리얼리티 마이닝
Reality mining이 기사는 위키백과 편집자의 개인적인 감정을 진술하거나 주제에 대한 원론적인 주장을 제시하는 개인적인 성찰, 개인적인 에세이 또는 논쟁적인 에세이처럼 쓰여진다.(2017년 5월)(이를 과 시기 |
리얼리티 마이닝은 예측 가능한 행동 패턴을 식별하는 것을 목표로 인간의 사회적 행동과 관련된 기계 제공 환경 데이터를 수집하고 분석하는 것이다.2008년 MIT 테크놀로지 리뷰는 이를 "우리가 사는 방식을 바꿀 가능성이 가장 높은 10가지 기술 중 하나"[1]라고 평가했다.
리얼리티 마이닝은 개인 자신의 계정과 같은 보다 주관적인 출처보다는 사람들이 무엇을 하고 어디로 가고 누구와 소통하는지에 대한 보다 정확한 그림을 제공하는 이동전화와 GPS 시스템 같은 무선 장치의 사용을 바탕으로 인간의 상호작용을 연구한다.리얼리티 마이닝은 디지털 풋프린트 분석의 한 측면이다.[2]
리얼리티 마이닝은 빅데이터를 활용해 사람들이 매일 기술과 어떻게 상호작용하는지를 연구·분석해 개인에서 지구촌으로의 긍정적인 변화를 가능케 하는 시스템을 구축하고 있다.리얼리티 마이닝은 또한 데이터 배출을 다룬다.
개별 척도(1명)
개인들은 다양한 목적으로 휴대폰, 태블릿, 노트북, 카메라, 그리고 인터넷에 연결된 모든 장치를 사용하므로 GPS 위치에서부터 구글에서 자주 묻는 질문들에 이르기까지 다양한 데이터를 만들어 낸다.휴대전화는 개인에 대한 데이터를 너무 많이 가지고 있어서 이제 전화는 검색, 방문 장소, 책 선호도, 심지어 우리가 타이핑하는 문장의 끝부분까지 추측할 수 있는 식당들을 제안할 수 있다.리얼리티 마이닝의 간단한 적용은 목소리 청취와 음성 패턴 이해로 단순 독감과 같은 의학적인 문제를 파킨슨병 조기 발병까지 진단하는 것이다.보다 강력한 전화기는 또한 개인 내의 행동을 보여주는 캘린더 사용자 정의와 이벤트 추적을 가능하게 하고, 추적하기에 충분히 중요하다고 간주되는 것을 허용한다.소셜 웹사이트는 또한 연구자들이 페이스북이나 트위터에서 얻은 트윗의 상태 업데이트를 따라 함으로써 한 개인의 삶의 스냅 사진을 볼 수 있게 해준다.더욱 구체적으로, 최근 스냅챗이라는 앱은 사용자들이 자신이 하고 있는 일을 비디오, 사진, 심지어 라이브 스트림도 올릴 수 있게 해준다. 행동과 세계와의 상호작용을 보여주는 강력한 지표들이다.2004년, MIT는 100명의 MIT 학생들에게 노키아 6600을 준 Reality Mining Project를 수행했는데, 이 프로젝트는 연구자들에 의해 다양한 방법으로 추적되었다.Cell Tower ID #(위치를 측정하는 매우 저렴하고 눈에 띄지 않는 방법), 전화의 상태(충전 또는 유휴 상태), 전화기의 어플리케이션의 사용(게임, 웹서핑 등...)이다.그들은 이런 종류의 자료를 수집함으로써 학생들의 행동을 높은 정확도로 예측할 수 있다는 것을 발견했다. 예를 들어, 만약 학생들 중 한 명이 토요일 오전 10시에 일어난다면, 연구자들은 '유전자적 행동주의자들'을 사용하여 그날 그들이 무엇을 할 것인지를 예측할 수 있었다.데이터를 이해하는 이 새로운 방법은 상세하고 정확한 통계로 새로운 연구와 어쩌면 더 큰 조사 연구의 문을 열었다.걱정스러운 부모나 개인 생산성을 높이려는 사람들에게 유용한 휴대폰용 소프트웨어를 제공하는 수백 개의 웹사이트가 있다.그런 다음 이 데이터는 서버에 업로드되고 언제든지 액세스할 수 있다.
이미 개인용 기기에서 많은 데이터를 수집할 수 있지만, 그것들은 개인의 삶의 일부분일 뿐이다.현실 광부들은 또한 신체 건강과 활동을 측정하기 위해 생체 인식 장치를 사용할 수 있다.Fitbit, Nike+, Polar and Garmin GPS 시계와 같은 많은 장치들이 있다.심지어 수면의 양과 최적의 알람 설정까지 포함된 수면 품질을 측정하는 아이폰과 안드로이드 사용자들을 위한 수면 사이클이라는 앱도 있다.이 데이터를 이용하여 리얼리티 광부들은 사람의 실제 건강과 우리가 기능할 수 있게 해주는 과정들을 측정할 수 있을 것이다.심장마비는 일반적으로 어떤 종적 지표를 가지고 있지 않지만, 이 모든 데이터나 심지어 사람이 라이프엘로깅에 종사할 때 조차도 의료 분야에 유용한 날짜를 만들고 심장마비를 겪는 사람들의 생활 방식을 추적하여 예방적 지침을 만들 수 있다.Lifelogging을 시작하는 방법에는 여러 가지가 있는데, 예를 들어 구글 글래스라고 불리는 구글 글래스는 헤드업 디스플레이(HUD), 마이크, 프로세서, 카메라를 가지고 있다.이것들은 모두 특정 디렉토리에 정보를 기록하는 방법이다.
커뮤니티 규모(10~1000명)
연구원들이 대규모 집단에서 행동을 관찰하고 기록하기 시작한 방법은 RFID 배지를 사용하는 것이었다.그 단점으로는 작업장의 사회·기술 문화를 융합할 수 없어 불완전한 행동 데이터를 제공하는 것이 가능하지만, 작업자의 생산성과 효율성을 향상시키기 위해 노력하는 '지식경영시스템'을 이용하여 작업장에 데이터도 기록된다.지역사회에서 더 큰 집단의 사람들을 측정하는 또 다른 방법은 회의 참석을 통해서이다.이 데이터를 통해 연구자들은 참가자들이 어디에서 왔는지, 인종적 인구 통계, 그리고 행사에 참여하는 실제 인원을 알 수 있다.일부 회의에서는 표준 RFID 배지보다 기능이 더 많은 스마트 배지를 사용한다.마이크로소프트나 IBM과 같은 회사들은 회의 기간 동안 그들이 교류하는 사람들의 수를 기록하고 사람들이 설문 조사에 대한 질문에 대답할 수 있도록 하기 위해 그것들을 사용해왔다.스마트 배지는 또한 참석자들이 특정 부스에 있을 때 음성과 음성을 녹음하고 특정 프로파일이 부스의 특정 범위 내에 들어갈 때 부스 직원들에게 경고할 수 있다.스마트 배지는 실제 광부들을 위한 데이터 수집에 분명한 이점을 가지고 있다.2009년 당시 얼라이언스 테크놀로지가 인수한 nTag라는 회사는 누구와 대화해야 하는지 알림과 전자적으로 명함을 교환할 수 있는 nTag 기술을 사용했다.광부들이 보고 있는 또 다른 유형의 데이터 현실은 기후와 환경 정보다.그들은 일반적인 기후뿐만 아니라 이산화탄소와 질소산화물을 기록하는 공기 품질 센서를 이용하여 이웃으로부터 데이터를 수집한다.이와 같은 정보는 정책 입안자들이 행동할 것인지 말 것인지 아니면 진전을 볼 것인지를 결정하는 데 도움을 줄 수 있다.주변에 대한 자료를 수집하는 또 다른 방법은 노아 프로젝트를 통해서입니다.프로젝트 노아는 사람들이 업로드하는 식물과 곰팡이의 사진을 지오태깅해 사용자가 살고 있는 생태계의 종류를 볼 수 있도록 함으로써 식물 종의 종류에 대한 데이터를 수집하기 위한 노력이었다.이것은 프로젝트를 위한 데이터를 수집하려는 학교와 학생들에게 도움이 되지만 조류 관찰자들이 이 지역에 어떤 종류의 새들이 있는지 알 수 있도록 돕는다.
도시규모(1000~100만명)
이 구간에 대한 일반적인 용어로, 도시는 1,000,000명에서 1,000,000명으로 정의된다.도시 규모로 데이터를 수집하는 한 가지 방법은 교통 신호와 속도 카메라로 교통 정보를 수집하는 것이다.데이터는 또한 경찰 보고서와 도로 스캐너, 그리고 모바일 애플리케이션에서 GPS를 통해 수집될 수 있다.이런 종류의 교통 데이터를 이용하여 도시는 교통의 이동과 흐름을 가장 잘 허용하는 경로를 만들 수 있다.2010년에 시작된 Inrix라는 회사는 교통에 관한 데이터를 수집하고 브리지 운영자와 다른 운송 시스템으로부터 데이터를 구입하고 있다.그것은 교통 경로와 혼잡 시간을 예측하기 위해 이 데이터를 사용한다.트래픽을 모니터링할 수 있는 또 다른 방법은 인릭스가 고려하지 않는 블루투스 기술이다.메릴랜드 대학은 2012년에 2마일 간격으로 영구적으로 배치된 두 개의 블루투스 센서가 교통 속도를 정확하게 감지할 수 있다는 것을 증명하는 프로젝트를 완료했다.[3][4]이 모든 조합은 효율적인 정보로 사람들이 어디서 오고 갈 수 있도록 도와주는 경로 제안 알고리즘을 만들기 위해 만들어질 수 있으며, 또한 이러한 유형의 센서와 정보를 사용하여 경로를 실시간으로 업데이트할 수 있다.구글의 자회사인 와제(Waze)의 눈에 띄는 스타트업이 사고를 신고한 사용자(익명)로부터 데이터를 수집해 인앱 통화와 보상을 받는 게임이다.도시 규모 범죄의 경우, 데이터를 수집하고 보는 첫 번째 방법은 어느 지역에서든 이전 보고서의 역사적 연구를 통해서입니다.이제 더 복잡한 알고리즘은 실제 범죄가 발생하기 전에 자동으로 범죄율이 높은 장소에 경찰관을 배치한다.멤피스 경찰서는 2005년부터 경찰 보고서를 활용하고 열 지도를 이용해 범죄 발생률이 높은 지역과 낮은 지역을 구분하는 '블루크러시(Blue CRUSH, Criminal Reducation Tatistical History)' 프로그램을 사용해 왔다.이 프로그램은 매주 업데이트되며 그에 따라 경찰서에서 전술을 바꿀 수 있다.이런 종류의 자료를 활용하면 경찰서가 훨씬 더 의미 있는 방법으로 사회와 교류할 수 있고, 또한 재활보다는 예방적인 일을 할 수 있게 될 것이다.
전국규모(100만~1억명)
국가적 차원에서 볼 때, 정부는 훨씬 더 큰 역할을 한다.인구 조사 자료는 단연코 얻기 쉽다.많은 국가들은 추가 분석을 위해 데이터를 다운로드하고 시각화할 수 있는 웹사이트를 통해 인구 조사 결과를 공개한다.그는 또 "세계은행은 국제 조사를 실시하고 모든 참가국들의 인구조사 자료를 수집한다"고 덧붙였다.이러한 데이터는 공개적으로 액세스할 수 있다. 즉, 다운로드하여 독립적으로 정렬하고 분석할 수 있다.중요한 것은, 세계은행은 프로그래머들이 다양한 데이터를 소프트웨어 어플리케이션에 통합할 수 있는 개방형 API를 제공한다는 것이다.구글은 세계은행(World Bank) 데이터를 이용해 간단한 시각화 도구를 검색 결과에 통합했다. 보츠와나 인구에 대한 검색 질의는 세계은행(World Bank)의 숫자, 날짜, 수십 년 동안의 인구 변화를 보여주는 그래프를 끌어낼 것이다."[5]데이터를 수집하는 또 다른 방법은 통화 데이터 기록(또는 통화 세부 정보 기록)을 통해서 하는 것인데, 이 기록은 통화자 또는 발신자 및 수신자 모두의 시간과 위치 등의 정보가 담긴 통화와 텍스트의 기록일 뿐이다.CDR은 전화 회사들이 인간의 이동성 추세를 볼 수 있게 해준다.구글, 페이스북, 트위터와 같은 주요 데이터 회사들은 또한 연구원들이 자연재해 발생 시 자원 배분의 시기/장소까지 추적할 수 있도록 한다.
글로벌 규모(1억~7,000만 명)
세계의 가장 큰 걱정은 질병의 확산이며, 현실 채굴의 가장 좋은 응용 프로그램 중 하나이다.세계화로 여행 능력은 이전 역사에 비해 유례가 없다.유엔은 세계 개선을 목표로 하는 8가지 목표인 밀레니엄 개발 목표(MDG)라는 의제를 만들었다.그들은 매년 수십억 명의 사람들이 항공과 해상 여행을 통해 여행하기 때문에, 질병 통제에 관한 정책 수립을 위한 첫 단계인 인구 데이터를 수집해야 한다.항공 여행은 매년 해상 운송보다 더 많은 사람을 수송하지만, 수송에 관한 데이터를 수집하는 주된 이유는 수송품이 질병, 식인성 질환, 때로는 침입하는 동식물의 해충을 운반하기 때문이다.관리 및 수집이라는 아이디어는 기념비적인 것처럼 보이지만, 세계은행은 이미 Marrakech Action Plan for Statistics의 약자인 MAPS와 같은 통계 소프트웨어를 돕는 일을 시작했다.MAPS는 이 세 가지 목표를 포함하는 6가지 목표를 달성하는 것을 목표로 한다.
- 모든 저소득 국가를 위한 통계 시스템 계획 및 국가 통계 개발 전략 마련
- 개발도상국의 완전한 참여 보장
- 가구 기반 사회경제적 데이터 집합의 글로벌 모음인 국제 가구 조사 네트워크 설정
항공 여행을 하는 사람들의 경우, 2000년부터 매달 전세계 항공 교통량의 약 90%에 대한 데이터를 수집해 온 국제 항공 운송 협회(IATA)가 데이터 출처다.이 데이터는 연구자들과 전문가들이 지구상의 특정 위치에서 퍼지는 질병의 능력을 볼 수 있게 했다.선박은 전 세계 무역의 약 90%를 점유하고 있으며, 2001년에는 "해상 교통의 응답과 도착"을 기록하기 위해 자동식별 시스템이 시행되었다.
참고 항목
참조
- ^ 기술 리뷰 매거진 "TR10: 리얼리티 마이닝"
- ^ 비즈니스 '리얼리티 마이닝'에 금은 있다2008년 주
- ^ Bluetooth 트래픽 모니터링 기술 - 유니버설메릴랜드 주의 ITY – 첨단 교통 기술 센터
- ^ Eagle, Nathan; Green, Kate (August 2014). Reality Mining : Using Big Data to Engineer a Better World. The MIT Press. p. 206.
- ^ Eagle, Nathan; Green, Kate (August 2014). Reality Mining : Using Big Data to Engineer a Better World. The MIT Press. p. 111.
