Online Information Review
Несанкционированное скачивание книг — одна из самых больших проблем издательской индустрии во всем мире. Анализ посещений торрент-сайтов потоковой передачи и загрузки показал, что странами с наибольшим количеством интернет-пользователей, посещающих пиратские сайты, в 2016 г. были Латвия, Болгария и Литва; но в этом рейтинге также немало других европейских стран, что делает Европу континентом с очень высоким уровнем пиратства.
Сотрудники факультета коммуникации Вильнюсского университета (Литва) Арунас Гудинавичюс (Arūnas Gudinavičius) и Винцас Григас (Vincas Grigas) в статье «Причины и последствия несанкционированного использования книг: точка зрения читателей, авторов и издателей» (Causes and consequences of unauthorized use of books: readers, authors, and publishers' perspective) анализируют ситуацию с несанкционированным использованием оцифрованных печатных и электронных книг в Литве на основании результатов опроса трех заинтересованных сторон (издателей, авторов и читателей). Под «несанкционированным использованием» в данном исследовании имеется в виду использование, тиражирование и распространение интеллектуальной собственности без разрешения владельцев авторских прав. Несмотря на то, что продажа электронных книг была начата в Литве еще в 2011 г., легальные каналы не получили широкого распространения на издательском рынке страны. По данным Ведомства по интеллектуальной собственности Европейского союза за 2019 г., 45% молодых людей в Литве намеренно используют нелегальные источники для доступа к цифровому контенту. Это самый высокий показатель во всем Европейском союзе.
В полуструктурированных личных интервью приняли участие 30 респондентов, по 10 человек из каждой группы. Они представляли издательства (трое из крупных, четверо из средних и трое из малых издательств), авторов (двое мужчин и три женщины, работающие в жанре художественной литературы, двое мужчин и одна женщина – авторы научной литературы, один мужчина и одна женщина – авторы детских книг) и читателей (по одному мужчине и одной женщине из пяти возрастных групп: 18–24, 25–34, 35–44, 45–54 и > 55 лет). Оказалось, что для большинства респондентов основными причинами несанкционированного использования книг были:
1. Отсутствие удобных и законных способов приобретения книг (мнение читателей и авторов);
2. Экономические причины (все респонденты или пытаются сэкономить средства, или просто считают электронные книги слишком дорогими);
3. Моральные установки и привычки (читатели и авторы не считают несанкционированное использование контента чем-то незаконным);
4. Легкий доступ к несанкционированным источникам (респонденты отметили, что пользоваться торрент-сайтами очень удобно).
Что касается последствий - большинство опрошенных считают, что использование книг из неавторизованных источников приводит к снижению доходов издателей, продавцов и авторов. Также авторы статьи выявили интересный положительный, по мнению некоторых респондентов, результат несанкционированного использования книг – это увеличение времени, проведенного за чтением, а ведь если люди читают, они в какой-то момент придут и купят книги.
УДК: 347.781.031:004.77
ГРНТИ: 13.31; 20.15.31, 20.23.29
Источник:
https://www.emerald.com/insight/content/doi/10.1108/OIR-03-2021-0133/full/html
В настоящее время алгоритмическое управление широко применяется для снижения информационной нагрузки в различных веб-сервисах, таких как онлайн-платформы для покупок и развлечений или социальные сети. Рекомендательные системы сокращают объем информации, которую платформа отображает пользователю, однако то, каким образом контент отбирается алгоритмом, варьируется в зависимости от платформы, постоянно меняется и часто защищено коммерческой тайной. Такая система фильтрации контента получила распространение также и в научных социальных сетях, таких как ResearchGate.net и Academia.edu. Коллектив авторов – Лусиана Монтейро-Кребс (Luciana Monteiro-Krebs), Биеке Заман (Bieke Zaman), Соня Элиза Кареньято (Sonia Elisa Caregnato), Дэвид Гертс (David Geerts), Висенте Грасси-Фильо (Vicente Grassi-Filho) и Ньи-Ньи Хтун (Nyi-Nyi Htun) – в статье «Выявление алгоритмических механизмов научных социальных сетей, вызывающих искажения и предубеждения» (Trespassing the gates of research: identifying algorithmic mechanisms that can cause distortions and biases in academic social media) представляют социально-технический анализ рекомендательных систем платформы ResearchGate с использованием метода пошагового руководства. Платформа ResearchGate выбрана благодаря ее популярности среди исследователей и широкому охвату пользователей. Это исследование – часть проекта «Алгоритмическое посредничество в научных социальных системах» (Algorithmic Mediation in Academic Social Systems, AMASS); оно является продолжением ранее опубликованной научной работы, посвященной коммуникации между платформой и пользователями.
Сбор данных был проведен в сентябре 2019 г.; процедура анализа состояла из трех этапов. На первом этапе были определены все коммуникативные элементы интерфейса (метки контента), так или иначе связанные с рекомендациями. Второй этап (анализ интерфейса) включал в себя подробное изучение сущностей, участвующих в формировании рекомендаций и их соответствующих (видимых) атрибутов. Авторы статьи определили шесть основных сущностей: исследователь, публикация, исследовательский проект, карьерный уровень и ученая степень, вопросы пользователю и учреждение. Также был определен 21 атрибут, используемый платформой ResearchGate для составления рекомендаций контента, и выделены потенциальные предубеждения, которые порождаются системами рекомендаций или усиливаются ими, включая те, что связаны с выбором платформы, расстановкой приоритетов, влиянием аудитории, передачей данных и профилированием. На третьем этапе авторы изучили условия пользования ResearchGate в поисках информации о модерации контента и формировании RG Score, одного из наиболее важных показателей на платформе. Эта метрика отображается рядом с именем каждого исследователя в интерфейсе и важна для рекомендаций, поскольку устанавливает «репутацию исследователя» на платформе. В логике платформы при выборе эксперта возможно возникновение эффекта Матфея, поскольку платформа в значительной степени учитывает репутацию исследователя как одного из факторов рекомендаций.
Термин «эффект Матфея» был введен американским социологом Робертом Мертоном для описания феномена накопленного преимущества, когда выдающийся ученый часто получает больше признания, чем сравнительно неизвестный исследователь, даже если их работы равнозначны. Эффект выражается также в том, что заслуга в совместной работе присваивается самому известному ученому, независимо от порядка упоминания авторов в статье, запускается автокаталитический процесс, и таким образом этот ученый становится еще более известным.
УДК: 316.74:001.8
ГРНТИ: 12.21.65; 19.31; 12.41.55
Источник:
https://www.emerald.com/insight/content/doi/10.1108/OIR-01-2021-0042/full/html
В шестом номере журнала опубликована статья Сепанта Шарафуддина (Sepanta Sharafuddin) и Ивана Белика (Ivan Belik), сотрудников Норвежской школы экономики, под заглавием «Эволюция анализа данных в бизнес-кейсах» (The evolution of data analytics through the lens of business cases). Анализ данных — динамично развивающаяся область деятельности, между тем, не получившая по сей день универсального определения. Анализ данных в бизнесе есть обобщение результатов различных видов деятельности и операций компаний и предприятий, применение процессов обработки данных в решении бизнес-проблем, то есть сбор данных, их формализация и обработка с целью получения знаний, решения конкретных экономических проблем и управления рабочими процессами.
Авторы предприняли комплексный обзор современного состояния и тенденций развития технологий анализа данных, применяемых в бизнес-практике с момента их появления. В настоящем исследовании внимание уделено природе и видам технологий, основанных на данных, которые с большой вероятностью получат развитие в последующих десятилетиях в различных сферах экономики.
Для анализа трех периодов развития информационной аналитики в бизнесе – в прошлом (1950-е–1990-е гг.), настоящем (2000–2020-е гг.) и будущем (2030-е–2050-е гг.) – рассмотрен соответственно опыт трех крупнейших компаний. Это оптово-розничная сеть Walmart, стриминговая развлекательная компания Netflix и ИТ-компания Affectiva. Все они показали пример потрясающей адаптации к технологическим сдвигам и решения сложнейших задач анализа данных в период эволюционного перехода от старых технологий к новым.
В контексте эволюции анализа данных опыт компании Walmart – это решение задач сбора, обработки и обобщения данных об индивидуальных клиентах/пользователях (например, данных о покупательском поведении). Опыт Netflix демонстрирует, как компании извлекают ценнейшую бизнес-информацию и на этой основе добиваются сверхэффективности, опираясь на большие данные и технологии машинного обучения. Подход компании Netflix к анализу данных — показательный пример эффективной дешифровки разнородных данных и их анализа.
Индустриальная концепция 4.0 подразумевает интеграцию ИТ с физическими системами, ведущую к появлению киберфизического мира, превращающего мир реальный в виртуальную реальность, часто без участия человека. Компания-разработчик искусственного интеллекта Affectiva создает новую технологическую категорию –искусственный эмоциональный интеллект (ЭИ) на основе обработки огромного массива информации, получаемой от действующих в реальном времени сенсоров и видеоустройств. Успех компании в разработке продуктов ЭИ основывается на четком понимании экспоненциального роста возможностей ИИ для обработки данных благодаря появлению автономных устройств сбора и обработки данных.
Можно с уверенностью предсказать, что ИИ будет предлагать бизнесу все более совершенные системы анализа данных и что происходящая революция, связанная с ИИ и ЭИ, с большой вероятностью трансформирует среду человеческого труда. Так, например, компания Affectiva уже сотрудничает с людьми, готовыми предоставлять свои индивидуальные данные для разработки и совершенствования технологий распознавания эмоций, которые в перспективе смогут быть использованы в маркетинговых исследованиях. Поскольку это не единственный опыт, то можно прогнозировать, что стремительное развитие информационных технологий направлено в сторону появления киберфизического общества, в котором человек, корпорации, устройства будут тесно взаимосвязаны. Такое общество будет как никогда открыто для обмена данными.
Анализ тенденций в области развития технологий и репрезентативные тематические исследования (кейсы) позволяют сделать вывод о динамичном развитии информационной аналитики и отсутствии стагнации в этой сфере. Изучение же динамики эволюции в той или иной области на реальных примерах способствует лучшему пониманию сдвига парадигмы и соответствующих технологических достижений в ИТ-бизнесе.
УДК: 004.8:001.103-047.44
ГРНТИ: 28.23
Источник:
https://www.emerald.com/insight/content/doi/10.1108/OIR-07-2021-0355/full/html