Das aufstrebende Feld der Crowd Science ist eine Kreuzung aus Datenanalyse und menschlicher Psychologie und ein wichtiger Bestandteil der Unternehmensinnovation. Durch leistungsstarke Algorithmen und ein wachsendes Verständnis des Verhaltens von Einzelpersonen und Gruppen ermöglicht dieser expandierende Zweig der Datenwissenschaft skalierbare, wiederholbare Innovationen.
In einem kürzlich erschienenen VentureBeat-Beitrag, den wir nachstehend in Auszügen wiedergeben, erläutert Anna Gordon, Data Scientist bei Mindjet, wie sie und ihr Team diesen Teilbereich der zahlenbasierten Analyse erforschen und wie sie dabei vorgehen, um Innovationsprozesse und den Erfolg ihrer Kunden zu unterstützen.
Definition von Crowd Science und Daten
Durch den Einsatz von datenwissenschaftlichen Techniken - wie Data Mining, Algorithmenentwicklung und statistische Modellierung - auf sozialen Netzwerken und Crowdsourcing-Daten lädt die Crowd Science psychologische und verhaltensbezogene Elemente ein, die in der traditionellen Datenwissenschaft nicht unbedingt vorhanden sind. Im Grunde genommen sehen wir, dass neue Verhaltenselemente die Daten beeinflussen, wie z.B. Politik, Meinungen und Agenten, die miteinander interagieren und sich gegenseitig beeinflussen. Wir müssen also nicht nur Daten auf herkömmliche Weise betrachten, sondern auch politische und soziale Strukturen und die Art und Weise, wie Menschen voneinander lernen und sich gegenseitig beeinflussen. Wir müssen berücksichtigen, wie Ideen durch soziale Netzwerke fließen, was Menschen dazu motiviert, zu Diskussionen beizutragen, und welche Folgen das Engagement hat.
Mit der Vernetzung der heutigen Unternehmen und Gemeinden ist diese Art von Synergie exponentiell häufiger anzutreffen. Dieser viel größere Datenbestand über soziale Strukturen und Phänomene gibt uns die Möglichkeit, diese Netzwerke und ihre Entwicklung zu untersuchen und zu verstehen. Während die wissenschaftliche Datenanalyse traditionell sorgfältige Messungen und eine oft mühsame Datensammlung erforderte, verfügen wir heute über eine riesige und wachsende Datenquelle im Internet, die es uns ermöglicht, hochkomplexe Systeme wie soziale Strukturen und hierarchisches Verhalten viel einfacher als je zuvor zu analysieren.
Dr. Alex Pentland vom MIT hat einen Begriff geprägt, der der Crowd Science ähnelt: soziale Physik. Pentland definiert sie als "eine quantitative Sozialwissenschaft, die zuverlässige, mathematische Zusammenhänge zwischen dem Informations- und Ideenfluss einerseits und dem Verhalten der Menschen andererseits beschreibt. Die Sozialphysik hilft uns zu verstehen, wie Ideen durch den Mechanismus des sozialen Lernens von Mensch zu Mensch fließen und wie dieser Ideenfluss schließlich die Normen, die Produktivität und die kreative Leistung unserer Unternehmen, Städte und Gesellschaften prägt."
Crowd Science, Tag für Tag
Im digitalen Zeitalter ist Crowd Science allgegenwärtig, von der Gestaltung des Nutzererlebnisses auf Online-Plattformen bis hin zur Unterstützung bei der Umstrukturierung von Regierungen durch politische Revolutionen. Amazon verwendet Crowd-Science-Techniken, um Nutzern auf der Grundlage ihrer Kaufhistorie und ihres Suchverhaltens Artikel zu empfehlen, indem es individuelle Aktionen mit denen der gesamten Nutzerbasis, der "Crowd", vergleicht. Auch Twitter ist ein Paradebeispiel für ein soziales Netzwerk, das den Ideenfluss erleichtert. Es ist alltäglich, von einem Thema zu hören, das "auf Twitter trending" ist, sei es im Gespräch oder in den nationalen Medien. Twitter verwendet Hashtags als eine Form von Metadaten, die es einfacher machen, die Daten abzufragen und die Themen zu sehen, die die Menschen gerade beschäftigen und sich in der Welt verbreiten. Forscher haben untersucht, wie diese Verbreitung von Informationen mächtige Ereignisse wie den Arabischen Frühling ermöglicht hat und wie wir diese Informationen nutzen können, um zukünftige Netzwerke und Ereignisse zu beeinflussen und zu gestalten.
Und dann ist da noch Facebook. Der Newsfeed von Facebook ist ein ständiger Fluss von Informationen und Meinungen, der nachweislich Interaktionen und den Austausch von Wissen erleichtert. Facebook war vor kurzem in eine Kontroverse verwickelt, bei der die Wissenschaftler von die Datenfeeds der Nutzer manipuliert haben, um zu verstehen, wie sich dies auf den Ton der Beiträge dieser Nutzer auswirkt. Am Ende ging das Ganze nach hinten los - Nutzer, die nichts von dem Experiment wussten, hatten das Gefühl, dass Facebook sie als Laborratten benutzt und ihr geistiges Wohlbefinden auf unethische Weise verändert. Dies ist die Schattenseite der Crowd Science, einem Bereich, in dem es normalerweise notwendig ist, echte Menschen als Versuchspersonen zu benutzen, um voranzukommen.
Das Experimentieren mit dem Benutzererlebnis ist jedoch kein neues Konzept. Techniken wie A/B-Tests werden schon seit Jahren eingesetzt, um die gewünschten Ergebnisse zu messen und zu optimieren, z. B. die Konversionsraten auf einer E-Commerce-Website. Die Realität ist, dass die Forschung ohne den Einsatz von Menschen für Tests und Analysen die Lücken mit ungenauen Spekulationen füllen müsste. Dennoch haben diese Experimente gesellschaftliche Auswirkungen, die berücksichtigt werden müssen, vor allem, wenn die Datenbasis so eindeutig riesig ist.
Lesen Sie den vollständigen Artikel hier, und vergessen Sie nicht, sich Annas ersten VentureBeat-Artikel anzusehen, Inside the Mind of a Crowd Scientist .
