Описание проекта
Этап исследования уже построенной модели особенно важен в задачах анализа эффектов усиления неравенств участия и вклада в алгоритмически-регулируемых сообществах, другими словами -- при исследовании того, насколько применяемые в таких сообществах социальные алгоритмы влияют на возникновение смещения в оценках и, как следствие, на структуру сообщества. Поэтому в качестве примеров применения проект фокусируется на изучении работы сложных социальных онлайн-сообществ (ИТ-сообществ, таких как GitHub, StackOverflow, киберспортивных сообществ и т.д.), общими характеристиками которых является наличие формализуемых связей между пользователями, репутационных и рэнкинговых систем и многомерных профилей пользователей (вкусы, командная принадлежность, стек технологий и т.д.). Экосистема, складывающаяся вокруг таких сообществ, со своими ограничениями, порогами входа (или их отсутствием), методами формирования репутации -- важный объект изучения в области социального компьютинга.
Проект продолжает общую тематику НУГ "Машинное обучение и социальный компьютинг" по изучению социальных алгоритмов, но посвящен другому аспекту анализа -- исследованию уже построенной модели, поиску смещений, обусловленных моделью, выявлению контрпримеров, т.е. примеров, противоречащих общей тенденции. Одним из направлений исследования является разработка моделей на основе байесовских сетей для генерации подвыборок контрпримеров, что позволит изучить противоречивые случаи более подробно.
Таким образом, проект направлен на анализ, модификацию и разработку методов и инструментальных средств, направленных на интерпретацию и исследование работы социальных алгоритмов машинного обучения, которые позволят усилить фокус на альтернативных треках, частных правилах и "ловушках" при выборе, сравнении и понимании результатов моделей, используемых при изучении онлайн-сообществ.
В результате применения разработанных средств и методов мы планируем выявить ключевые механизмы работы, барьеры участия и эффекты социальных алгоритмов в крупных онлайн сообществах, применяя методы машинного обучения, алгоритмы социально-сетевого анализа и аппарат вероятностных графических моделей, а также алгоритмы ранжирования и поиска ассоциаций.
Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.