Intelligenza collettiva : Knowledge Market

Da Wiki Corso Web.

Indice

STATO=Libero

Lead [Alessio Polidoro]

Con il termine Knowledge Markets (KM) ci si riferisce ad un meccanismo di scambio della conoscenza caratterizzato da una partecipazione collaborativa tra gli utenti e basato sul concetto di reward. Un modello piuttosto comune su Internet dei KM sono i siti di Questions And Answering (Q&A) in cui gli utenti possono porre le proprie domande e ricevere risposte dagli altri utenti della comunità. Nel seguito della nostra trattazione verranno analizzati gli aspetti sociali e tecnici alla base dei KM, oltre che ad una breve valutazione della bontà di un KM.

Introduzione [Alessio Polidoro]

Un Knowledge Market può essere visto come un meccanismo di scambio della conoscenza distribuito, grazie al quale utenti geograficamente distanti possono interagire scambiandosi informazioni. Principalmente una piattaforma di KM aiuta le persone ad identificare e soddisfare il proprio bisogno di conoscenza, permettendo la localizzazione delle risorse esistenti analogamente a quanto fanno i motori di ricerca, ma fornendo risultati migliori.


In letteratura sono trattate principalmente due famiglie di KM, una corrispondente agli internal KM, l’altra corrispondente agli online (o Internet based) KM.
Gli internal KM vengono prevalentemente utilizzati in ambito aziendale con il supporto di un apposito sistema informativo, atto a scambiare e memorizzare informazioni utili per il processo aziendale. Come gli online KM, anche questo tipo di KM usa caratteristiche analoghe per aumentare la partecipazione degli utenti e valutare la bontà delle informazioni scambiate, ma hanno un processo di interazione leggermente diverso e sono più orientati all’uso interno aziendale della conoscenza piuttosto che alla sua pubblica diffusione.
Gli online KM sono tuttora molto diffusi e prevalentemente conformati come community pubbliche dove lo scambio di informazione avviene tramite un sito web.


Tali piattaforme si differenziano dai motori di ricerca per il fatto che consentono di incentivare e stimolare la creazione di nuovi contenuti, solitamente posti sotto forma di domanda e risposta; per tali ragioni si parla anche di piattaforme di Question and Answering (Q&A). Tali contenuti rappresentano una delle più grandi fonti di informazione da cui i motori di ricerca possono attingere, traendo vantaggio dal fatto che gran parte delle query formulate nei motori di ricerca, seguono lo stesso stile delle domande poste nelle piattaforme di Q&A.
Tuttavia vi sono altre caratteristiche che contraddistinguono i KM dai semplici motori di ricerca, come la possibilità di valutare i contenuti pubblicati (rating), di fornire un compenso (reward) per le risposte soddisfacenti rese o per l’informazione prodotta e fruita da altri utenti ed altri strumenti che permettono la partecipazione diretta dell’utente nella valutazione/creazione di informazione.


Le piattaforme di KM più conosciute sono: 3form, Naver, Yahoo! Answers (YA), Mail.ru e Google Answer2 (GA). Esse implementano e organizzano l’attività di problem solving in modo collaborativo attraverso un gran numero di partecipanti, fornendo strumenti e incentivando la loro partecipazione al processo di risoluzione ai problemi.
Dunque è possibile definire metaforicamente le piattaforme di KM come dei mercati in cui la merce di scambio è rappresentata dalla conoscenza degli utenti partecipanti, che da personale e tacita diventa pubblica ed esplicita, completando così il processo di scambio della conoscenza tra gli individui.

Storia [Alessio Polidoro]

Il progetto di ‘Free Knowledge Exchange’ venne lanciato nell’estate del 1998 in Russia, mentre la sua versione internazionale venne resa disponibile nel febbraio del 1999 attraverso 3form.com. Il progetto permetteva a ogni partecipante la presentazione e la condivisione dei propri problemi, portandoli all’attenzione collettiva (della comunità 3form), ottenendo così possibili suggerimenti e soluzioni. Il contributo di ogni utente nella risoluzione di un problema veniva tracciato attraverso un sistema di assegnamento crediti, il quale premiava non solo la collaborazione del partecipante, ma anche la qualità dell’intervento. Il sistema implementava una distribuzione proporzionale di share riguardante l’attenzione collettiva verso i problemi di ciascun partecipante, assegnando evidenza maggiore alle domande non ancora risolte, in modo da renderle visibili alla comunità. Un secondo importante free Knowledge Market, chiamato Naver Knowledge iN, venne implementato nel 2002 in Corea da NHN Corp. Il sito era principalmente basato sullo stesso funzionamento di 3form. Il servizio rese Naver la destinazione internet più raggiunta, battendo in Corea sia Google che Yahoo!. Naver giocò un ruolo molto importante nella diffusione dei KM. Esso però non fu il primo servizio, in quanto già nell’ottobre del 2000 DBDiC fornì un servizio analogo, il quale differiva da 3form principalmente per due aspetti chiave:


  1. l’identità dell’autore di una possibile soluzione e la sua affidabilità, in termini di valutazione delle proprie risposte nel tempo, permetteva all’utente di intraprendere una decisione consapevole attraverso precise informazioni a sua disposizione ma anche dare adito a pregiudizi riguardo particolari utenti;
  2. le risposte che si trovavano in cima alla lista venivano lette e valutate con più probabilità.


Nel 2003 Google rese disponibile la prima beta di GA, ma il servizio venne sospeso nel dicembre 2006, mentre nel dicembre del 2005 Yahoo! lanciò YA, il quale ad oggi è considerato il free KM con la più vasta comunità di utenti. Esistono inoltre: Mail.ru, il quale rappresenta il più importante Knowledge Market russo, ispirato da Yahoo! Answer. Prima della creazione di 3form erano disponibili due principali vie per il problem solving attraverso internet. Il primo era rappresentato da forum come Usenet e IRC, nei quali gli utenti formulavano le proprie domande tecniche e ricevevano aiuti da parte di volontari. Il secondo invece riguardava i servizi di consulenza a pagamento, attraverso i quali era possibile ottenere una risposta precisa e di qualità da personale esperto retribuito. Ad oggi esiste una pletora di servizi analoghi che tuttavia condividono per larga parte le scelte implementative.


Inquadramento Sociale [Mazzotta Simone]


Il web è uno dei canali maggiori che le persone usano per ottenere le più elementari informazioni tramite apposite ricerche. Spesso ricerchiamo ciò che ci interessa utilizzando i motori di ricerca, ma la limitazione principale di tale approccio deriva dal fatto che è necessario conoscere le keyword riguardanti i termini di ricerca per poter ottenere buoni risultati.

Inoltre i risultati di ricerca possono contenere un grande ammontare di informazioni non filtrate e a volte si ottengono risultati non inerenti al contesto cercato. Ad esempio è possibile cercare il termine ‘jaguar’ e ottenere risultati sia dell’animale, sia dell’automobile. Nel peggiore dei casi invece potremmo non trovare le informazioni riguardo il tema ricercato.

Per colmare queste lacune troviamo una moltitudine di sistemi che consentono agli utenti di porsi domande l'uno con l'altro, dai più tradizionali forum alle più recenti piattaforme di KM.
Nella tabella sottostante vengono rappresentate alcune delle differenze presenti fra questi sistemi:

confrontoQ%252526A-forum.png

Il punto di forza di queste piattaforme è la massiccia presenza di persone che dedicano il loro tempo per rispondere alle domande poste dagli altri utenti. L’iscrizione a queste vaste community aumenta la possibilità di reperire risposte esaurienti e soprattutto attinenti alla domanda inserita. Uno dei motivi che ritroviamo alla base di tanta partecipazione può derivare dallo stesso meccanismo che troviamo nella società odierna. Il confronto con gli altri e la cooperazione permettono il raggiungimento di uno status nella comunità virtuale, come avviene nella società reale. Quindi un utente vede molto spesso nella community in cui partecipa la possibilità di un riscatto personale e il raggiungimento delle proprie ambizioni, per questo agisce rendendosi parte attiva fornendo il proprio contributo, non sempre riconosciuto. A conferma di quanto appena detto ritroviamo in letteratura molte interviste svolte su diverse piattaforme KM, come ad esempio quella effettuata tra gli utenti di Naver per cercare di capire le ragioni sociali che spingono gli utenti a partecipare attivamente ai KM. Intervista Naver

La maggioranza degli intervistati ha fornito tra le motivazioni il desiderio di aiutare gli altri, la voglia di imparare e di recensire il materiale scritto da altri utenti, ossia correggere eventuali imprecisioni nelle risposte, oppure la partecipazione come puro hobby. Una buona quantità di utenti ha motivato la partecipazione a tali community per motivi di business, ovvero per recensire prodotti e ampliare il proprio mercato. Ovviamente tutte queste ragioni non sono mutualmente esclusive e si evince che non sempre un reward monetario è alla base di una grande partecipazione, ma soprattutto non è indice della qualità delle risposte date.

Uno dei fattori chiave per accrescere la partecipazione e quindi i contributi degli utenti appartenenti ad una community può essere trovato nelle scelte di design della piattaforma stessa, infatti rendendo più facile e accessibile l’interazione con la piattaforma, si diminuisce lo sforzo che l'utente deve compiere per inserire il proprio contributo.

Un altro incentivo alla partecipazione è quello di produrre benefici per gli utenti che contribuiscono in maniera attiva all’uso della piattaforma. Ad esempio è possibile sbloccare delle funzionalità del sistema non accessibili fino al raggiungimento di un determinato punteggio o livello.

Modello [Alessio Polidoro]

Nonostante le differenze che possono esistere tra i diversi design di piattaforme di Q&A, cerchiamo di fornirne un modello abbastanza generale.

Un modello generale di un Q&A può essere descritto in questo modo:

Caratteristiche [Mazzotta Simone]


Dato il continuo crescere degli utenti di piattaforme di KM e data la competizione tra le diverse tecnologie per raccogliere sempre più iscritti alla propria piattaforma, sono sorti differenti design di KM. Alcuni siti permettono a qualunque iscritto della community di rispondere alle domande, mentre altri ingaggiano appositamente esperti nelle diverse aree di compentenza; alcune piattaforme addebitano un costo a chi fa domande e pagano di conseguenza chi risponde ad esse, mentre altri usano classifiche o punti per incoraggiare le risposte. Scelte di progettazione come quelle citate, hanno un grosso impatto sul tipo e volume delle domande fatte come anche sulla qualità e reattività delle risposte.

Il primo elemento fondamentale è rappresentato dagli utenti. Senza di essi non è possibile uno scambio di conoscenza. Da questo consegue che una buona piattaforma di KM cerca in tutti i modi possibili di fidelizzare l’utenza e motivare l’uso della piattaforma stessa.

Il secondo elemento caratterizzante un KM è il reward o incentivo. Quest’ultimo viene utilizzato da una parte, come detto in precedenza, per incentivare l’utenza ad utilizzare la piattaforma e quindi a produrre conoscenza, dall’altra per migliorare la qualità della conoscenza prodotta. Da qui deriva che un'importante parte del design dei KM è la scelta degli incentivi per coloro che contribuiscono alla produzione di contenuti.

Gli incentivi possono essere catalogati fondamentalmente in due famiglie: quelli monetari e quelli non monetari. I primi vengono realizzati come un vero e proprio scambio monetario e caratterizzano i cosiddetti fee-based KM di cui Google Answer ne è un esempio. I secondi vengono realizzati attraverso strumenti quali assegnamento di punti, stelline, feedback, ecc... e caratterizzano i cosiddetti free KM.

Questi punti, nelle piattaforme di Q&A, vengono calcolati in base ai feedback positivi o negativi ricevuti da colui che ha posto la domanda e dagli altri utenti che partecipano alla comunità. Dunque, una risposta ad una domanda può essere scelta come la best answer da chi ha posto la domanda e allo stesso tempo può ricevere segnalazioni di apprezzamento dagli altri utenti. Questo sistema dovrebbe scoraggiare gli utenti dal fornire risposte inutili o di terze parti senza alcun valore e non verificate.

Altro elemento di cui tener conto in un KM è il concetto di reputazione. I meccanismi di controllo della reputazione sono diversi a seconda che il sistema sia fee-based o free. In particolare in un sistema fee-based si tende a pesare il rating dei contenuti prodotti da un determinato utente, marcandolo dunque come affidabile o poco affidabile. Le metriche usate variano da sistema a sistema, ma in generale in un Q&A system sono: il numero delle risposte date alle domande, il rating medio (su una scala) raggiunto in tutte le risposte fornite e il numero di segnalazioni negative ricevute per le risposte date. Queste metriche concorrono a completare il profilo di un utente e garantiscono la trasparenza del sistema stesso.

Ad esempio Google Answer adotta un sistema trasparente di reputazione per gli utenti che concorrono a rispondere alle domande, rendendo visibili a tutti informazioni come: la media dei rating delle risposte date da ciascun ricercatore (da una a cinque stelle) valutate da chi ha posto la domanda; il numero totale di risposte postate; il numero di segnalazioni negative; tutte le risposte date dall'utente con i rispettivi rating.



Caso Yahoo Answer [Mazzotta Simone]

Nel dicembre del 2005 Yahoo lanciò un nuovo servizio, Yahoo!Answers. Con il passare del tempo il servizio acquisì un notevole successo ma divenne anche sempre più preda dei così detti troll e spammer, in quanto la tempestività con cui venivano esposti i nuovi contenuti e la grandissima quantità degli stessi avevano creato un ambiente irresistibile.

Con il termine troll, nel gergo di Internet e in particolare delle comunità virtuali, si indica una persona che interagisce con gli altri utenti tramite messaggi provocatori, irritanti, fuori tema o semplicemente senza senso, con l'obiettivo di disturbare la comunicazione e fomentare gli animi. Il team di Yahoo Answers doveva quindi lottare contro contenuti dannosi o offensivi sempre più numerosi, i quali inondavano il servizio. Tutti questi contenuti portavano sicuramente ad un degrado della comunità, con il conseguente abbandono del servizio da parte degli utenti. Dovevano essere eliminati tempestivamente.

La soluzione a questo problema principalmente è stata quella di adottare dei sistemi efficaci, i quali permettevano di identificare “cattivi” attori. Dapprima, il team di Yahoo Answers, sviluppò, attraverso un approccio di machine learning, un classificatore denominato Junk Detector,il quale era in grado di rilevare automaticamente lo spam ma non era in grado di distinguere i contenuti insidiosi dei troll.
Questo classificatore era però molto costoso da mantenere ed inoltre non era molto efficace, o meglio non in tutti i casi.

Era necessario quindi ricorrere ad un diverso approccio, soprattutto perché i contenti esposti dagli utenti, in Yahoo Answer, non subivano nessun tipo di controllo prima della pubblicazione. Venne così sviluppato il sistema di reputazione, il quale permetteva la distinzione tra individui affidabili e non, classificandoli anche attraverso livelli di partecipazione, scalabili mediante punti assegnati dal sistema di punteggio in merito all’attività personale all’interno della comunità.
Questo sistema era finalmente adatto per la moderazione della comunità. Sulla base di questo aspetto, Yahoo Answer rese anche disponibile agli utenti la possibilità di segnalare una particolare domanda o risposta attraverso un apposita opzione, lasciando quindi la gestione dei contenuti alla comunità.

Questo sistema, presente all’interno del servizio, presenta però particolari problemi, in quanto alcuni utenti potrebbero segnalare determinati contenuti non realmente identificabili come spam o abusi.
Proprio per questo motivo la decisione di nascondere un particolare contenuto viene effettuata sulla base di un livello di soglia relativo a queste segnalazioni, fornito dalla comunità di utenti. Una volta raggiunto viene inviata una email al produttore del contenuto, contenente una possibilità d’appello, la quale permette di contattare un addetto all'assistenza clienti che ha il compito di stabilire una valutazione del contenuto, e quindi la cancellazione definitiva o la re immissione.
Questo approccio è stato introdotto in quanto i troll all’atto della registrazione non forniscono un indirizzo mail valido, e quindi non sono in grado di ricevere queste comunicazioni.


Per maggiorni informazioni:
wikipedia.it/Troll_Internet Articolo che spiega l'azione dei Troll in Internet;
Case Study: Yahoo! Answers Articolo che spiega come Yahoo Anwer combatte i troll e gli spammer, fonte del contributo.
Credo che però, anche utilizzando il sistema di reputazione, lasciare alla comunità la segnalazione degli abusi è un punto critico ed a pare mio non vincente, per la scarsa propensione degli utenti ad effettuare segnalazioni o comunque nell'effettuarle in tempi istantanei, quindi i contenuti di spam e troll rimangono sulla piattaforma per un tempo sufficiente ad aumentare il degrado della stessa.

Karma [Mazzotta Simone]


Il tutto è legato al concetto di Karma.
È principalmente diviso in Karma delle segnalazioni, relativo agli utenti che compiono segnalazioni e Karma dei contenuti, relativo agli utenti che producono contenuti.

Nel primo caso è rappresentato da un variabile costantemente aggiornata e normalizzata nell’intervallo 0.0 e 1.0, dove il valore 0 è assegnato ad un utente che non ha mai compiuto segnalazioni, mentre il valore 1 è assegnato ad un utente che effettua segnalazioni accurate e veritiere.

Il sistema permette quindi di assegnare una reputazione ad ogni utente sulla base delle sue segnalazioni. Se un utente ha segnalato contenuti realmente offensivi o abusivi avrà un karma delle segnalazioni alto, e le sue segnalazioni avranno un peso superiore rispetto a quelle di un utente “malevolo” oppure di un utente che effettua per la prima volta una segnalazione.

Nel secondo caso il karma dei contenuti corrisponde ad un livello di reputazione dell’utente ottenuto in base alla qualità e quantità dei contributi prodotti.

Per quanto riguarda le domande, il karma dei contenuti aumenterà se la stessa verrà inserita nell’osservatorio privato di altri utenti, se verrà condivisa da un utente verso altri della comunità oppure se riceverà una stella di apprezzamento. Diminuirà invece nel caso si riceveranno segnalazioni.

Per quanto riguarda una risposta fornita, il karma dei contenuti aumenterà se l’autore della domanda la sceglierà come miglior risposta, se la comunità (in caso di domanda incerta e quindi in caso di voto assegnato dalla comunità) la voterà come miglior risposta oppure se si riceveranno apprezzamenti dagli utenti della comunità(pollice su). Diminuirà invece se si riceveranno segnalazioni oppure se si riceveranno molte valutazioni negative(Pollice giù).



Widget [Alessio Polidoro]

Widget che permette di visualizzare le domande aperte recentemente su Yahoo Answers:

Presentazione di gruppo [Alessio Polidoro]

Approfondimenti [Alessio Polidoro]

http://www.marconimagicbox.net/magic/it/tech-lifestyle/visioni-e-ricerca/139-knowledge-market.html

back





Whos here now:   Members 0   Guests 0   Bots & Crawlers 1
 
Strumenti personali
Namespace
Varianti
Azioni
Forum Menu
Wikibook
Autori
Istruzioni
Widget e Social Media
Strumenti
Modifiche