TEDxMidAtlantic 2013
Jennifer Golbeck: Your social media "likes" expose more than you think
Jennifer Golbeck: Das Spiralpommes-Rätsel: Warum ein "Gefällt mir" so viel mehr sagt, als Sie denken
Filmed:
Readability: 4.5
2,366,837 views
Mögen Sie geringelte Pommes? Haben Sie dafür auf Facebook "Gefällt mir" gedrückt? In diesem Video können Sie sehen, welche verblüffenden Dinge Facebook (und andere) über Sie herausfinden können – nur durch die Analyse dessen, was Sie teilen und "liken". Die IT-Forscherin Jennifer Golbeck erklärt, wie es dazu kam, wie unschön manche dieser technologischen Anwendungen sein können – und warum sie denkt, dass die Kontrolle über die Daten wieder zurück an die rechtmäßigen Besitzer gegeben werden sollte.
Jennifer Golbeck - Computer scientist
As the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions. Full bio
As the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions. Full bio
Double-click the English transcript below to play the video.
Erinnern Sie sich mal zurück:
In seinen ersten zehn Jahren
In seinen ersten zehn Jahren
00:12
If you remember that first decade of the web,
0
738
1997
00:14
it was really a static place.
1
2735
2255
war das Internet sehr statisch.
00:16
You could go online, you could look at pages,
2
4990
2245
Man konnte online gehen
und sich Websites anschauen,
und sich Websites anschauen,
00:19
and they were put up either by organizations
3
7235
2513
die entweder von Organisationen
00:21
who had teams to do it
4
9748
1521
mit professionellen Teams betrieben wurden
00:23
or by individuals who were really tech-savvy
5
11269
2229
oder von Privatleuten, die für ihre Zeit
sehr technikversiert waren.
sehr technikversiert waren.
00:25
for the time.
6
13498
1737
00:27
And with the rise of social media
7
15235
1575
Mit dem Aufstieg der sozialen Medien
00:28
and social networks in the early 2000s,
8
16810
2399
und der sozialen Netzwerke
zu Beginn der 2000er
zu Beginn der 2000er
00:31
the web was completely changed
9
19209
2149
veränderte sich das Internet
von Grund auf:
von Grund auf:
00:33
to a place where now the vast majority of content
10
21358
3608
Ein Ort, an dem
die große Mehrheit der Inhalte,
die große Mehrheit der Inhalte,
00:36
we interact with is put up by average users,
11
24966
3312
mit denen wir uns beschäftigen,
von durchschnittlichen Nutzern kommt,
von durchschnittlichen Nutzern kommt,
00:40
either in YouTube videos or blog posts
12
28278
2697
ob als YouTube-Video oder als Blogeintrag,
00:42
or product reviews or social media postings.
13
30975
3315
Produktrezension oder
Post bei einem sozialen Netzwerk.
Post bei einem sozialen Netzwerk.
00:46
And it's also become a much more interactive place,
14
34290
2347
Das Internet ist auch
viel interaktiver geworden.
viel interaktiver geworden.
00:48
where people are interacting with others,
15
36637
2637
Menschen treten miteinander in Kontakt,
00:51
they're commenting, they're sharing,
16
39274
1696
sie kommentieren, sie teilen,
sie lesen nicht nur.
00:52
they're not just reading.
17
40970
1614
Facebook ist nicht der einzige
Ort für solche Aktivitäten,
Ort für solche Aktivitäten,
00:54
So Facebook is not the only place you can do this,
18
42584
1866
00:56
but it's the biggest,
19
44450
1098
aber der größte,
00:57
and it serves to illustrate the numbers.
20
45548
1784
und zeigt das Ausmaß sehr gut.
00:59
Facebook has 1.2 billion users per month.
21
47332
3477
Facebook hat monatlich
1,2 Milliarden Nutzer.
1,2 Milliarden Nutzer.
01:02
So half the Earth's Internet population
22
50809
1930
Mehr als die Hälfte
aller Internetnutzer nutzt Facebook.
aller Internetnutzer nutzt Facebook.
01:04
is using Facebook.
23
52739
1653
Es ist eine Website so wie andere auch,
01:06
They are a site, along with others,
24
54392
1932
01:08
that has allowed people to create an online persona
25
56324
3219
mit der Leute ohne große
technische Kenntnisse
technische Kenntnisse
01:11
with very little technical skill,
26
59543
1782
ein virtuelles Ich erstellen können.
01:13
and people responded by putting huge amounts
27
61325
2476
Als Ergebnis stellten viele Leute
eine Menge persönlicher Daten online.
01:15
of personal data online.
28
63801
1983
01:17
So the result is that we have behavioral,
29
65784
2543
Wir haben jetzt also Daten zum Verhalten,
01:20
preference, demographic data
30
68327
1986
zu Vorlieben und zur Demographie
01:22
for hundreds of millions of people,
31
70313
2101
von hunderten Millionen von Leuten.
01:24
which is unprecedented in history.
32
72414
2026
Das gab es bisher noch nie.
01:26
And as a computer scientist,
what this means is that
what this means is that
33
74440
2560
Als IT-Forscherin konnte ich
daher Modelle erstellen,
daher Modelle erstellen,
01:29
I've been able to build models
34
77000
1664
die alle möglichen versteckten
Eigenschaften errechnen können,
Eigenschaften errechnen können,
01:30
that can predict all sorts of hidden attributes
35
78664
2322
01:32
for all of you that you don't even know
36
80986
2284
für Sie alle -- und Ihnen
ist nicht bewusst,
ist nicht bewusst,
01:35
you're sharing information about.
37
83270
2202
dass Sie Informationen darüber teilen.
01:37
As scientists, we use that to help
38
85472
2382
Als Forscher helfen wir Menschen dabei,
01:39
the way people interact online,
39
87854
2114
online miteinander umgehen.
01:41
but there's less altruistic applications,
40
89968
2499
Aber es gibt auch weniger
selbstlose Anwendungen.
selbstlose Anwendungen.
01:44
and there's a problem in that users don't really
41
92467
2381
Das Problem ist, dass Nutzer
nicht richtig verstehen,
nicht richtig verstehen,
01:46
understand these techniques and how they work,
42
94848
2470
wie diese Techniken funktionieren
01:49
and even if they did, they don't
have a lot of control over it.
have a lot of control over it.
43
97318
3128
und auch wenn sie es täten,
könnten sie sie nicht steuern.
könnten sie sie nicht steuern.
01:52
So what I want to talk to you about today
44
100446
1490
Heute möchte ich Ihnen sagen,
01:53
is some of these things that we're able to do,
45
101936
2702
was wir alles tun können
01:56
and then give us some ideas
of how we might go forward
of how we might go forward
46
104638
2763
und einige Wege aufzeigen,
wie es weitergehen kann,
wie es weitergehen kann,
01:59
to move some control back into the hands of users.
47
107401
2769
um den Nutzern wieder mehr
Kontrolle zu geben.
Kontrolle zu geben.
02:02
So this is Target, the company.
48
110170
1586
Das hier ist das Unternehmen "Target".
02:03
I didn't just put that logo
49
111756
1324
Das Logo ist nicht zufällig
02:05
on this poor, pregnant woman's belly.
50
113080
2170
auf dem Bauch dieser armen Schwangeren.
02:07
You may have seen this anecdote that was printed
51
115250
1840
Sie kennen vielleicht die Geschichte,
02:09
in Forbes magazine where Target
52
117090
2061
die im Magazin "Forbes" abgedruckt wurde.
02:11
sent a flyer to this 15-year-old girl
53
119151
2361
Darin schickte Target einem
15-jährigen Mädchen einen Flyer
15-jährigen Mädchen einen Flyer
02:13
with advertisements and coupons
54
121512
1710
mit Werbung und Gutscheinen
02:15
for baby bottles and diapers and cribs
55
123222
2554
für Babyfläschchen, Windeln und Bettchen,
02:17
two weeks before she told her parents
56
125776
1684
zwei Wochen bevor das Mädchen
02:19
that she was pregnant.
57
127460
1864
seinen Eltern von der
Schwangerschaft erzählte.
Schwangerschaft erzählte.
02:21
Yeah, the dad was really upset.
58
129324
2704
Ja, ihr Vater hat sich ziemlich aufgeregt.
02:24
He said, "How did Target figure out
59
132028
1716
Er sagte: "Wie konnte Target herausfinden,
02:25
that this high school girl was pregnant
60
133744
1824
dass eine Schülerin schwanger ist,
02:27
before she told her parents?"
61
135568
1960
noch bevor sie es
ihren Eltern erzählt hat?"
ihren Eltern erzählt hat?"
02:29
It turns out that they have the purchase history
62
137528
2621
Es stellte sich heraus,
dass Target Einkaufsdaten
dass Target Einkaufsdaten
02:32
for hundreds of thousands of customers
63
140149
2301
von hunderttausenden Kunden besitzt
02:34
and they compute what they
call a pregnancy score,
call a pregnancy score,
64
142450
2730
und daraus einen
"Schwangerschaftswert" errechnet.
"Schwangerschaftswert" errechnet.
02:37
which is not just whether or
not a woman's pregnant,
not a woman's pregnant,
65
145180
2332
Da geht es nicht nur um
eine mögliche Schwangerschaft,
eine mögliche Schwangerschaft,
02:39
but what her due date is.
66
147512
1730
sondern um das errechnete
Geburtsdatum des Kindes.
Geburtsdatum des Kindes.
02:41
And they compute that
67
149242
1304
Das wird nicht errechnet,
02:42
not by looking at the obvious things,
68
150546
1768
indem die offensichtlichen
Dinge angeschaut werden,
Dinge angeschaut werden,
02:44
like, she's buying a crib or baby clothes,
69
152314
2512
wie z. B. Kauf von
Babykleidung oder Bettchen,
Babykleidung oder Bettchen,
02:46
but things like, she bought more vitamins
70
154826
2943
sondern ob die Frau z. B.
mehr Vitamine als sonst kauft
mehr Vitamine als sonst kauft
02:49
than she normally had,
71
157769
1717
02:51
or she bought a handbag
72
159486
1464
oder eine Handtasche,
02:52
that's big enough to hold diapers.
73
160950
1711
die groß genug für Windeln ist.
02:54
And by themselves, those purchases don't seem
74
162661
1910
Diese Einkäufe an sich scheinen
02:56
like they might reveal a lot,
75
164571
2469
nicht so viel zu offenbaren,
aber sie stehen für ein Verhaltensmuster,
02:59
but it's a pattern of behavior that,
76
167040
1978
03:01
when you take it in the context
of thousands of other people,
of thousands of other people,
77
169018
3117
das im Kontext mit
tausenden anderen Menschen
tausenden anderen Menschen
03:04
starts to actually reveal some insights.
78
172135
2757
doch einige Einblicke bietet.
03:06
So that's the kind of thing that we do
79
174892
1793
So werden also durch soziale Medien
03:08
when we're predicting stuff
about you on social media.
about you on social media.
80
176685
2567
Dinge über Sie errechnet.
03:11
We're looking for little
patterns of behavior that,
patterns of behavior that,
81
179252
2796
Wir suchen nach kleinen Verhaltensmustern,
die Millionen Menschen zeigen
03:14
when you detect them among millions of people,
82
182048
2682
03:16
lets us find out all kinds of things.
83
184730
2706
und die somit einiges aussagen.
Zusammen mit meinen Kollegen
haben wir im Labor
haben wir im Labor
03:19
So in my lab and with colleagues,
84
187436
1747
03:21
we've developed mechanisms where we can
85
189183
1777
Mechanismen entwickelt, um sehr
genau Dinge errechnen zu können:
genau Dinge errechnen zu können:
03:22
quite accurately predict things
86
190960
1560
03:24
like your political preference,
87
192520
1725
Politische Vorlieben,
03:26
your personality score, gender, sexual orientation,
88
194245
3752
persönliche Eigenschaften,
Geschlecht, sexuelle Orientierung,
Geschlecht, sexuelle Orientierung,
03:29
religion, age, intelligence,
89
197997
2873
Religion, Alter, Intelligenz,
03:32
along with things like
90
200870
1394
wie sehr Sie den Menschen
vertrauen, die Sie kennen,
vertrauen, die Sie kennen,
03:34
how much you trust the people you know
91
202264
1937
03:36
and how strong those relationships are.
92
204201
1804
und wie stark diese Beziehungen sind.
03:38
We can do all of this really well.
93
206005
1785
Das alles können wir ziemlich gut.
03:39
And again, it doesn't come from what you might
94
207790
2197
Diese Daten stammen nicht
aus offensichtlichen Informationen.
aus offensichtlichen Informationen.
03:41
think of as obvious information.
95
209987
2102
Mein Lieblingsbeispiel
stammt aus einer Studie,
stammt aus einer Studie,
03:44
So my favorite example is from this study
96
212089
2281
03:46
that was published this year
97
214370
1240
die dieses Jahr in der Fachzeitschrift
"PNA S" veröffentlicht wurde.
"PNA S" veröffentlicht wurde.
03:47
in the Proceedings of the National Academies.
98
215610
1795
03:49
If you Google this, you'll find it.
99
217405
1285
Googeln Sie das mal.
03:50
It's four pages, easy to read.
100
218690
1872
Es sind vier Seiten, leicht zu lesen.
03:52
And they looked at just people's Facebook likes,
101
220562
3003
Es wurden nur die "Gefällt mir"-Angaben
auf Facebook untersucht
auf Facebook untersucht
03:55
so just the things you like on Facebook,
102
223565
1920
und dazu genutzt, um Eigenschaften
03:57
and used that to predict all these attributes,
103
225485
2138
03:59
along with some other ones.
104
227623
1645
und andere Dinge zu errechnen.
04:01
And in their paper they listed the five likes
105
229268
2961
In dieser Studie findet man
die fünf "Gefällt mir",
die fünf "Gefällt mir",
04:04
that were most indicative of high intelligence.
106
232229
2787
die meistens für hohe Intelligenz standen.
Da war auch eine Seite
über Spiralpommes dabei.
über Spiralpommes dabei.
04:07
And among those was liking a page
107
235016
2324
04:09
for curly fries. (Laughter)
108
237340
1905
(Gelächter)
04:11
Curly fries are delicious,
109
239245
2093
Spiralpommes sind lecker,
aber ein "Gefällt mir"
heißt noch lange nicht,
heißt noch lange nicht,
04:13
but liking them does not necessarily mean
110
241338
2530
dass Sie klüger sind als der Durchschnitt.
04:15
that you're smarter than the average person.
111
243868
2080
04:17
So how is it that one of the strongest indicators
112
245948
3207
Wie kann einer der stärksten
Hinweise auf Intelligenz
Hinweise auf Intelligenz
04:21
of your intelligence
113
249155
1570
das "Gefällt mir" für diese Seite sein,
04:22
is liking this page
114
250725
1447
04:24
when the content is totally irrelevant
115
252172
2252
wenn der Inhalt
für das Errechnen der Eigenschaft
für das Errechnen der Eigenschaft
04:26
to the attribute that's being predicted?
116
254424
2527
eigentlich völlig irrelevant ist?
Dazu muss man sich eine Menge
04:28
And it turns out that we have to look at
117
256951
1584
04:30
a whole bunch of underlying theories
118
258535
1618
zugrunde liegender Theorien anschauen,
04:32
to see why we're able to do this.
119
260153
2569
um zu verstehen,
warum das funktioniert.
warum das funktioniert.
Eine soziologische Theorie
heißt Homophilie:
heißt Homophilie:
04:34
One of them is a sociological
theory called homophily,
theory called homophily,
120
262722
2913
04:37
which basically says people are
friends with people like them.
friends with people like them.
121
265635
3092
Leute freunden sich
mit ähnlichen Leuten an.
mit ähnlichen Leuten an.
04:40
So if you're smart, you tend to
be friends with smart people,
be friends with smart people,
122
268727
2014
Wenn Sie also intelligent sind,
haben Sie eher intelligente Freunde,
haben Sie eher intelligente Freunde,
04:42
and if you're young, you tend
to be friends with young people,
to be friends with young people,
123
270741
2630
und wenn Sie jung sind,
eher junge Freunde.
eher junge Freunde.
04:45
and this is well established
124
273371
1627
Das ist schon seit Hunderten
von Jahren bekannt.
von Jahren bekannt.
04:46
for hundreds of years.
125
274998
1745
04:48
We also know a lot
126
276743
1232
Wir wissen auch viel darüber,
04:49
about how information spreads through networks.
127
277975
2550
wie sich Informationen
in sozialen Netzwerken verbreiten.
in sozialen Netzwerken verbreiten.
04:52
It turns out things like viral videos
128
280525
1754
Sehr beliebte Videos,
"Gefällt mir"-Angaben auf Facebook
"Gefällt mir"-Angaben auf Facebook
04:54
or Facebook likes or other information
129
282279
2406
oder andere Informationen
04:56
spreads in exactly the same way
130
284685
1888
verbreiten sich auf die gleiche Weise
04:58
that diseases spread through social networks.
131
286573
2454
wie Krankheiten.
05:01
So this is something we've studied for a long time.
132
289027
1791
Das haben wir über
eine lange Zeit untersucht.
eine lange Zeit untersucht.
05:02
We have good models of it.
133
290818
1576
Wir haben da gute Modelle.
05:04
And so you can put those things together
134
292394
2157
Dann kann man die beiden Dinge kombinieren
05:06
and start seeing why things like this happen.
135
294551
3088
und verstehen, warum sie passieren.
05:09
So if I were to give you a hypothesis,
136
297639
1814
Eine Hypothese könnte so aussehen:
05:11
it would be that a smart guy started this page,
137
299453
3227
Ein intelligenter Typ
hat eine Seite eingerichtet,
hat eine Seite eingerichtet,
05:14
or maybe one of the first people who liked it
138
302680
1939
oder der erste mit "Gefällt mir"
05:16
would have scored high on that test.
139
304619
1736
hatte ein hohes Testergebnis.
05:18
And they liked it, and their friends saw it,
140
306355
2288
Er klickte auf "Gefällt mir",
seine Freunde sahen es,
seine Freunde sahen es,
05:20
and by homophily, we know that
he probably had smart friends,
he probably had smart friends,
141
308643
3122
und Homophilie sagt uns,
dass er wahrscheinlich auch
intelligente Freunde hat,
intelligente Freunde hat,
05:23
and so it spread to them,
and some of them liked it,
and some of them liked it,
142
311765
3056
und die haben wiederum auf
"Gefällt mir" geklickt,
"Gefällt mir" geklickt,
05:26
and they had smart friends,
143
314821
1189
die hatten intelligente Freunde
05:28
and so it spread to them,
144
316010
807
05:28
and so it propagated through the network
145
316817
1973
und so breitete sich das
05:30
to a host of smart people,
146
318790
2569
durch das ganze Netzwerk aus
05:33
so that by the end, the action
147
321359
2056
und erreichte viele intelligente Leute.
05:35
of liking the curly fries page
148
323415
2544
Am Ende ist das "Gefällt mir"
für die Spiralpommes-Seite
05:37
is indicative of high intelligence,
149
325959
1615
ein Zeichen für hohe Intelligenz.
05:39
not because of the content,
150
327574
1803
Nicht wegen des Inhalts,
05:41
but because the actual action of liking
151
329377
2522
sondern weil die "Gefällt mir"-Angabe
05:43
reflects back the common attributes
152
331899
1900
die gemeinsamen Eigenschaften
der Leute widerspiegelt, denen es gefällt.
der Leute widerspiegelt, denen es gefällt.
05:45
of other people who have done it.
153
333799
2468
05:48
So this is pretty complicated stuff, right?
154
336267
2897
Das klingt sehr kompliziert, oder?
05:51
It's a hard thing to sit down and explain
155
339164
2199
Es ist schwer, das einem
einfachen Nutzer zu erklären
einfachen Nutzer zu erklären
05:53
to an average user, and even if you do,
156
341363
2848
und selbst wenn man das tut --
05:56
what can the average user do about it?
157
344211
2188
was kann der einfache Nutzer
schon dagegen tun?
schon dagegen tun?
05:58
How do you know that
you've liked something
you've liked something
158
346399
2048
Wie können Sie wissen,
dass Sie mit einem "Gefällt mir"
dass Sie mit einem "Gefällt mir"
06:00
that indicates a trait for you
159
348447
1492
einen Charakterzug gezeigt haben,
06:01
that's totally irrelevant to the
content of what you've liked?
content of what you've liked?
160
349939
3545
der aber völlig unabhängig
vom Inhalt ist, der Ihnen gefällt?
vom Inhalt ist, der Ihnen gefällt?
06:05
There's a lot of power that users don't have
161
353484
2546
Die Nutzer haben nicht viel Macht,
06:08
to control how this data is used.
162
356030
2230
die Nutzung ihrer Daten zu steuern.
06:10
And I see that as a real
problem going forward.
problem going forward.
163
358260
3112
Ich sehe darin ein großes
Problem für die Zukunft.
Problem für die Zukunft.
Wir sollten uns vielleicht
mehrere Wege anschauen,
mehrere Wege anschauen,
06:13
So I think there's a couple paths
164
361372
1977
06:15
that we want to look at
165
363349
1001
06:16
if we want to give users some control
166
364350
1910
wenn Nutzer die Verwendung
ihrer Daten beeinflussen wollen.
ihrer Daten beeinflussen wollen.
06:18
over how this data is used,
167
366260
1740
06:20
because it's not always going to be used
168
368000
1940
Die Daten werden eben nicht immer.
06:21
for their benefit.
169
369940
1381
zu ihrem Vorteil genutzt.
06:23
An example I often give is that,
170
371321
1422
Ein Beispiel, das ich oft bringe:
06:24
if I ever get bored being a professor,
171
372743
1646
Falls ich einmal keine
Professorin mehr sein will,
Professorin mehr sein will,
06:26
I'm going to go start a company
172
374389
1653
werde ich eine Firma gründen,
06:28
that predicts all of these attributes
173
376042
1454
die solche Eigenschaften errechnet,
06:29
and things like how well you work in teams
174
377496
1602
ebenso Eigenschaften wie Teamfähigkeit,
06:31
and if you're a drug user, if you're an alcoholic.
175
379098
2671
Drogenmissbrauch oder Alkoholismus.
06:33
We know how to predict all that.
176
381769
1440
Wir können das errechnen.
06:35
And I'm going to sell reports
177
383209
1761
Und ich werde Berichte an Personalberater
06:36
to H.R. companies and big businesses
178
384970
2100
und große Unternehmen verkaufen,
06:39
that want to hire you.
179
387070
2273
bei denen Sie sich bewerben.
06:41
We totally can do that now.
180
389343
1177
Das können wir alles schon.
06:42
I could start that business tomorrow,
181
390520
1788
Ich könnte diese Firma morgen gründen
06:44
and you would have
absolutely no control
absolutely no control
182
392308
2052
und Sie hätten absolut
keine Kontrolle darüber,
keine Kontrolle darüber,
06:46
over me using your data like that.
183
394360
2138
dass ich Ihre Daten zu diesem Zweck nutze.
06:48
That seems to me to be a problem.
184
396498
2292
Für mich ist das ein Problem.
06:50
So one of the paths we can go down
185
398790
1910
Eine mögliche Lösung
06:52
is the policy and law path.
186
400700
2032
wären interne Richtlinien
und gesetzliche Regelungen.
und gesetzliche Regelungen.
06:54
And in some respects, I think
that that would be most effective,
that that would be most effective,
187
402732
3046
In mancher Hinsicht wäre das sehr wirksam,
06:57
but the problem is we'd
actually have to do it.
actually have to do it.
188
405778
2756
aber wir müssten es auch wirklich tun.
07:00
Observing our political process in action
189
408534
2780
Wenn ich mir die politischen
Handlungen anschaue,
Handlungen anschaue,
07:03
makes me think it's highly unlikely
190
411314
2379
finde ich es höchst unwahrscheinlich,
07:05
that we're going to get a bunch of representatives
191
413693
1597
dass wir ein paar
Volksvertreter dazu bewegen,
Volksvertreter dazu bewegen,
07:07
to sit down, learn about this,
192
415290
1986
sich eingehend damit zu befassen
07:09
and then enact sweeping changes
193
417276
2106
und dann grundlegende Veränderungen
07:11
to intellectual property law in the U.S.
194
419382
2157
im US-Gesetz zum geistigen
Eigentum zu beschließen,
Eigentum zu beschließen,
07:13
so users control their data.
195
421539
2461
damit die Nutzer ihre Daten steuern.
07:16
We could go the policy route,
196
424000
1304
Aufgrund interner Richtlinien
07:17
where social media companies say,
197
425304
1479
könnten soziale Medien sagen:
07:18
you know what? You own your data.
198
426783
1402
"Ihre Daten gehören Ihnen.
Sie allein bestimmen deren Nutzung."
Sie allein bestimmen deren Nutzung."
07:20
You have total control over how it's used.
199
428185
2489
07:22
The problem is that the revenue models
200
430674
1848
Das Problem ist, dass das Geschäftsmodell
07:24
for most social media companies
201
432522
1724
vieler sozialer Medien
in irgendeiner Weise
in irgendeiner Weise
07:26
rely on sharing or exploiting
users' data in some way.
users' data in some way.
202
434246
4031
auf der Weitergabe und der Verwertung
der Nutzerdaten basiert.
der Nutzerdaten basiert.
07:30
It's sometimes said of Facebook that the users
203
438277
1833
Bei Facebook ist manchmal die Rede davon,
07:32
aren't the customer, they're the product.
204
440110
2528
dass der Nutzer nicht der Kunde ist,
sondern das Produkt.
sondern das Produkt.
07:34
And so how do you get a company
205
442638
2714
Wie bekommt man dann also eine Firma dazu,
07:37
to cede control of their main asset
206
445352
2558
die Kontrolle über ihre
Haupteinnahmequelle
Haupteinnahmequelle
07:39
back to the users?
207
447910
1249
wieder an die Nutzer zu geben?
07:41
It's possible, but I don't think it's something
208
449159
1701
Das geht, aber ich denke nicht,
07:42
that we're going to see change quickly.
209
450860
2320
dass der Wandel schnell kommen wird.
07:45
So I think the other path
210
453180
1500
Ich denke also, dass die andere
07:46
that we can go down that's
going to be more effective
going to be more effective
211
454680
2288
mögliche Lösung wirksamer ist.
07:48
is one of more science.
212
456968
1508
Es geht um mehr Forschung.
07:50
It's doing science that allowed us to develop
213
458476
2510
Es geht um die Forschung,
die es uns erst ermöglicht hat,
die es uns erst ermöglicht hat,
07:52
all these mechanisms for computing
214
460986
1750
diese Mechanismen zum Verwerten
persönlicher Daten zu entwickeln.
persönlicher Daten zu entwickeln.
07:54
this personal data in the first place.
215
462736
2052
07:56
And it's actually very similar research
216
464788
2106
Wir müssten eine sehr
ähnliche Forschung betreiben,
ähnliche Forschung betreiben,
07:58
that we'd have to do
217
466894
1438
08:00
if we want to develop mechanisms
218
468332
2386
wenn wir Mechanismen entwickeln wollen,
08:02
that can say to a user,
219
470718
1421
die dem Nutzer das Risiko,
das er eingegangen ist, zeigen können.
das er eingegangen ist, zeigen können.
08:04
"Here's the risk of that action you just took."
220
472139
2229
08:06
By liking that Facebook page,
221
474368
2080
Durch Ihre "Gefällt mir"-Angabe
auf Facebook
auf Facebook
08:08
or by sharing this piece of personal information,
222
476448
2535
oder die Weitergabe
persönlicher Informationen
persönlicher Informationen
08:10
you've now improved my ability
223
478983
1502
geben Sie mir die Möglichkeit
zu ermitteln,
zu ermitteln,
08:12
to predict whether or not you're using drugs
224
480485
2086
ob Sie Drogen nehmen
08:14
or whether or not you get
along well in the workplace.
along well in the workplace.
225
482571
2862
oder sich an Ihrem
Arbeitsplatz wohlfühlen.
Arbeitsplatz wohlfühlen.
Ich denke, das hat Auswirkungen darauf,
08:17
And that, I think, can affect whether or not
226
485433
1848
ob Leute etwas teilen wollen,
08:19
people want to share something,
227
487281
1510
08:20
keep it private, or just keep it offline altogether.
228
488791
3239
es für sich behalten
oder gar nicht online stellen wollen.
oder gar nicht online stellen wollen.
08:24
We can also look at things like
229
492030
1563
Wir können uns auch anschauen,
08:25
allowing people to encrypt data that they upload,
230
493593
2728
ob Nutzer vielleicht Daten,
die sie hochladen, verschlüsseln,
die sie hochladen, verschlüsseln,
08:28
so it's kind of invisible and worthless
231
496321
1855
sodass sie unsichtbar oder wertlos
08:30
to sites like Facebook
232
498176
1431
für Seiten wie Facebook oder Dritte sind,
08:31
or third party services that access it,
233
499607
2629
die sich Zugang verschaffen wollen.
Auf der anderen Seite
sollen aber andere Nutzer,
sollen aber andere Nutzer,
08:34
but that select users who the person who posted it
234
502236
3247
die die Informationen
sehen sollen, sie auch sehen.
sehen sollen, sie auch sehen.
08:37
want to see it have access to see it.
235
505483
2670
08:40
This is all super exciting research
236
508153
2166
Das alles ist sehr spannende Forschung
08:42
from an intellectual perspective,
237
510319
1620
aus einer intellektuellen Perspektive
08:43
and so scientists are going to be willing to do it.
238
511939
1859
und deshalb sind Forscher
bereit, das zu tun.
bereit, das zu tun.
08:45
So that gives us an advantage over the law side.
239
513798
3610
Das verschafft uns einen Vorteil
gegenüber der politischen Lösung.
gegenüber der politischen Lösung.
08:49
One of the problems that people bring up
240
517408
1725
Wenn ich über dieses Thema rede,
08:51
when I talk about this is, they say,
241
519133
1595
äußern viele Leute die Kritik:
08:52
you know, if people start
keeping all this data private,
keeping all this data private,
242
520728
2646
"Wenn Leute anfangen,
all ihre Daten geheimzuhalten,
all ihre Daten geheimzuhalten,
08:55
all those methods that you've been developing
243
523374
2113
dann werden die von
Forschern entwickelten Methoden
Forschern entwickelten Methoden
08:57
to predict their traits are going to fail.
244
525487
2653
zur Berechnung von
Charakterzügen fehlschlagen."
Charakterzügen fehlschlagen."
09:00
And I say, absolutely, and for me, that's success,
245
528140
3520
Ich für meinen Teil finde,
dass das ein Erfolg ist,
dass das ein Erfolg ist,
09:03
because as a scientist,
246
531660
1786
weil ich als Forscherin
09:05
my goal is not to infer information about users,
247
533446
3688
keine Informationen
über Nutzer sammeln will,
über Nutzer sammeln will,
09:09
it's to improve the way people interact online.
248
537134
2767
sondern den Umgang
im Internet verbessern will.
im Internet verbessern will.
09:11
And sometimes that involves
inferring things about them,
inferring things about them,
249
539901
3218
Manchmal braucht es dazu
auch Datensammlungen,
auch Datensammlungen,
09:15
but if users don't want me to use that data,
250
543119
3022
aber wenn Nutzer mir ihre
Daten nicht geben wollen,
Daten nicht geben wollen,
09:18
I think they should have the right to do that.
251
546141
2038
dann sollten sie das Recht dazu haben.
09:20
I want users to be informed and consenting
252
548179
2651
Ich will, dass die Nutzer informiert und
einverstanden mit den
Tools sind, die wir nutzen.
Tools sind, die wir nutzen.
09:22
users of the tools that we develop.
253
550830
2112
09:24
And so I think encouraging this kind of science
254
552942
2952
Ich finde also, dass diese Art von
Wissenschaft gefördert werden sollte.
Wissenschaft gefördert werden sollte.
09:27
and supporting researchers
255
555894
1346
Forscher sollten unterstützt werden,
09:29
who want to cede some of that control back to users
256
557240
3023
wenn sie den Nutzern
der sozialen Netzwerke
der sozialen Netzwerke
09:32
and away from the social media companies
257
560263
2311
wieder etwas Kontrolle zurückgeben wollen.
09:34
means that going forward, as these tools evolve
258
562574
2671
Das heißt, dass wir in Zukunft,
09:37
and advance,
259
565245
1476
wenn sich diese Tools
entwickeln und verbessern,
entwickeln und verbessern,
09:38
means that we're going to have an educated
260
566721
1414
aufgeklärte und gestärkte Nutzer haben.
09:40
and empowered user base,
261
568135
1694
09:41
and I think all of us can agree
262
569829
1100
Ich denke, wir sind uns einig,
09:42
that that's a pretty ideal way to go forward.
263
570929
2564
dass das ein ziemlich
idealer Weg in die Zukunft wäre.
idealer Weg in die Zukunft wäre.
09:45
Thank you.
264
573493
2184
Danke.
(Applaus)
09:47
(Applause)
265
575677
3080
Reviewed by Patricia Guzmán (Calderón Koch)
ABOUT THE SPEAKER
Jennifer Golbeck - Computer scientistAs the director of the Human-Computer Interaction Lab at the University of Maryland, Jennifer Golbeck studies how people use social media -- and thinks about ways to improve their interactions.
Why you should listen
Jennifer Golbeck is an associate professor in the College of Information Studies at the University of Maryland, where she also moonlights in the department of computer science. Her work invariably focuses on how to enhance and improve the way that people interact with their own information online. "I approach this from a computer science perspective and my general research hits social networks, trust, web science, artificial intelligence, and human-computer interaction," she writes.
Author of the 2013 book, Analyzing the Social Web, Golbeck likes nothing more than to immerse herself in the inner workings of the Internet tools so many millions of people use daily, to understand the implications of our choices and actions. Recently, she has also been working to bring human-computer interaction ideas to the world of security and privacy systems.
Jennifer Golbeck | Speaker | TED.com