소셜 네비게이션

Social navigation

소셜 네비게이션은 1994년 폴 두리쉬와 매튜 샬머스가 도입한 소셜 컴퓨팅의 한 형태로, 그는 이것을 "다른 항목이나 다른 그룹의 활동의 유물로써 도발될 때"라고 정의했다.[1] 2002년 이후의 연구에 따르면, 「소셜 네비게이션은 정보 자원의 동위 사용자의 지식과 경험을 활용한다」라고 하여 정보 공간에서 이용자를 안내하고, 월드 와이드 웹 등으로부터 이용 가능한 모든 디지털 정보로 효율적으로 탐색·검색하는 것이 점점 어려워지고 있다고 한다.[2] 다른 사람의 항해 경로를 연구하고 그들의 행동을 이해하는 것은 다른 사람의 행동을 바탕으로 더 많은 정보에 입각한 결정을 내리도록 지도함으로써 자신의 검색 전략을 개선하는 데 도움을 줄 수 있다.[3]

웹 2.0과 소셜 웹이 발전하기 전 월드 와이드 웹은 사용자들이 다른 사람들이 어디를 탐색하거나 탐색하는지 알지 못하는 고독한 공간이었다.[4] 특히 정보 시각화가 개선됨에 따라 소셜 네비게이션 연구의 범위가 증가하고 있다. 가상 공간에 소셜 정보를 표시하면 사용자 행동 모델이 디지털 시스템을 더 사회적, 덜 고독하게 느끼게 할 수 있다.[2]

뒷받침되는 이론 및 기법

소셜 네비게이션의 개념은 여러 이론에 의해 뒷받침된다. 정보수색 이론은 정보를 찾고, 수집하고, 공유하고, 소비할 때 인간의 행동을 연구한다.[5] 정보를 탐색할 때 인간의 행동에 최적의 포획이론을 적용하고,[6] 역사적으로 풍부한 디지털 오브젝트를 바탕으로 다른 사람에게서 어떻게 이익을 얻는지 설명하며, 중고품이나 경로에 대한 아이디어를 설명한다. 예를 들어 노트, 하이라이트, 밑줄이 있는 중고책은 신간과 다르다. 역사가 풍부한 디지털 오브젝트는 사람들이 대상을 더 빠르고 효율적으로 찾을 수 있도록 돕는다.[7]

정보 포획은 정보를 찾는 사람들이 자신의 목표에 최적으로 도달하기 위해 다른 사람의 길을 [6]따라간다고 기술하는 식량 포획과 개미 군락 최적화의 대안이다. 최적의 정보는 단위 비용당 획득되는 정보의 가치(시간 또는 노력 등)를 극대화해야 한다.[5] 이 이론은 협업 활동을 지원하며,[8] 설계자가 다른 사용자의 연구로부터 이익을 얻을 수 있는 좋은 인터페이스를 구축하기 위한 지침이다.[7]

이 이론의 약점은 사람들이 정보를 잘못 이해했을 때 이다; 그들은 그것을 알아내지 않으면 방향을 바꿀 수 없으며,[7] 최적화는 항상 인간의 행동에[8] 해당되는 것은 아니다.

정보는 패치 모델 연구 항해의 필터링 된 정보와 밀집 정보에 빨리 가능한 전반적인 정보를 최적화하기 위해 일한다;[5][8]은 정보 단서. 모델은 다른 사용자에서 사용하는 가장 유용한 신호를 받고 있고[5][8]과 정보 다이어트 모델(제작 정보 값을 결정한 시간을 재시는군요.y선택) 사람들이 다른 사람의 선택에 따라 대상 정보를 선택하는 방법을 설명하고, 이것이 최적의 만족 정보로 이어진다.[5][8]

웹페이지 디자인은 또한 사용자가 어떻게 사회적으로 인터넷과 상호작용하는지에 있어서 중요하다. 접근성과 인기 사이에는 상관관계가 있다:[9] 웹사이트가 더 기능적일수록 더 많은 트래픽을 받을 것이다.[9] 웹 서비스가 더 자주 이용되는 것은 당연히 더 많은 사회적 경험이 될 것이다. 페이지의 위치, 속성, 하이퍼링크 수, 액세스 모드 등 접근성에 기여하는 요인은 수없이 많다.[10][11] 사람마다 웹 서핑에 대한 접근 방식이 다르기 때문에, 인터넷 네비게이션은 "내부(정신적) 모델의 생성과 해석"으로 정의되며, 그 구성요소 활동은 브라우징, 모델링, 해석 및 브라우징 전략의 공식화"[10]이다. 사용자가 자신의 관심사를 반영해 브라우징 전략을 교정하면 자신의 관심사와 관련된 페이지를 더 쉽게 찾을 수 있다는 이론이 있다.[10] 하이퍼링크를 통한 정보 없는 탐색은 오해를 불러일으킬 수 있으며 더 많은 수의 원치 않는 사이트에 액세스하게 된다.[12] 북마킹은 향후 브라우징을 위해 저장되는 하이퍼링크를 만들기 [12]때문에 자신의 관심사에 호소하는 사이트로 돌아가는 방식이다. 인구가 같은 페이지를 북마크하고 자주 방문하면 공동체 의식을 형성한다. 최근 다른 현재 사용자의 라이브 업데이트는 웹 브라우징의 사회적 측면에 또 다른 차원을 추가한다.[12]

협업 필터링은 소셜 네비게이션에서 널리 사용되고 있는 또 다른 기술이다. 비슷한 사회적 이해관계를 공유하는 타인에 의한 트래픽에 근거해 이용자에게 검색결과를 제시하면, 보다 보람 있고 효율적인 경험을 할 수 있다는 것을 시사한다.[13] 예를 들어, 아마존닷컴은 비슷한 사용자가 구매한 다른 상품을 쇼핑객들에게 보여주는 "이 상품을 구매한 고객들" 기능을 가지고 있는데, 이것은 웹 브라우징의 흐름을 간소화하고 보다 관련 있는 페이지에 쉽게 접근할 수 있게 해준다.[13]

소셜 네비게이션은 다른 유형의 가상 세계에서도 논의될 수 있다. 문로는 소셜 네비게이션을 고려할 때 몇 가지 독창적인 개념을 공유한다. 개별적인 상호 작용 대신에, 그것은 "정보 공간을 통해 움직이고, 그 공간에 있는 다른 사람들의 활동과 방향을 자신의 공간 활동을 관리하는 방법으로 이용하는 방법"으로 제시될 수 있다. 문로는 풍경이나 지도처럼 구조 자체에 주로 의존하는 공간 탐색이 사회 탐사와 대조를 이룰 수 있다고 지적한다. 사용자는 특정 공간에 있는 데이터와 개체뿐만 아니라 다른 개인과 이들의 상호 작용도 사용할 수 있다.[14]

사용자 활동 흔적

사용자들은 온라인 커뮤니티를 통해 이동하면서 의도적이거나 의도하지 않은 활동 흔적을 남긴다. 의도적인 추적으로는 게시물, 다른 사용자의 게시물에 대한 응답, 친구 수, 업로드된 미디어, 기타 사용자가 의도적으로 정보를 공유하는 활동 등이 있다. 의도하지 않은 추적에는 검색 기록, 특정 페이지에 소요된 시간, 바운스 속도, 웹 서버에 의해 사용자의 작업이 서버 로그에 자동으로 기록되는 기타 활동이 포함된다.

비외르네본은 온라인 커뮤니티 사용자를 '추적자'(즉, 실행 가능한 아이템을 남기는 사용자)와 '추적자'(추적자가 남긴 흔적을 따르는 사용자)로 분류한다. 이러한 참여 활동은 소셜 검색과 사회탐색 기능의 영향과 행동을 추구하는 다른 사용자의 정보를 안내할 수 있다.[15] 소셜 브라우징의 트레이스-리빙 활동과 소셜 검색의 개념을 결합하는 것은 Freyne 등이 증명했듯이 특정 온라인 커뮤니티의 요구에 더 잘 맞는 검색 결과를 생산하기 위해 같은 생각을 가진 검색자들의 집중적인 검색 활동을 기록하고 재사용하는 것에 의존한다.[16]

Amazon.com과 같은 웹사이트는 구매 이력이나 상품 리뷰와 같은 사용자 추적을 분석하여 다른 사용자(예: "이 아이템도 구매한 고객...")[17]에 대한 추천을 생성한다. GitHub와 같은 협업 소프트웨어 개발을 위한 온라인 플랫폼은 저장소의 수, 프로젝트 전반의 활동 이력, 커밋, 개인 프로필과 같은 활동 추적에 의존하여 커뮤니티에서 사용자의 평판을 결정한다.[18]

사용자 활동 흔적은 온라인 커뮤니티의 건강(커뮤니티가 번성할 것인지 감소할 것인지)을 결정하는 사용자의 행동 패턴과 경향을 모델링하는 데 사용될 수 있다.[19] 이러한 모델은 또한 콘텐츠의 전파와 미래의 인기를 [20]예측하거나 투표가 발생하기 전에 결과를 예측하는 데 사용될 수 있다.[21] 활동 및 교통 패턴은 기존 시스템의 성능을 평가하고 현장 가용성, 아키텍처 및 인프라를 개선하는 데 사용될 수 있다.[22]

태그 기반 소셜 네비게이션

정보 공간을 탐색하고 발견하기 위한 두 가지 전략이 기본적으로 있다. 첫 번째 전략은 사용자가 무엇을 찾고 있는지 알고 있는 정기 검색이다. 이런 맥락에서 사용자는 대상 정보를 염두에 두고 있다. 그들은 보통 검색 엔진에 입력하기 전에 검색 질의를 먼저 공식화해야 한다; 또 다른 검색 전략은 사용자들이 목표 정보를 염두에 두지 않고 특정 하이퍼링크를 따라 정보를 탐색하는 탐색이다.

내비게이션은 '어휘 문제'를 가리키는 사람들이 필요로 하는 정보를 형성하고 기술하는 것보다 사용자가 찾고 있는 것을 인식하는 것이 더 쉽기 때문에 검색보다 장점이 있다고 여겨진다.[23] 소셜 태깅은 일련의 자원을 조직하는 새로운 사회적 방법의 역할을 하며, 새로운 사회적 각도에서 "언어 문제"에 접근한다. 소셜 태깅 시스템은 사람들이 자유롭게 선택한 단어인 태그를 사용하여 자신의 필요에 따라 일련의 자원을 주석 처리하고, 소셜 태깅 시스템의 다른 사용자와 공유할 수 있도록 한다. 이 인간에 기반한 자원의 주석 결과를 민속학이라고 한다. 소셜 태그 시스템의 예로는 BibSonomy, Cite가 있다.ULike, Flickr, Delicious.

태그 구름

주요 기사: 태그 구름

태그 클라우드는 사용자가 전체적으로 볼 수 있는 주제 또는 주제를 텍스트로 표현한 것으로 자원의 "정보"를 캡처한다.

태그 구름은 만들기 쉽고 이해하기 직관적이며 널리 사용된다. 또한 태그 시스템에 있는 사용자, 태그 및 리소스 간의 세 가지 유형의 관계를 나타낼 수 있다. 단, 화면에 표시할 수 있는 태그 클라우드에는 크기 제한이 있다. 최상의 태그를 선택하고 태그 클라우드에서 관계를 나타낼 수 있는 정보 공간을 구축하는 것이 중요하다.[citation needed]

태그 클라우드는 매우 간단하며, 사용자를 지원하기 위해 적용할 수 있다. 연구자들은 리바데네이라 외 연구진이 설명한 바와 같이 태그 클라우드가 일반적으로 다음 네 가지 다른 작업에 더 유용하다는 것을 발견했다.[24]

  • 검색: 지정된 대상의 존재 여부 찾기
  • 탐색: 특정 대상을 염두에 두지 않고 클라우드 탐색
  • 주제에 대한 시각적 인상 얻기
  • 인식 및 일치: 태그 클라우드를 특정 항목을 설명하는 데이터로 인식

연구자들은 또한 다른 작업을 수행할 때 서로 다른 레이아웃이 유용하다는 것을 발견했다. 그들은 또한 태그 클라우드 타이포그래피(글꼴 크기/위치)가 중요하다는 것을 보여주었다: 글꼴 크기는 색상, 태그 문자열 길이, 태그 위치 같은 다른 시각적 특징보다 태그 찾기에 더 큰 영향을 미친다.[25][26][27]

이전 연구에 따르면 태그 클라우드 평가를 수행하는 일반적인 방법은 다음과 같다.[28][29]

  • 범위, 겹침 및 선택성과 관련하여 태그 클라우드에 대한 특정 평가 메트릭 사용
  • 평가 메트릭과 결합하여 탐색에 대한 태그 클라우드 평가를 허용하는 사용자 탐색 모델
  • 이미지 컬렉션에서 태그 기반 정보 액세스를 평가하기 위한 사용자 스터디
  • 항법성 가정(태그 구름은 항법에 유용하다는 널리 채택된 믿음) 검토

태그 클러스터링

사회적 태깅 데이터의 문제는 구조의 부족이다. 동의어, 다의어 및 동음이의어 또는 태그 의미론 관련 문제는 태그 데이터와 관련된 추가적인 문제들이다. 두 가지 주요 범주가 있다: 플랫 클러스터링 알고리즘과 계층적 클러스터링 알고리즘.

플랫 분류는 세 가지 방법을 나타낼 수 있는데, 태그 클라우드 선택을 위해 널리 채택된 알고리즘은 베네치아 등이 제안한 TopN 알고리즘이다.;[29] 연결된 태그의 그래프를 클러스터로 분할하는 네트워크 기반 방법, 태그 간의 의미적 관계를 고려하는 머신러닝 방법.

계층적 태그 클러스터링은 비정형 태그 데이터로 계층 구조를 생성하는 것을 말한다. 이 구조는 정보공간에 대한 이용자의 멘탈 맵으로 볼 수 있으며, 항해 보조로 활용할 수 있다. 계층적 태그 클러스터링은 다음 세 가지 방법을 참조할 수 있다.

  • 계층적 클러스터링은 K-Means 알고리즘을 적용하여 텍스트 데이터와 함께 작업하고 태그 계층을 하향식으로 생성하는 방법이다.
  • 친화도 전파는 각 데이터 샘플의 "책임성" 및 "가용성" 값에 따라 특성을 나타낸다. 알고리즘의 입력은 매트릭스에서 제공되는 데이터 샘플 간의 유사성 집합이며 알고리즘의 출력은 계층이며, 계층의 각 노드는 고유한 태그를 나타낸다.
  • 태그 유사성 그래프 방법의 일반성에는 다음이 포함된다.
    1. 알고리즘의 입력은 태그의 유사성 그래프 입니다.
    2. 가장 일반적인 노드를 계층의 루트로 설정
    3. 다음 규칙에 기반한 유사성 그래프에서 중심성의 내림차순으로 계층에 추가된 다른 모든 노드:
      1. 계층에 현재 존재하는 모든 노드와 후보 노드 간의 유사성 계산
      2. 유사성이 지정된 임계값을 초과하는 경우: 후보 노드는 계층에서 가장 유사한 노드의 하위 노드로 추가됨
      3. 그렇지 않으면 후보 노드가 루트 노드의 하위 노드로 추가됨

소셜 태그 시스템의 탐색 모델링

모델링 태그 기반 네비게이션은 소셜 태그 시스템에서 발생하는 프로세스와 시스템이 어떻게 사용되는지를 이해하기 위해 사용된다. 소셜 태그 시스템에서 모델 태그 기반 내비게이션을 이해하는 두 가지 요소가 있다: 내비게이션을 위한 기본 모델링 프레임워크와 내비게이션을 안내하는 민속학의 능력에 대한 이론 이해.

내비게이션을 위한 기본 모델링 프레임워크

Markov 체인 모델:

  • 웹 상의 네비게이션은 웹 페이지 사이의 링크를 추적하는 과정으로 볼 수 있다.
  • Markov 체인 모델은 웹 페이지 사이에 전환 확률을 할당한다(상태라고도 함)
  • 첫 번째 순서 마코프 체인(상태 간 전환 확률은 현재 상태에 따라서만 달라짐)이 더 일반적으로 사용된다.

분산 검색:

  • 네트워크에서 탐색은 메시지 전달 알고리즘 분산 검색을 통해 모델링할 수 있음
  • 대상 노드를 찾을 때까지 메시지 홀더가 메시지를 인접 노드 중 하나로 전달
  • 각 단계에서 이동의 결정은 네트워크의 현지 지식에 의해서만 이루어진다.
  • 노드 경로 찾기(웹 탐색에서 이미 실현됨)

검색에 대한 이론적 적합성

각기 다른 학자들이 항해 보조 도구로서의 민중학의 적합성을 주장하기 위해 이론적 지지를 제공했다. 크게 네 가지 관점이 있다.

  • 네트워크 이론적 관점은 두 가지 측면을 가지고 있다: 그래프로서의 민중학의 일반적 탐색성 또는 그러한 그래프에서 탐색을 안내하는 태그 계층의 능력.
  • 정보 이론적 관점에서는 사회적 태깅을 정보 공간을 요약한 정신적 지도를 만들기 위한 집단적 노력으로 보는 것을 제안한다.
  • 디지털 환경에서 인간 정보를 찾는 방법을 설명하는 정보 검색 관점
  • 태그 지정 대 라이브러리 접근 방식. 그들은[who?] 통제된 어휘의 정의를 제안했고 사회적 태깅 시스템에 나타난 제한 없는 자유형 어휘를 통제된 어휘에 비교했다.

실용적 민속학적 평가

이 절에서 소개된 평가 방법은 헬리컬 외 연구진이 작성한 논문에 기초한다.[30] 저자는 논문에서 다음과 같은 이유로 사람들이 분권형 검색을 위한 입력(백그라운드 지식)으로서 민중학 알고리즘(계층적 구조)에 의해 생성된 산출물을 활용할 수 있다는 일반적인 생각을 제안했다.

  • 분산형 검색의 성능은 탐색을 용이하게 하기 위해 개발된 계층적 클러스터링 결과의 품질에 크게 좌우된다.
  • 분산형 검색 알고리즘의 성능은 민간의 적합성에 따라 달라진다.
  • 저자들은 분권형 검색에 대한 시뮬레이션 방법을 활용해 민간의 적합성을 평가할 수 있다고 제안했다.

구현 예

교육제도

지식해 II와 같은 교육 시스템에서는 소셜 네비게이션의 다양한 적용이 연구되어 왔다. 기존의 접근방식(Closed Corpus)에 비해 온라인 정보(이름의 Open Corpus)와 다른 출처의 피드백을 수집할 수 있다. 단체 교통은 '교재의 가장 중요한 부분'과 같은 사회탐색 정보를 나타내는 피드백으로 활용된다. 강의실 학습 후, Knowledge Sea II 시스템은 교과서의 내용 관련성 시각화와 학생 사용자의 만족도에서 더 나은 성능을 보여준다.[31]

메르텐스와 그의 동료들은 하이퍼미디어 네비게이션 개념의 추가로 기존의 시스템인 Virt Presenter를 최적화했다. 책갈피, 발자국, 구조적 요소들이 통합되어 사용자들이 강의 기록에 접근하도록 돕고 미래 사용자들을 위한 소셜 네비게이션을 지원한다. 새로운 버전의 거장 프리젠서는 시각화, 주 단위 필터링, 교환 가능한 책갈피와 같은 소셜 네비게이션 기능에서 더 나은 성능을 보여준다.[32]

파잔과 브루실로프스키는 웹 주석 기능과 적응형 내비게이션 지원 기능을 결합해 웹 기반 교육에서 소셜 내비게이션 애플리케이션을 시너지 효과를 내는 AnnotatEd 시스템을 도입했다. 웹 주석과 소셜 네비게이션 지원의 구현으로 시스템 통합 Knowledge Sea II는 6학기 동안 피츠버그 대학교 정보 시스템스쿨에서 평가를 받았으며, 소셜 네비게이션 통합으로 인해 새로운 시스템에 대한 사용자 태도가 현저히 높은 것으로 나타났다.[33]

도시이동정보시스템

도시 모바일 정보 시스템에서 소셜 내비게이션 구현을 보여주기 위해 시티플록스(CityFlocks)라는 시스템이 도입되었다.[34] 이 구현은 빌란지치 외 연구진이 설명한다. (2008).[35] 휴대전화 사용자의 유입에 따른 '사회적으로 맹목적인' 문제를 해결하기 위해 시티플록스는 시내의 물리적 목표물에 대한 좌표와 결합한 웹 주석을 직간접적으로 가능하게 설계했다. 소셜 네비게이션의 요건과 문제점을 수집하기 위해 포커스 그룹을 선택했다. 이 시스템은 구글 지도와 정보 검색과 같은 적절한 기술을 사용하여 설계되고 생성된다. CityFlocks의 사용자 테스트는 직접적 접근법보다 간접적 접근법이 더 허용 가능하다는 것을 보여주었다.[citation needed]

프로토타입

소셜 내비게이션 시스템의 두 가지 프로토타입이 도입되었다. 저글러와 소용돌이. 저글러 시스템은 텍스트 가상 환경인 MOU와[clarification needed] 웹 클라이언트를 결합한다. 보텍스 시스템은 단순화된 데스크톱을 사용하여 URL을 표시한다.[36]

역사적으로 풍부한 구현

소셜 내비게이션을 역사적으로 풍부하게 구현하는 것은 잠재적 사용자의 행동 흔적을 미래 이용자에게 가시화시키는 것에 기초한다. 이 아이디어의 구현은 문서지도, 네비게이션 경로, 문서의 주석과 표지판 등 다양한 사회탐색 메커니즘이 풍부한 정보공간을 도입한 웩셀블라트와 메이스 덕분이라고 할 수 있다.[37] 그들은 6가지 특성을 사용했다: 근소성 대 역소성, 능동 대 수동성, 변화율, 투과 정도, 개인 대 사회성, 그리고 정보의 종류. 역사적으로 풍부한 정보 공간의 더 많은 예가 교육 영역,[38] 위치 기반 네트워킹, 음식 조리법 등 다른 맥락에서 구현되었다.

하산 카리미와 그의 팀이 고안한 위치 기반 소셜 네트워크 애플리케이션인 소셜 네비게이션 네트워크(SoNavNet)는 내비게이션 경험을 공유하기 위한 것이다. 단순히 구글 맵처럼 최단 시간이나 거리를 보여주는 것 외에 사용자들의 구체적인 경험과 추천이 밑줄 친다. 위치정보와 메시지 기능을 모두 갖춘 소나브넷은 이용자들이 현재 위치와 관심장소를 제시하면서 친구에게 요청을 보낼 수 있게 하고, 그 곳에서 자신의 필요에 맞춘 경로와 장소 정보를 얻을 수 있게 한다.[39]

마틴 스벤슨과 그의 팀은 직접적, 간접적 네비게이션 접근방식을 모두 갖춘 레시피 추천 시스템인 유러피언 푸드 온라인을 만들었다. 소셜 네비게이터는 사용자의 행동과 넷 기반 통신 사용을 모델링하기 위해 자바 서블릿으로 구현되었다.[40]

내장된 시각화 구현

소셜 네비게이션 구현은 사용자가 필요한 정보를 찾을 수 있도록 안내하는 데 중요한 역할을 한다. Wesley Willett와 그의 팀은 내장된 시각화로 항법을 개선하는 Scented Widget을 설계했다. 그들은 표준 인터페이스 위젯으로 향기 지표를 구현했고 데이터에 시각적 인코딩을 사용했다. 색조, 포화, 불투명도, 텍스트, 아이콘, 막대 차트, 라인 차트는 다양한 정보를 강조하기 위한 향기 인코딩으로, 동시에 다양한 유형의 데이터를 표시할 수 있다. 그들은 Java Swing과 플랫폼의 플러그형 모양과 느낌을 사용하여 런타임에 위젯을 만들고 변경했다. 사용자 친화적인 인터페이스를 설계하기 위해서, 그들은 향기 인코딩, 레이아웃, 그리고 구성 지침을 따랐다.[41]

사용 가능한 보안에서 구현

파일 공유 시스템에서 모든 사용자는 네트워크를 통해 자신의 컴퓨터에 어떤 파일을 공유할 수 있는지 결정할 수 있다. 당초 사용자 스스로 이러한 보안 관련 설정을 구성해야 했고, 이용자 10명 중 8명 정도가 의도치 않게 신용카드 정보나 주소 등 개인정보를 유출했다. 이 문제를 바탕으로 어바인 캘리포니아 대학의 폴 디지아이아와 폴 두리쉬는 소셜 네비게이션을 활용한 말뚝 은유 모델을 도입해 문제를 해결했다.

말뚝 은유 모델은 크게 두 가지 부분에 초점을 맞춘다. 첫째, 사용자는 이 시스템의 다른 사용자가 어떤 파일을 공유할지 결정하는 방법을 보여줄 수 있으며, 그러한 정보는 폴더로 직접 표시된다. 다른 폴더 모양은 다른 공유 수준을 나타낸다. 이 간단한 설계에 기초하여, 사용자들은 자신의 결정이 적절한지 아닌지를 쉽게 알 수 있다. 둘째, 말뚝 은유모델은 말뚝의 깔끔함을 보여줌으로써 파일을 읽은 시스템의 사용자 수를 보여준다. 예를 들어, 파일을 더 많이 읽을수록 더 많은 파일들이 더 지저분해진다.

그 말뚝 은유 모델: 작은 플러그 인과 비슷한 시스템에 이 모델을 도입하고, 사용자에 중대한 영향을 미칠 것이다, 모든 보안 관련 기능 직접 그래픽 사용자 인터페이스에 표시된다 그것들의 작품에서, 사용자들을 손상시킬 수 없다고 그 시스템의 근본적인 디자인을 바꾸지 않는다 두 장점을 가지고 있다.[42]

인간과 로봇 상호작용의 구현

소셜 네비게이션 분야에서 사람들이 사용하는 일반적인 방법 중 하나는 인간과 로봇의 상호 작용과 연결될 수 있는 프록시를 만드는 것이다. 한 연구는 길을 건너는 시나리오에서 인간이 로봇으로부터 기대하는 다양한 종류의 항해 행동에 대한 관심을 보여준다. 그 결과는 공간적 관계가 실제로 행동과 연관되어 있다는 것을 드러내며, 이것은 예상된 행동에 대한 가능한 예측으로 이어진다.[43]

소셜 네비게이션의 단점

소셜 네비게이션은 대중을 오도하거나 특정인에 대한 사적인 정보를 얻으려는 악의적인 사용자들에 의해 악용될 수 있다.

이스라엘 테크니온의 메이탈 벤 시나이, 님로드 파르투시, 셜 야디드, 에란 야하브 연구원이 2014년 일부 실험을 하고 '소셜 네비게이션을 개발한다'는 글을 올려 그 결과를 논의했다. 기사에 따르면 공격자는 여러 대의 기계를 이용해 사용자의 행동을 속이고 정보를 조작해 다른 실제 사용자를 오도할 수 있다. 이 경우 트래픽 뉴스를 보고할 수 있는 실시간 트래픽 소프트웨어를 공격해 이들 메시지를 다른 사람에게 방송했다. 연구원들은 가짜 사용자들을 이용해 방해나 교통 정체와 같은 교통 정보를 조작하고, 시스템이 실제 사용자들을 오도하도록 하는 데 성공했다. 실제 사용자는 다른 경로를 이동하는 데 시간과 비용을 낭비하거나, 안전하지 않은 비존재 경로로 유도하여 보안 관련 문제를 일으킬 수 있다. 이 문제를 해결하기 위해 소셜 네비게이션 시스템은 때때로 확인 코드를 통해 사용자의 신원을 확인한다.

검증 기법은 사회적 네비게이션의 또 다른 문제인 정보 유출로 이어질 수 있다. 시나이 외 연구진은 공격자가 악의적인 의도로 다른 사람을 추적할 수 있기 때문에 사용자 정보를 악용해 보안 관련 문제를 야기하는 개인 정보를 얻을 수 있다고 설명했다.[44]

제품의 최근 동향 및 구현

소셜 네트워크와 소셜 웹의 인기가 높아짐에 따라, 서로 다른 소셜 컴퓨팅 시스템 내에서 상호작용하면서 남겨진 사용자의 발자취를 통해 데이터를 수집할 수 있다. 이러한 성장은 교육, 미디어, 뉴스, 관광 가이드 시스템 등 사회탐색 지원의 보다 새롭고 다양한 시행으로 이어졌다. 공유된 3D 환경에서 소셜 네비게이션 구현은 사용자가 가상세계에서 이전과 같은 장소에 있었던 다른 사람들의 흔적과 정보를 볼 수 있게 해주기 때문에 유사하게 작동한다.[45] 보쉬는 실제 주행용 내비게이션 시스템을 개선하고 소셜 내비게이션을 활용해 주행 시간을 단축했다.[46]

참고 항목

참조

  1. ^ 두리쉬, P, 찰머스, M. (1004) 공간 부족: 정보 탐색 모델 HCI'94, 글래스고, 1994년 8월.
  2. ^ a b Chen, C, Cribbin, T, Kuljis, J, Macredie, R, 2002. 정보제공자의 발자취: 시각적 탐구의 행동 의미론. 국제 휴먼 컴퓨터 연구 저널 57, 139–163.
  3. ^ 다이버저, A 등 소셜 네비게이션: 사용 가능한 시스템 구축 기술. 상호작용 (2000년 11월 - 12월), 37.45.
  4. ^ Svensson, Höuk, Coster - 칼라스의 설계 및 평가: 음식 레시피를 위한 소셜 네비게이션 시스템
  5. ^ a b c d e Pirolli, P, & Card, S. (1999년) 정보 검색. 심리 검토, 106(4), 643.
  6. ^ a b Bonabeau, E, Dorigo, M, & Theraulaz, G. 사회적 곤충 행동의 최적화를 위한 영감. 자연, 406년(6791년), 39-42년
  7. ^ a b c 웩셀블라트, A, & Maes, P. (1999, 5월) 발자국: 정보를 찾기 위한 역사가 풍부한 도구. 컴퓨터 시스템의 인적 요인에 관한 SIGCHI 회의의 진행 (pp. 270-277). ACM
  8. ^ a b c d e 피롤리, P, & 카드, S.(1995, 5월). 정보 액세스 환경에서 정보 검색. 컴퓨터 시스템의 인적 요인에 관한 SIGCHI 회의의 절차 (pp. 51-58) ACM 프레스/애디슨-웨슬리 출판사
  9. ^ a b 엔, B. P.C. (2077년) 웹 네비게이션 접근성 설계 및 평가 의사결정 지원 시스템(42), 2219-2235.
  10. ^ a b c 스펜스, R. (1999년) 네비게이션의 프레임워크. J. Human-Computer Studies (51), 919-945.
  11. ^ 캠벨, C. S., 마글리오, P. P. (1999년) 정보 공간의 탐색 용이성: World Wide Web의 도로 표지판 인간-컴퓨터 연구(50), 309-327.
  12. ^ a b c 다이버거, A. (1997년) 월드 와이드 웹에서 소셜 네비게이션 지원. Int. J. Human-Computer Studies(46), 805-825.
  13. ^ a b 비둔, G, 므낫세, G, 쿨치츠키, R. (2007) 소셜 네비게이션을 통해 시맨틱 웹의 진화 응용 프로그램이 있는 전문가 시스템(32), 265-276.
  14. ^ 문로, A, 회크, K, 베니온, D. (2012) "정보공간의 사회적 네비게이션"
  15. ^ Björneborn, Lennart (2011). "Behavioural traces and indirect user-to-user mediation in the participatory library" (PDF). Proceedings of ISSOME 2011, the International Conference on Information Science and Social Media: 151–166.
  16. ^ Freyne, Jill; Farzan, Rosta; Brusilovsky, Peter; Smyth, Barry; Coyle, Maurice (2007). Collecting Community Wisdom: Integrating Social Search & Social Navigation (PDF). Proceedings of International Conference on Intelligent User Interfaces. pp. 52–61. doi:10.1145/1216295.1216312. ISBN 978-1-59593-481-9. S2CID 6145344.
  17. ^ 미국, US 6064980 A, 제니퍼 A. 자코비, 에릭 A. 벤슨 & 에릭 A. 2000-05-16년 발간된 "협력적 권고를 위한 제도와 방법" 벤슨은 아마존에 배정된 2000-05-16을 발행했다.컴, 주식회사
  18. ^ Marlow, Jennifer; Dabbish, Laura; Herbsleb, Jim (2013). Impression formation in online peer production: activity traces and personal profiles in github. Proceedings of the 2013 Conference on Computer Supported Cooperative Work. pp. 117–128. doi:10.1145/2441776.2441792. ISBN 978-1-4503-1331-5. S2CID 11432865.
  19. ^ Angeletou, S; Rowe, M; Alani, H (2011). "Modelling and Analysis of User Behaviour in Online Communities". Proceedings of International Semantic Web Conferences: 35–50.
  20. ^ Hogg, Tad; Szabo, Gabor (2009). "Dynamics and diversity of online community activities". EPL. 86 (3): 58–65. arXiv:0803.3482. Bibcode:2009EL.....8638003H. doi:10.1209/0295-5075/86/38003. S2CID 818245.
  21. ^ Tumasjan, A; Sprenger, T.O.; Sandner, P.G.; Welpe, I.M. (2010). "Predicting elections with twitter: what 140 characters reveal about political sentiment". Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media.
  22. ^ Benevenuto, Fabrício; Rodrigues, Tiago; Cha, Meeyoung; Almeida, Virgílio (2009). Characterizing User Behavior in Online Social Networks. Proceedings of the 12th International Conference on Intelligent User Interfaces. pp. 52–61. CiteSeerX 10.1.1.161.812. doi:10.1145/1644893.1644900. ISBN 978-1-60558-771-4. S2CID 3022786.
  23. ^ Furnas, G.W.; Landauer, T.K. (1987). "The vocabulary problem in human-system communication". Communications of the ACM. 30 (11): 964–971. CiteSeerX 10.1.1.118.4768. doi:10.1145/32206.32212. S2CID 3002280.
  24. ^ Rivadeneira, A.W.; Gruen, A.W. "Getting our head in the clouds: toward evaluation studies of tag-clouds". In: Proceedings of the 2007 Conference on Human Factors in Computing Systems, CHI 2007, San Jose, California, USA, April 28 - May 3, 2007. Pp. 995–998 (2007).
  25. ^ Bateman, S., Gutwin, C., Nacenta, M. (2008). Seeing things in the clouds: The effect of visual features on tag cloud selections. In: Proceedings of the Nineteenth ACM Conference on Hypertext and Hypermedia. Pp. 193–202. HT '08, ACM, New York, NY, USA (2008). p. 193. doi:10.1145/1379092.1379130. ISBN 9781595939852. S2CID 16289413.{{cite book}}: CS1 maint : 복수이름 : 작성자 목록(링크)
  26. ^ Kuo, B.Y.L., Hentrich, T., Good, B.M.., Wilkinson, M.D. (2007). "Tag clouds for summarizing web search results". Tag clouds for summarizing web search results. In. Proceedings of the 16th International Conference on World Wide Web. Pp. 1203–1204. WWW '07, ACM, New York, NY, USA (2007). p. 1203. doi:10.1145/1242572.1242766. ISBN 9781595936547. S2CID 530240.{{cite book}}: CS1 maint : 복수이름 : 작성자 목록(링크)
  27. ^ Lohmann, S., Ziegler, J., Tetzlaff, L. "Comparison of tag cloud layouts: Task-related performance and visual exploration". Human-Computer Interaction – INTERACT 2009. INTERACT 2009. Lecture Notes in Computer Science, Vol 5726. Springer, Berlin, Heidelberg.{{cite journal}}: CS1 maint : 복수이름 : 작성자 목록(링크)
  28. ^ Skoutas, D., Alrifai, M. "Tag clouds revisited". Proceedings of the 20th ACM International Conference on Information and Knowledge Management. Pp. 221–230. CIKM '11, ACM, New York, NY, USA (2011).{{cite journal}}: CS1 maint : 복수이름 : 작성자 목록(링크)
  29. ^ a b Venetis, P., Koutrika, G., Garcia-Molina, H. "On the selection of tags for tag clouds". Proceedings of the Fourth ACM International Conference on Web Search and Data Mining. Pp. 835–844. WSDM '11, ACM, New York, NY, USA (2011).{{cite journal}}: CS1 maint : 복수이름 : 작성자 목록(링크)
  30. ^ Denis Helic, Markus Strohmaier, Christoph Trattner, Markus Muhr, and Kristina Lerman. "Pragmatic evaluation of folksonomies". Proceedings of the 20th International Conference on World Wide Web (WWW '11). ACM, New York, NY, USA, 417-426.{{cite journal}}: CS1 maint : 복수이름 : 작성자 목록(링크)
  31. ^ Brusilovsky, Peter; Chavan, Girish; Farzan, Rosta (2004). "Social adaptive navigation support for open corpus electronic textbooks". Adaptive Hypermedia and Adaptive Web-Based Systems. Springer-Verlag Berlin Heidelberg. pp. 805–825. ISBN 978-3-540-27780-4.
  32. ^ Mertens, Robert; Farzan, Rosta; Brusilovsky, Peter (2006). Social navigation in web lectures. Proceedings of the Seventeenth Conference on Hypertext and Hypermedia. pp. 41–44. doi:10.1145/1149941.1149950. ISBN 978-1-59593-417-8. S2CID 6043216.
  33. ^ Farzan, Rosta; Brusilovsky, Peter (2008). "AnnotatEd: A social navigation and annotation service for web-based educational resources". New Review of Hypermedia and Multimedia. 14 (1): 3–32. CiteSeerX 10.1.1.153.7859. doi:10.1080/13614560802357172. ISSN 1361-4568. S2CID 1133351.
  34. ^ Foth, Marcus (2008). Handbook of Research on Urban Informatics: The Practice and Promise of the Real-Time City: The Practice and Promise of the Real-Time City. IGI Global. pp. 188–189. ISBN 9781605661537.
  35. ^ Bilandzic, Mark; Foth, Marcus; De Luca, Alexander (2008). CityFlocks: designing social navigation for urban mobile information systems (PDF). Proceedings of the 7th ACM Conference on Designing Interactive Systems. pp. 174–183. doi:10.1145/1394445.1394464. ISBN 978-1-60558-002-9. S2CID 12808486.
  36. ^ Dieberger, Andreas (1997). "Supporting social navigation on the World Wide Web". International Journal of Human-Computer Studies. 46 (6): 805–825. CiteSeerX 10.1.1.25.8360. doi:10.1006/ijhc.1996.0111. ISSN 1071-5819.
  37. ^ Wexelblat, Alan, Pattie Maes. "발자국: 정보를 찾기 위한 역사가 풍부한 도구" 컴퓨터 시스템의 인적 요인에 관한 SIGCHI 회의의 진행. ACM, 1999.
  38. ^ 브루실롭스키, 피터 등 "교육 디지털 도서관을 위한 사회적 탐색" Procedia Computer Science 1.2(2010): 2889-2897.
  39. ^ 카리미, 하산 A 등 "SoNavNet: 소셜 네비게이션 네트워크의 프레임워크" 2009년 위치 기반 소셜 네트워크에 관한 국제 워크숍의 진행. ACM, 2009.
  40. ^ 스벤슨, 마틴 등 "음식 조리법의 사회적 탐색" 컴퓨터 시스템의 인적 요인에 관한 SIGCHI 회의의 진행. ACM, 2001.
  41. ^ 윌렛, 웨슬리, 제프리 헤어, 마네쉬 아그라왈라. "향기 위젯: 내장된 시각화를 통해 탐색 신호 개선" 시각화 및 컴퓨터 그래픽, IEEE 13.6(2007) 트랜잭션: 1129-1136. doi:10.1109/TVCG.2007.70589
  42. ^ 디지오아, 폴, 그리고 P. 두리쉬. "사용 가능한 보안을 위한 모델로서의 소셜 탐색" 사용 가능한 개인 정보 보호 및 보안에 관한 심포지엄, SUPS 2005, 피츠버그, 펜실베이니아, 2005년 7월:101-108.
  43. ^ 리히 10번째 팰러, C. 피터스, A. 그리피스, S. 키르쉬, A.(2013)."소셜 내비게이션 - 경로 교차 시나리오에서 로봇 항법 패턴 식별".pp 84-93. doi:10.1007/978-319-319-02675-6_9
  44. ^ Sinai M B, Partush N, Yadid S 등. 소셜 네비게이션 활용[J] Eprint Arxiv, 2014.
  45. ^ Vosinakis, S.; Papadakis, I, "정보 공간으로서의 가상 세계: 공유된 3D 환경에서 의미론 및 사회탐색 지원" 중요 애플리케이션을 위한 게임 및 가상 세계(VS-GAMES), 2011년 제3차 국제회의 , vol, no, pp.220-227,4-6 2011년 5월 도이:10.1109/VS-GAMES.111.41
  46. ^ A. 밴 덴 보쉬, B. 밴 아름, M. 마흐모드, J. 미제너, "소셜 네비게이션을 이용한 정체된 도로망의 시간 지연 감소", 통합 및 지속가능 교통 시스템(FIST), 2011년 IEEE 포럼 on, 비엔나, 2011, 페이지 26-31. doi:10.1109/FISTs.2011.5973596