero la forma en que nos implican a medida que los investigadores y nos revelan que nuestros métodos a largo plazo de la investigación son igualmente y siempre ya están sujetos a, y enmarcado por, los mismos problemas que SIGNIFICADO, en la era digital, ser crítica de.

Hacer un refrito de un argumento familiar: Al concebir a la tecnología en relación con las redes sociales, grandes volúmenes de datos y flujo de datos, los métodos posteriores que enmarcan este epistemológicamente se definen por que la concepción inicial: analista de la red, herramientas de raspado y minería, Mapping - herramientas que tratan de hacer visibles las relaciones de poder de las infraestructuras digitales, pero que en realidad generan esas relaciones de poder en el acto de hacer visibles (Boyd y Crawford 2012). Para el proyecto CERS donde hemos investigado los riesgos y las oportunidades de los medios de comunicación social para el Ministerio de Defensa del Reino Unido (El Ministerio de Defensa), métodos analíticos web nos muestran con toda claridad mundana y aburrida, repetitivo gestión de medios de comunicación de contenido. Los titulares de noticias se retweeted efectiva y ampliamente con la discusión limitada que es capturable por las herramientas de raspado que utilizamos.Leer más… Sistemas Datalogical y nosotros

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!

Esta edición de EM está repleto de métodos para hacer las personas dedicadas a la investigación digital y está editado por EM co-fundador Heather Ford (@ Hfordsa)
recién nombrado Fellow en los métodos digitales de la Universidad de Leeds y por lo tanto muy emocionados de entender su papel como etnógrafo quien (también) hace métodos digitales.

Ahora presentamos la próxima edición de Espacio para la Etnografía titulado: "Los métodos para el descubrimiento de la persona en el (Grande) Datos'. El objetivo de la edición es documentar algunos de los métodos innovadores que se están utilizando para explorar las comunidades en línea, culturas y la política en formas que conectan a las personas a los datos creados sobre / por ellas. Por "método", nos referimos tanto a las cosas que los investigadores de (entrevistas, memo-ing, comprobación miembro, observación participante) así como el principios que sustentan lo que muchos de nosotros hacemos (servir a las comunidades, permitiendo a las personas dedicadas a la investigación, que promueve el cambio). En este post introductorio, Esbozo del debate actual en torno a los riesgos de los métodos de investigación centradas en datos y presento dos principios de los métodos de investigación centradas en las personas que son comunes a los métodos que vamos a exhibirá en las próximas semanas.

A medida que los investigadores involucrados en el estudio de la vida en un entorno bañados por los datos, somos todos (al menos en cierta medida) hacer y responder preguntas acerca de cómo empleamos métodos digitales en nuestra práctica de la investigación. La creciente dependencia de los métodos digitales de forma nativa es parte de lo que David Berry llama el "giro computacional" en las ciencias sociales, y lo que los investigadores de la industria reconocen que se mueve hacia Big Data y el surgimiento de datos Científicos.

‘Métodos digitales‘ Richard Rogers (2013)

Primero, una palabra sobre los métodos digitales. En su trabajo pionero sobre los métodos digitales, Richard Rogers argumentó para un movimiento hacia de forma nativa métodos digitales. Al hacerlo, Rogers distingue entre los métodos que han sido digitalizados (por ejemplo. encuestas en línea) vs. aquellos que son "nacidos digitales" (por ejemplo. sistemas de recomendación), argumentando que Internet no debe ser considerada como una objeto para el estudio de las comunidades en línea, sino como una fuente para el estudio de la vida moderna que ahora está bañado por los datos. "métodos digitales,"Escribe Rogers, "Se esfuerza por seguir los métodos cambiantes del medio" por el investigador convertirse en un altavoz "nativa" de vocabulario y prácticas en línea.

Los riesgos de ir digital nativa

Hay, sin embargo, riesgos asociados a convertirse en nativo. Como etnógrafos, reconocemos el importante papel crítico que jugamos de salvar diferentes comunidades y el mantenimiento de la reflexividad sobre nuestra práctica de investigación en todo momento y esto hace que los etnógrafos grandes socios en los estudios de datos. Convertirse en nativo en este contexto, en otras palabras, es una metáfora apropiada para los beneficios y riesgos de los métodos digitales debido a que el riesgo no es en el uso métodos digitales pero en centrarse demasiado en los rastros de datos.

Habiendo examinado algunos de los debates sobre la metodología centrada en los datos, He clasificado los riesgos en función de tres temas centrales: 1. exactitud e integridad, 2. acceso y control, 3. cuestiones éticas.Leer más… La persona en el (Grande) Datos

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!

IN: ¿Puedes contarnos un poco acerca de su libro?

NDS: Yo estaba en la primera cohorte de la Robert Wood Johnson Salud & Sociedad Académico programa postdoctoral. Yo era definitivamente un caso atípico como un antropólogo cultural, pero el terreno de juego que hice para ellos en ese momento era que los ángulos de investigación sobre la adicción deben incluir el trabajo más cualitativo, y también debe asistir a los efectos adictivos de interfaces y tecnologías de consumo, no sólo fármacos, como un asunto de salud pública.

Creo que cualquier buen investigador adicción sería reconocer que la adicción es en gran parte una cuestión del momento de recompensas o refuerzos, o la denominada frecuencia de eventos. Así que tiene sentido que si formas digitalmente mediadas por los juegos de azar como las máquinas tragamonedas son capaces de intensificar la frecuencia de eventos a un punto en el que estás jugando 1,200 Manos de una hora, entonces son más adictivo. La espera de su turno en un juego de póquer, por contraste, no es tan rápido - hay un montón de pausas y un montón de socialización en el medio las manos. Las máquinas tragamonedas son solitarios, continuo, y rápida. La incertidumbre se abrió y entonces es cerrada - tan rápido que crea una sensación de fusión con la máquina.

Si se acepta que el juego puede ser una adicción, a continuación, puede ampliar la conversación para incluir otras experiencias contemporáneas menos obviamente adictivas, si se trata de una subasta de eBay o Facebook foto clic o incluso sólo la comprobación de correo electrónico, y, ciertamente, los mensajes de texto. Es tan convincente para tomar la punta del dedo y simplemente seguir haciendo clic, clic para obtener esa respuesta.

IN: Eso es fascinante. O este juego de palabras en mi teléfono — se ha convertido en realidad, realmente adictivo para mí. Tengo curiosidad por si usted ha tenido interacciones también con la gente en el diseño de juegos? Hay un cierto punto de vista que parece realmente prevalece en este momento sobre el diseño del juego y el juego.

NDS: La gente en el mundo general de juego y el diseño de aplicaciones no se ven a sí mismos como en el negocio de producir adicción, sino que han llegado a mí. A menudo, ellos quieren oír acerca de cómo evitar la creación de la adicción.

Recientemente me han invitado a la Cumbre Habit, un evento en Silicon Valley, celebrada en Stanford, con un montón de gente local de tecnología que son todo lo que hay que averiguar cómo diseñar hábito, cómo mantener la atención. En mi presentación ante ellos, Hablé acerca de la creciente prevalencia de pequeños bucles lúdicas en el diseño, como formas de mantener la atención. Con Crush Candy y tantas aplicaciones de teléfono, si usted monta un metro por la mañana hay gente sentada allí andar por la nubes en estos pequeños dispositivos. Creo que la razón por la que son tan capaces de retener la atención y formar hábitos es que son moduladores afecta. Están ayudando a la gente para modular y manejar sus estados de ánimo. Es adictivo porque está justo ahí a su alcance, y eres capaz de llegar y empezar a hacer clic en esto para crear un estímulo respuesta loop.There son más y más momentos de andar por la nubes - para usar una frase de los jugadores de máquinas tragamonedas - momentos que están configurados muy parecido a una ranura máquina en términos de la continua, pequeño bucle rápido en el que algo se abre y luego se cierra… abrirlo y entonces es matar al monstruo; matar al monstruo de nuevo; matar al monstruo de nuevo.

Leer más… El algoritmo de la Adicción: Una entrevista con Natasha Dow Schüll

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!

Ahora que el calor inicial se ha desvanecido, es un buen momento para colocar el experimento de Facebook en perspectiva histórica. En las dos primeras citas anteriores, psicólogo social Alan C. Elms y filósofo-especialista en ética C.D. Herrera representan las dos caras de un debate sobre la ética y la eficacia de confiar en el engaño en la investigación experimental. Destaco estas dos citas porque demuestran momentos dentro de la psicología social, incluso si son una generación aparte, cuando las superficies de engaño como un tema de reconsideración. Elms, uno de los asistentes de investigación originales que participan en Investigación obediencia de Stanley Milgram, escribe como el engaño está siendo puesto en duda. Herrera, escrito con el beneficio de la retrospectiva, sugiere que los paradigmas que no sea conductista son el camino a seguir. El quid de este desacuerdo radica en la conceptualización del tema de investigación. Es el sujeto de la investigación un ser reflexivo con una inteligencia a la par con la inteligencia del investigador, o es el sujeto de la investigación de una materia prima a ser engañado y manipulado por la inteligencia superior del investigador?

Peligro, vacas por delante
BY-SA CC akenator

Unseen, pero se avecina en el fondo de este desacuerdo, es el Psicología Industrial / Relaciones Humanas enfoque, que se desarrolló en la década de 1920 y 1930 a través de la labor de los investigadores como Elton Mayo y sus consocios, y en experimentos tales como los que están en la planta de Hawthorne.

Este debate es la pena revisar a la luz de la experiencia de Facebook y sus consecuencias. Cualquier comprensión del experimento Facebook — y el tipo de experimentación permitido por Big Data más generalmente — debe incluir el tiempo, historia del conductismo y el engaño experimental entrelazados, ya que ha sido refractada a través de la disciplina en casa de Adam Kramer tanto de la psicología social y de alguna manera a través de su disciplina adoptada de “científico de datos” [¹].Leer más… El experimento de Facebook: Cow-Sociología, Redux

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!

Austin Toombs

Nota del Editor: Austin Toombs (@ Altoombs) trae una experiencia en ciencias de la computación y una sensibilidad crítica a su investigación etnográfica sobre las culturas fabricante. Se explora la formación de identidades fabricante en su investigación, centrándose en cómo los sitios específicos como hackerspaces, makerspaces, Fab Labs, y otros espacios de co-trabajo se cruzan con la política de la toma de, prácticas de género, urbana vs. geografías rurales, y desarrollos de hardware y de software creativo. Austin es estudiante de doctorado en Diseño de Interacción Persona-Ordenador en la Escuela de Informática y Computación de la Universidad de Indiana. Él es un miembro del Investigación Cultural En Tecnología (CRIT) Grupo, y es asesorado por Shaowen Bardzell y Jeffrey Bardzell. Él es también un miembro del ISTC-Social.

Mi investigación como estudiante de doctorado comenzó observando las culturas de participación programación aficionado rodea. Yo era-y sigue siendo-Estoy interesado en la zona difusa de color gris entre el trabajo y el juego, y como alguien que falla el rompecabezas, emoción, y el flujo de la programación, estas comunidades eran grandes puntos de partida para mí. Trabajar en esta investigación me llevó, casi inevitablemente, hacia mi trabajo etnográfico con mi hackerspace local y la comunidad más amplia fabricante. En este contexto, He visto cómo esta comunidad local abarca la ambigüedad de trabajo / juego, la forma en que puede funcionar principalmente como un medio social, y cómo funciona para cultivar activamente una actitud de toda la vida, juguetón, y ad hoc aprendizaje. En este post voy a explorar la etnografía papel que juegan en mi trabajo y cómo el enfoque etnográfico me ayudó a llegar a estos puntos de vista. También discuto algunas de las complicaciones y los problemas que se han topado, porque de este enfoque, y cómo estoy trabajando para resolverlos. Para obtener más información, no dude en ponerse en contacto conmigo!

el papel de la etnografía en mi trabajo

Mi primer encuentro con el concepto de un hackerspace vino de mi investigación inicial sobre los programadores aficionados. Recuerdo casi bailando con emoción cuando me di cuenta de que la ciudad vivía en pasó a tener un hackerspace, porque yo sabía de inmediato que iba a unirse a ellos en una cierta capacidad, si no para la investigación, entonces para mi propio disfrute personal. Las primeras visitas al espacio eran exploratoria; Quería ver lo que estaba pasando, cómo los miembros y asistentes habituales interactuaban entre sí, y si esto parecía una buena opción para mi investigación.

Mi objetivo inicial era utilizar el sitio como una fuente potencialmente inagotable de estudios de caso para explorar mis preguntas sobre el trabajo y el juego. Agradecidamente, Me di cuenta bastante pronto de que este estudio de casos primer enfoque no funcionaría para mí. En lugar, Me sentí atraído a la narrativa general de la hackerspace y de sus miembros. ¿Cómo surgió esta forma la comunidad cafetera en particular? ¿Qué hicieron los miembros de sus trabajos del día? ¿Cómo se hicieron 'fabricantes'? ¿Qué piensan sobre sí mismos, y cómo ha de convertirse en un miembro de esta comunidad de influencia que?

Leer más… El caer en: cómo la etnografía que me pasó y lo que he aprendido de él

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!

Nick Seaver

Nota del Editor: Nick Seaver (@ Npseaver) arranca la edición especial de marzo-abril de Asuntos Etnografía, que contará con un número de investigadores al Intel de Ciencia y Tecnología Centro de Computación Social en la vanguardia de la exploración de la culturas de los hackers, fabricantes, y los ingenieros.

Mensaje de Nick aboga por la importancia de la “estudiar hasta“: haciendo etnografías no sólo grupos de desempoderadas, sino de grupos que ejercen el poder en la sociedad, tal vez incluso más que los propios etnógrafos.

La propia investigación de Nick explora cómo la gente se imagina y negociar la relación entre el ámbito cultural y técnico, en particular en la organización, reproducción, y la difusión de materiales sonoros. Su proyecto actual se centra en el desarrollo de sistemas de recomendación de música algorítmica. Nick es un estudiante de doctorado en antropología sociocultural en la UC Irvine. Bntes de llegar a la UCI, Nick investigó la historia del pianista en el MIT.

Cuando la gente en la industria de la tecnología oyen "la etnografía,"Tienden a pensar que" la investigación del usuario. "Ya sea que estemos hablando de ancho, exploraciones multinacionales o entrevistas objetivos restringidos, etnografía ha demostrado ser una fantástica manera de llevar las voces externas para la elaboración de la tecnología. Como una creciente colección de escritos sobre Etnografía Matters atestigua, etnografía puede ayudarnos a comprender mejor cómo la tecnología se adapta a la vida cotidiana de las personas, cómo "usuarios" se convierten tecnologías a extremos inesperados, y cómo todo el mundo, tecnologías quedan recogidos o rechazadas en una amplia gama de contextos culturales. Etnografía toma "usuarios" y muestra cómo son personas - Creativa, cultural, y contextual, rara vez se encaja en las pequeñas cajas que el término "usuario" les proporciona.

Pero la etnografía no tiene que limitarse a "usuarios".

Ingenieros en contexto. cc by-nc-nd 2.0 | http://www.flickr.com / somewhatfrank

Mi investigación etnográfica se centra en los desarrolladores de tecnologías - en concreto, personas que diseñan y construyen los sistemas de recomendación de música. Estos sistemas, como Pandora, Spotify, Songza, o Beats Music, sugerir material de escuchar a los usuarios, sobre la base de una combinación de fuentes de datos, algoritmos, y la preservación humana. Las personas que las integran son el público típico de los estudios de usuarios etnográficos: que están produciendo tecnología que funciona en un dominio de forma explícita culturales, tratando de modelar y perfilar una amplia gama de usuarios. Pero para los ingenieros, gerentes de producto, y los investigadores que trabajan con, etnografía tiene un asiento trasero a otras formas de conocer gente: minería de datos, aprendizaje automático, y la experiencia personal como oyente de música son fuentes mucho más comunes de información.

Los etnógrafos con un interés en los grandes datos han trabajado duro para definir lo que hacen en relación con estos otros métodos. Etnografía, argumentan, proporciona grueso, específico, comprensión contextualizada, que puede complemento y, a veces corregir los resultados de la más cuantitativa, métodos formalizados que dominan en las empresas de tecnología. Sin embargo, nuestra comprensión de lo que los investigadores de datos grandes en realidad tienden a carecer de la especificidad y el grosor que traemos a nuestras descripciones de los usuarios.

Del mismo modo que la etnografía es una herramienta excelente para mostrar cómo "usuarios" son más complicadas que uno podría haber pensado, también es útil para la comprensión de los procesos por los que las tecnologías se construyen. Girando un ojo etnográfico para los diseñadores de la tecnología - en sus vidas sociales y culturales, e incluso dentro de su comprensión de los usuarios - que podemos obtener una imagen más matizada de lo que pasa bajo las etiquetas de "Big Data" o para los de afuera interesada en las consecuencias culturales de las tecnologías, como los sistemas de recomendación "algoritmos"., esta perspectiva es crucial para la toma de las críticas informadas. Para propios desarrolladores, ser objeto de una investigación etnográfica ofrece una oportunidad única para la reflexión y la autoevaluación.

Los oyentes y los Sabios de Starbucks

Entre las empresas de tecnología de la música, es muy común que se piense acerca de los usuarios en términos de cómo consumen ávidamente la música. He aquí una tipología populares, como está impreso en el libro de David Jennings Neto, Blogs, y Rock 'n' Roll:

Leer más… Estudiar Up: La Etnografía de Tecnólogos

Traducción

English中文(简体)FrançaisEspañol
 Editar Traducción

por

Usted puede ayudar a mejorar la traducción automática de comprobación off “Editar Traducción” después de seleccionar un idioma. Gracias!