Nawigacja społecznościowa
Nawigacja społecznościowa to forma informatyki społecznościowej wprowadzona przez Paula Dourisha i Matthew Chalmersa w 1994 roku, którzy zdefiniowali ją jako sytuację, w której „przemieszczanie się z jednego elementu do drugiego jest prowokowane jako artefakt działania innego lub grupy innych”. Według późniejszych badań przeprowadzonych w 2002 r. „nawigacja społecznościowa wykorzystuje wiedzę i doświadczenie rówieśników korzystających z zasobów informacyjnych” do prowadzenia użytkowników w przestrzeni informacyjnej oraz że coraz trudniej jest nawigować i skutecznie przeszukiwać wszystkie informacje cyfrowe dostępne z WWW i inne źródła. Badanie ścieżek nawigacyjnych innych osób i zrozumienie ich zachowań może pomóc ulepszyć własną strategię wyszukiwania, prowadząc ich do podejmowania bardziej świadomych decyzji w oparciu o działania innych osób.
Przed rozwojem Web 2.0 i sieci społecznościowej sieć World Wide Web była odosobnioną przestrzenią, w której użytkownicy nie byli świadomi, gdzie ktoś inny przegląda lub nawiguje. Zakres badań nawigacji społecznej rośnie, zwłaszcza wraz z poprawą wizualizacji informacji. Wyświetlanie informacji społecznościowych w przestrzeniach wirtualnych pozwala modelom zachowań użytkowników sprawić, że systemy cyfrowe będą bardziej społeczne i mniej samotne.
Wspieranie teorii i technik
Koncepcja nawigacji społecznej jest wspierana przez kilka teorii. Teoria zbierania informacji bada zachowanie ludzi podczas poszukiwania, gromadzenia, udostępniania i konsumowania informacji. Stosuje teorię optymalnego żerowania do zachowania ludzi podczas nawigowania do informacji i wyjaśnia, w jaki sposób ludzie czerpią korzyści z innych ludzi w oparciu o bogate w historię obiekty cyfrowe, co wyjaśnia ideę używanych przedmiotów lub ścieżek. Na przykład używana książka, która ma notatki, podkreślenia i podkreślenia, różni się od nowej książki. Bogate w historię obiekty cyfrowe pomagają ludziom szybciej i skuteczniej znaleźć cel.
Zbieranie informacji jest alternatywą dla poszukiwania pożywienia i optymalizacji kolonii mrówek , które stwierdzają, że łowcy informacji podążają ścieżkami innych, aby optymalnie dotrzeć do celu. Optymalna informacja musi maksymalizować wartość informacji uzyskiwanej w przeliczeniu na koszt jednostkowy (taki jak czas lub wysiłek). Teoria ta wspiera wspólne działania i jest przewodnikiem dla projektantów, jak budować dobre interfejsy, w których użytkownicy mogą korzystać z badań innych.
Słabości tej teorii polegają na tym, że ludzie mylą informacje; nie można ich przekierować, dopóki tego nie rozgryzą, a optymalizacja nie zawsze dotyczy ludzkich zachowań
Model łatki informacyjnej bada czas spędzony na nawigacji w filtrowanych informacjach i informacjach zgrupowanych i pracuje nad jak najszybszą optymalizacją ogólnych informacji; model zapachu informacyjnego określa wartość informacji, biorąc najbardziej przydatne wskazówki, które zostały użyte przez innych użytkowników; a model diety informacyjnej (wybór zdobyczy) wyjaśnia, w jaki sposób ludzie wybierają docelowe informacje na podstawie wyborów innych, co prowadzi do uzyskania optymalnie satysfakcjonujących informacji.
Projekt strony internetowej jest również ważny w sposobie interakcji użytkownika z Internetem w sposób społeczny. Istnieje korelacja między dostępnością a popularnością : im bardziej funkcjonalna jest strona internetowa, tym większy będzie ruch. Częściej odwiedzana usługa internetowa będzie oczywiście bardziej społecznościowa. Na dostępność wpływa wiele czynników, takich jak lokalizacja strony, właściwości, liczba hiperłączy i tryby dostępu. Jak każda osoba ma inne podejście do surfowania po sieci, nawigacji w internecie definiuje się jako „[t] tworzenie i interpretację wewnętrznego (umysłowego) modelu, a jego czynnościami składowymi są przeglądanie, modelowanie, interpretacja i formułowanie strategii przeglądania”. Istnieje teoria, że jeśli użytkownik skalibruje swoją strategię przeglądania, aby odzwierciedlała jego zainteresowania, łatwiej będzie znaleźć strony odpowiadające jego zainteresowaniom. Niedoinformowana nawigacja za pomocą hiperłączy może być myląca i skutkować uzyskaniem dostępu do większej liczby niechcianych witryn. Zakładki to metoda powrotu do witryn, które odpowiadają zainteresowaniom użytkownika, ponieważ tworzy hiperłącze, które jest zapisywane do przyszłego przeglądania. Kiedy populacja dodaje tę samą stronę do zakładek i często ją odwiedza, tworzy to poczucie wspólnoty. Ostatnio aktualizacje na żywo innych obecnych użytkowników dodają nowy wymiar społecznościowemu aspektowi przeglądania sieci.
Filtrowanie oparte na współpracy to kolejna technika, która jest powszechna i wykorzystywana w nawigacji społecznościowej. Sugeruje to, że gdyby użytkownikom prezentowano wyniki wyszukiwania oparte na ruchu przez inne osoby o podobnych zainteresowaniach społecznych, zapewniłoby to bardziej satysfakcjonujące i wydajne doświadczenie. Na przykład Amazon.com ma funkcję „Klienci, którzy kupili ten przedmiot, kupili również”, która przedstawia kupującym inne produkty kupione przez podobnych użytkowników, co usprawnia przepływ przeglądania sieci i ułatwia dostęp do bardziej odpowiednich stron.
Nawigację społecznościową można również omawiać w różnych typach wirtualnych światów. Munro podziela kilka oryginalnych koncepcji dotyczących nawigacji społecznościowej. Zamiast indywidualnej interakcji można ją przedstawić jako „sposób poruszania się po przestrzeni informacyjnej i wykorzystywania działań i orientacji innych w tej przestrzeni jako sposób zarządzania własnymi działaniami przestrzennymi”. Munro zwraca uwagę, że nawigację przestrzenną, która w dużej mierze zależy od samej struktury, jak krajobraz czy mapa, można przeciwstawić nawigacji społecznej. Użytkownik może nie tylko z danymi i obiektami w określonej przestrzeni, ale także z innymi osobami i ich interakcjami.
Ślady działań użytkowników
Gdy użytkownicy poruszają się po społecznościach internetowych, pozostawiają ślady swoich działań, zarówno zamierzonych, jak i niezamierzonych. Zamierzone ślady obejmują posty, odpowiedzi na posty innych użytkowników, liczbę znajomych, przesłane media i inne działania, podczas których użytkownicy celowo udostępniają informacje. Niezamierzone ślady obejmują historię przeglądania , czas spędzony na poszczególnych stronach, współczynniki odrzuceń i inne działania, w przypadku których działania użytkowników są automatycznie rejestrowane przez serwery sieciowe w dziennikach serwerów .
Björneborn kategoryzuje użytkowników społeczności internetowej jako „porzucających ślady” (tj. użytkowników, którzy pozostawiają elementy, z którymi można zareagować) i „wyszukiwaczy śladów” (tj. użytkowników, którzy śledzą ślady pozostawione przez osoby porzucające ślad). Te działania partycypacyjne mogą kierować zachowaniem innych użytkowników poszukujących informacji i wpływać na funkcje wyszukiwania społecznościowego i nawigacji społecznościowej. Łączenie działań związanych z pozostawianiem śladów w przeglądaniu społecznościowym z koncepcją wyszukiwania społecznościowego polega na rejestrowaniu i ponownym wykorzystywaniu ukierunkowanych działań wyszukiwania podobnie myślących osób poszukujących w celu uzyskania wyników wyszukiwania, które są lepiej dostosowane do potrzeb określonej społeczności internetowej, jak wykazali Freyne i in . .
Witryny takie jak Amazon.com analizują ślady użytkownika, takie jak historia zakupów lub recenzje produktów, w celu wygenerowania rekomendacji dla innych użytkowników (np. „Klienci, którzy kupili ten przedmiot, kupili również…”). Platformy internetowe do wspólnego tworzenia oprogramowania, takie jak GitHub, polegają na śladach aktywności, takich jak liczba repozytoriów , historia aktywności w projektach, zobowiązania i profile osobiste, aby określić reputację użytkowników w społeczności.
Ślady aktywności użytkowników mogą być wykorzystywane do modelowania wzorców i trendów zachowań użytkowników w celu określenia kondycji społeczności internetowych (czy społeczność będzie się rozwijać, czy też zmniejszać). Takie modele można również wykorzystać do przewidywania propagacji i przyszłej popularności treści lub przewidywania wyników przed głosowaniem. Wzorce aktywności i ruchu można wykorzystać do oceny wydajności istniejących systemów oraz poprawy użyteczności , architektury i infrastruktury witryny.
Istnieją przede wszystkim dwie strategie eksploracji i odkrywania przestrzeni informacyjnej: pierwsza to regularne wyszukiwanie, w którym użytkownicy są świadomi tego, czego szukają. W tym kontekście użytkownicy mają na myśli informacje docelowe. Zwykle muszą najpierw sformułować zapytanie przed wprowadzeniem go do wyszukiwarki; inną strategią wyszukiwania jest nawigacja, w której użytkownicy nie myślą o docelowych informacjach, ale raczej eksplorują fragmenty informacji, podążając za określonymi hiperłączami.
Uważa się, że nawigacja ma przewagę nad wyszukiwaniem, ponieważ rozpoznanie, czego szukają użytkownicy, jest łatwiejsze niż formułowanie i opisywanie potrzebnych ludziom informacji, co odnosi się do „problemu słownictwa”. Tagowanie społecznościowe służy jako nowy społeczny sposób organizowania zestawu zasobów i podchodzi do „problemu słownictwa” z nowego społecznego punktu widzenia. Systemy tagowania społecznościowego pozwalają ludziom opisywać zestaw zasobów zgodnie z własnymi potrzebami dowolnie wybranymi słowami-tagami i dzielić się nimi z innymi użytkownikami systemu tagowania społecznościowego. Wynik tej adnotacji zasobów opartej na ludziach nazywa się folksonomy . Przykładami systemów tagowania społecznościowego są BibSonomy , CiteULike , Flickr i Delicious .
Chmura tagów
Chmura tagów to tekstowa reprezentacja tematu lub tematu wspólnie widziana przez użytkowników, która oddaje „informacje” o zasobie.
Chmury tagów są łatwe do zbudowania, intuicyjne w zrozumieniu i szeroko stosowane. Może również reprezentować trzy typy relacji między użytkownikami, tagami i zasobami w systemach tagowania. Istnieje jednak ograniczenie rozmiaru chmury tagów, którą można przedstawić na ekranie; ważny jest wybór najlepszych tagów i uporządkowanie przestrzeni informacyjnej w celu przedstawienia relacji w chmurze tagów. [ potrzebne źródło ]
Chmury tagów są bardzo proste i można je zastosować w celu wsparcia użytkownika. Badacze stwierdzili, że chmura tagów jest zwykle bardziej przydatna w następujących czterech różnych zadaniach, jak zilustrowali Rivadeneira i in. :
- Wyszukiwanie: znajdowanie obecności lub nieobecności danego celu
- Przeglądanie : eksploracja chmury bez określonego celu
- Uzyskanie wrażenia wizualnego na dany temat
- Rozpoznawanie i dopasowywanie: rozpoznawanie chmury tagów jako danych opisujących określony temat
Naukowcy odkryli również, że różne układy są przydatne podczas wykonywania różnych zadań. Wykazali również, że typografia chmury tagów (rozmiar/pozycja czcionki) ma znaczenie: rozmiar czcionki ma większy wpływ na znalezienie tagu niż inne cechy wizualne, takie jak kolor, długość ciągu tagów i lokalizacja tagów.
W oparciu o wcześniejsze badania, typowe sposoby przeprowadzania oceny chmury tagów to:
- Używanie pewnych metryk oceny dla chmur tagów w odniesieniu do pokrycia, nakładania się i selektywności
- Model nawigacji użytkownika, który łączy się z metrykami oceny, aby umożliwić ocenę chmury tagów w odniesieniu do nawigacji
- Badanie użytkowników w celu oceny dostępu do informacji w zbiorach obrazów w oparciu o znaczniki
- Badanie założenia żeglowności (powszechnie przyjęte przekonanie, że chmury tagów są przydatne do nawigacji)
Grupowanie tagów
Problem z danymi tagów społecznościowych polega na braku struktury. Synonimia, polisemia i homonimia czy problemy semantyki tagów to dodatkowe zagadnienia związane z tagowaniem danych. Istnieją dwie główne kategorie: płaskie i hierarchiczne algorytmy grupowania.
Klasyfikacja płaska może odnosić się do trzech metod: metoda oparta na treści, która jest powszechnie przyjętym algorytmem selekcji chmury tagów to algorytm TopN zaproponowany przez Venetis i in .; metoda oparta na sieci, która dzieli wykres połączonych tagów na klastry; oraz metoda uczenia maszynowego, w której rozważana jest relacja semantyczna między znacznikami.
Hierarchiczne grupowanie znaczników odnosi się do tworzenia hierarchicznej struktury z nieustrukturyzowanych danych znakowania. Struktura może być postrzegana jako mentalne mapy przestrzeni informacyjnej użytkowników i może być używana jako pomoc nawigacyjna. Hierarchiczne grupowanie tagów może odnosić się do trzech metod:
- Hierarchiczne grupowanie to metoda, która dostosowała algorytmy K-Means do pracy z danymi tekstowymi i tworzenia hierarchii znaczników w sposób odgórny
- Propagacja powinowactwa charakteryzuje każdą próbkę danych zgodnie z jej wartościami „odpowiedzialności” i „dostępności”. Wejściem algorytmu jest zestaw podobieństw między próbkami danych dostarczonymi w macierzy, a wyjściem algorytmu jest hierarchia, a każdy węzeł w hierarchii reprezentuje unikalny znacznik
- Ogólność w metodzie wykresu podobieństwa tagów obejmuje:
- Dane wejściowe algorytmu to wykres podobieństwa znaczników
- Ustawienie najbardziej ogólnego węzła jako korzenia hierarchii
- Wszystkie inne węzły, które są dodawane do hierarchii w porządku malejącym według ich centralności na grafie podobieństwa w oparciu o następujące zasady:
- Oblicz podobieństwo między wszystkimi aktualnie obecnymi węzłami w hierarchii a węzłem kandydującym
- Jeśli ich podobieństwo przekracza określony próg: węzeł kandydujący jest dodawany jako element potomny najbardziej podobnego węzła w hierarchii
- W przeciwnym razie węzeł kandydujący jest dodawany jako element podrzędny węzła głównego
Modelowanie nawigacji opartej na tagach służy do zrozumienia procesów zachodzących w systemie tagowania społecznościowego i sposobu korzystania z systemu. Istnieją dwa czynniki, aby zrozumieć modelowanie nawigacji opartej na tagach w systemach tagowania społecznościowego: podstawowe ramy modelowania nawigacji i teorie rozumiejące zdolność folksonomii do kierowania nawigacją.
- Nawigację w sieci można postrzegać jako proces podążania za linkami między stronami internetowymi
- Modele łańcuchów Markowa przypisują prawdopodobieństwa przejść między stronami internetowymi (zwanymi także stanami )
- Częściej stosowane są łańcuchy Markowa pierwszego rzędu (prawdopodobieństwo przejścia między stanami zależy tylko od stanu bieżącego).
Wyszukiwanie zdecentralizowane :
- Nawigację w sieci można modelować za pomocą zdecentralizowanego wyszukiwania algorytmu przekazywania wiadomości
- Właściciel komunikatu przekazuje komunikat do jednego ze swoich bezpośrednich węzłów sąsiadujących, dopóki nie zostanie znaleziony węzeł docelowy
- Na każdym etapie decyzja o ruchu jest podejmowana wyłącznie na podstawie lokalnej znajomości sieci
- Znalezienie ścieżki do węzła (już zrealizowane w nawigacji internetowej)
Teoretyczna przydatność do wyszukiwania
Różni uczeni dostarczyli teoretycznego wsparcia, aby spierać się o przydatność folksonomii jako pomocy nawigacyjnej. Istnieją cztery główne perspektywy:
- Perspektywa teorii sieci ma dwa aspekty: ogólną nawigację folksonomii jako wykresu lub zdolność hierarchii znaczników do kierowania nawigacją na takim wykresie
- Perspektywa teorii informacji sugeruje postrzeganie tagowania społecznego jako zbiorowego wysiłku stworzenia mapy mentalnej, która podsumowuje przestrzeń informacyjną
- Perspektywa zbierania informacji opisująca poszukiwanie informacji przez człowieka w środowisku cyfrowym
- Podejście do tagowania a biblioteka. Oni [ kto? ] zaproponował definicję słownictwa kontrolowanego i porównał nieograniczone słowniki swobodne pojawiające się w systemach tagowania społecznościowego ze słownikami kontrolowanymi
Pragmatyczna ocena folksonomii
Metoda oceny przedstawiona w tej części jest oparta na artykule Helica i in. Autor zaproponował w artykule ogólną ideę, zgodnie z którą ludzie mogą wykorzystać dane wyjściowe generowane przez algorytmy folksonomii (struktury hierarchiczne) jako dane wejściowe (wiedza podstawowa) dla zdecentralizowanego wyszukiwania z następujących powodów:
- Wydajność zdecentralizowanego wyszukiwania w dużej mierze zależy od jakości hierarchicznych wyników grupowania, które rozwinęły się w celu ułatwienia nawigacji.
- Wydajność zdecentralizowanego algorytmu wyszukiwania zależy od przydatności folksonomii.
- Autorzy zaproponowali metodę symulacji zdecentralizowanego wyszukiwania, która może być wykorzystana do oceny przydatności folksonomii.
Przykłady realizacji
Systemy edukacyjne
Zbadano różne zastosowania nawigacji społecznej w systemie edukacyjnym, takie jak Knowledge Sea II. W porównaniu z tradycyjnym podejściem (Closed Corpus) jest w stanie gromadzić informacje online (nazywane Open Corpus) i informacje zwrotne z różnych źródeł. Ruch grupowy jest używany jako informacja zwrotna, aby wskazać informacje nawigacji społecznościowej, takie jak „najważniejsze części podręczników”. Po badaniu w klasie, system Knowledge Sea II wykazuje lepszą wydajność w wizualizacji aktualności treści podręcznika i zadowolenia użytkowników uczniów.
Mertens i jego współpracownicy zoptymalizowali wcześniej istniejący system, virtPresenter, dodając koncepcję nawigacji hipermedialnej . zakładki, ślady stóp i elementy strukturalne są zintegrowane, aby pomóc użytkownikom uzyskać dostęp do nagrań wykładów i wspierać nawigację społecznościową również dla przyszłych użytkowników. Nowa wersja virtPresenter wykazuje lepszą wydajność w funkcjach nawigacji społecznościowej, takich jak wizualizacja, filtrowanie tygodniowe i wymienne zakładki.
Farzan i Brusilovsky wprowadzili system AnnotatEd, który łączy funkcje adnotacji internetowych i adaptacyjnego wsparcia nawigacji w celu synergii aplikacji nawigacji społecznościowej w edukacji internetowej. Dzięki wdrożeniom adnotacji internetowych i nawigacji społecznościowej system zintegrował Knowledge Sea II i był oceniany przez sześć semestrów w School of Information Systems na Uniwersytecie w Pittsburghu, co świadczy o znacznie wyższym pozytywnym nastawieniu użytkowników do nowego systemu ze względu na jego integracja nawigacji społecznościowej.
Miejski system informacji mobilnej
System o nazwie CityFlocks został wprowadzony w celu pokazania implementacji nawigacji społecznościowej w miejskim mobilnym systemie informacyjnym . Implementację opisali Bilandzic i in. (2008). Aby rozwiązać problem „społecznie ślepych” oparty na napływie użytkowników telefonów komórkowych, CityFlocks został zaprojektowany w celu umożliwienia adnotacji internetowych połączonych ze współrzędnymi na fizycznych celach w mieście, bezpośrednio lub pośrednio. Wybrano grupy fokusowe w celu zebrania wymagań i problemów w nawigacji społecznej. System jest projektowany i generowany przy użyciu odpowiednich technik, takich jak Google Maps i wyszukiwania informacji . Testy użytkowników CityFlocks wykazały, że podejście pośrednie jest bardziej akceptowalne niż bezpośrednie. [ potrzebne źródło ]
Prototypy
Wprowadzono dwa prototypy systemów nawigacji społecznościowej: Juggler i Vortex. System Juggler łączy MOO [ wymagane wyjaśnienie ] , tekstowe środowisko wirtualne i klienta WWW . System Vortex wykorzystuje uproszczony pulpit do prezentacji adresów URL .
Implementacja wzbogacona historią
Wzbogacona w historię implementacja nawigacji społecznościowej polega na uwidocznianiu przyszłych użytkowników śladów zachowań użytkowników ukrytych. Realizację pomysłu można przypisać Wexelblatowi i Maesowi, którzy wprowadzili przestrzeń informacyjną wzbogaconą o różne mechanizmy nawigacji społecznej: mapę dokumentu, ścieżki nawigacji oraz adnotacje i drogowskazy dokumentów. Użyli sześciu właściwości: Proxemic kontra dystemiczny, aktywny kontra pasywny, tempo zmian, stopień przenikania, osobiste kontra społeczne i rodzaj informacji. Więcej przykładów bogatych w historię przestrzeni informacyjnych zostało wdrożonych w różnych kontekstach, takich jak domena edukacyjna, sieci oparte na lokalizacji i przepisy kulinarne.
Sieć nawigacji społecznościowej (SoNavNet), oparta na lokalizacji aplikacja społecznościowa opracowana przez Hassana Karimiego i jego zespół, ma na celu dzielenie się doświadczeniami z nawigacji. Oprócz prostego pokazywania najkrótszego czasu lub odległości, jak w Mapach Google, podkreślane są specyficzne doświadczenia i rekomendacje użytkowników. Dzięki funkcjom geolokalizacji i wiadomości, SoNavNet umożliwia użytkownikom wysyłanie próśb do znajomych, prezentując ich aktualną lokalizację i ciekawe miejsca , z których uzyskują informacje o trasie i miejscu zorientowane na ich potrzeby.
system rekomendacji przepisów , European Food On-Line, który oferuje zarówno bezpośrednią, jak i pośrednią nawigację. Social Navigator został zaimplementowany jako serwlet Java do modelowania zachowań użytkowników i sposobów komunikacji w sieci.
Implementacja wbudowanej wizualizacji
Implementacja nawigacji społecznościowej odgrywa znaczącą rolę w kierowaniu użytkowników w celu znalezienia potrzebnych im informacji. Wesley Willett i jego zespół zaprojektowali Scented Widgets, które poprawiają nawigację dzięki wbudowanej wizualizacji. Zaimplementowali metryki zapachu za pomocą standardowego widżetu interfejsu i wykorzystali wizualne kodowanie danych. Odcień, nasycenie, krycie, tekst, ikona, wykres słupkowy i wykres liniowy to kodowania zapachowe, które wyróżniają różne informacje, które mogą wyświetlać różne typy danych w tym samym czasie. Do tworzenia i zmieniania widżetów w czasie wykonywania wykorzystali platformę Java Swing oraz platformę z możliwością podłączania . W celu zaprojektowania przyjaznego dla użytkownika interfejsu, postępowali zgodnie z wytycznymi dotyczącymi kodowania zapachów, układu i kompozycji.
Implementacja w zabezpieczeniach użytkowych
W systemie udostępniania plików każdy użytkownik może określić, które pliki na swoim komputerze mogą być udostępniane przez sieć. Początkowo użytkownicy musieli samodzielnie konfigurować te ustawienia związane z bezpieczeństwem, a około ośmiu na dziesięciu użytkowników nieumyślnie ujawniało swoje prywatne informacje, takie jak informacje o karcie kredytowej lub adres. Opierając się na tym problemie, Paul DiGIoia i Paul Dourish z Uniwersytetu Kalifornijskiego w Irvine wprowadzili model metafory stosu , który wykorzystywał nawigację społecznościową do rozwiązania problemu.
Model metafory stosu skupia się na dwóch głównych częściach. Po pierwsze, użytkownikom można pokazać, w jaki sposób inni użytkownicy w tym systemie decydują, które pliki są udostępniane, a takie informacje są wyświetlane bezpośrednio jako foldery ; różne wyglądy folderów wskazują na różne poziomy udostępniania. Na podstawie tego prostego projektu użytkownicy mogą łatwo stwierdzić, czy ich decyzja jest właściwa, czy nie. Po drugie, model metafory stosu pokazuje również liczbę użytkowników w systemie, którzy przeczytali plik, pokazując porządek stosu. Na przykład, im więcej razy plik jest odczytywany, tym bardziej bałagan jest na stosie.
Model metafory stosu ma dwie zalety: wprowadzenie tego modelu do systemu nie zmienia podstawowej konstrukcji systemu, ponieważ jest jak mała wtyczka i będzie miała znaczący wpływ na użytkowników; i nie przeszkadza użytkownikom w pracy, ponieważ każda funkcja związana z bezpieczeństwem jest pokazana bezpośrednio na graficznym interfejsie użytkownika .
Implementacja w interakcji człowiek-robot
Jedną z powszechnych metod stosowanych przez ludzi w dziedzinie nawigacji społecznej jest konstruowanie proksemiki, która może być powiązana z interakcją człowiek-robot . Badanie pokazuje zainteresowanie różnymi rodzajami zachowań nawigacyjnych, jakich ludzie oczekują od robota w scenariuszu przekraczania ścieżki. Wynik pokazuje, że związek przestrzenny faktycznie odnosi się do zachowania, co prowadzi do możliwego przewidywania oczekiwanego działania.
Nawigacja społecznościowa może być wykorzystywana przez złośliwych użytkowników , którzy zamierzają wprowadzić w błąd opinię publiczną lub uzyskać prywatne informacje o konkretnej osobie.
Badacze Meital Ben Sinai, Nimrod Partush, Shir Yadid i Eran Yahav z Israel Technion przeprowadzili kilka eksperymentów w 2014 roku i napisali artykuł „Exploiting Social Navigation”, aby omówić wyniki. Zgodnie z artykułem atakujący mogą używać wielu maszyn do fałszowania zachowań użytkowników i fabrykowania informacji w celu wprowadzenia w błąd innych prawdziwych użytkowników. W tym przypadku zaatakowali oprogramowanie o ruchu drogowym w czasie rzeczywistym , które umożliwia użytkownikom zgłaszanie informacji o ruchu drogowym i nadawanie tych wiadomości innym osobom. Naukowcy wykorzystali fałszywych użytkowników do sfabrykowania informacji o ruchu drogowym, takich jak utrudnienia lub korki , skutecznie pozwalając systemowi wprowadzać w błąd prawdziwych użytkowników. Prawdziwi użytkownicy mogą tracić czas i pieniądze, aby wybrać inną trasę lub poprowadzić ich na niebezpieczne, nieistniejące trasy, które powodują problemy związane z bezpieczeństwem. Aby rozwiązać ten problem, systemy nawigacji społecznościowej czasami weryfikują tożsamość użytkowników za pomocą kodów weryfikacyjnych .
Technika weryfikacji może prowadzić do innego problemu nawigacji społecznej: wycieku informacji . Synaj i in. omówiono, że złośliwi napastnicy mogą wykorzystywać informacje o użytkownikach w celu zdobycia prywatnych informacji, co powoduje problemy związane z bezpieczeństwem, ponieważ napastnicy mogą wykorzystywać te informacje do śledzenia innych osób w złych zamiarach.
Najnowsze trendy i wdrożenia w produktach
Wraz ze wzrostem popularności sieci społecznościowych i sieci społecznościowych dane mogą być gromadzone na podstawie śladów pozostawionych przez użytkowników podczas interakcji w różnych systemach społecznościowych. Rozwój doprowadził do bardziej nowatorskiego i zróżnicowanego wdrożenia wsparcia nawigacji społecznościowej, w tym w edukacji, mediach, wiadomościach i systemach przewodników turystycznych. Implementacja nawigacji społecznościowej we współdzielonym 3D działa podobnie, ponieważ pozwala użytkownikom zobaczyć ślad i informacje o innych, którzy byli wcześniej w tym samym miejscu w wirtualnym świecie. Bosch udoskonalił prawdziwe systemy nawigacji do jazdy i używał nawigacji społecznościowej w celu skrócenia czasu jazdy.