Kestävämpiä digitalisia ratkaisuja verkostoitumiseen ja yhteistyökumppanien valintaan?

Rajapinta.co:n kuukausitapaaminen Tampereella 29.9. vahvisti heikkoja siteitä paikallisiin tutkijoihin. Poimintana tapaamisesta, seuraavassa tiivistelmä järjestäjien tutkimusagendasta, joka paitsi sijoittuu teknologian ja yhteiskunnan rajapintaan myös demonstroi usean tieteenalan mielenkiintoista yhteistyötä. Agenda liittyy Thomas Olssonin (ihminen-teknologia vuorovaikutus), Jukka Huhtamäen (verkostoanalytiikka ja datatiede) ja Hannu Kärkkäisen (tietotyö ja arvonluonti) COBWEB-akatemiahankkeeseen sekä Big Match Tekes-hankkeeseen.

Ihmisten välistä sosiaalista sovittamista (engl. social matching tai matchmaking) tapahtuu työelämässä mm. rekrytointiprosesseissa, tiimien muodostamisessa ja verkostoitumisessa. Sopivan henkilön, yhteistyökumppanin tai tiimin tunnistaminen ja valinta vievät paljon aikaa ja intuitiiviset “mätsäämisen” käytännöt ovat alttiita inhimillisille vinoumille. Esim. verkostointitapahtumissa on yleistä, että samankaltaiset ihmiset vetävät puoleensa toisiaan; tällainen homofilia on kuitenkin tietotyön tuottavuudelle vahingollista. Uskomme, että rohkaisemalla ihmisiä kohtaamaan erilaisista taustoista tulevia, eri yhteisöjen jäseniä voidaan edistää tietotyössä olennaista ideoiden ristiinpölyttymistä ja moninäkökulmaista, verkottunutta arvonluontia.

Tavoitteenamme on suunnitella ja toteuttaa sosiaaliseen massadataan, verkostoanalytiikkaan ja koneoppimiseen perustuvaa tietoteknologiaa, joka mahdollistaa digitaalisia tapoja sovittaa, ryhmäyttää ja törmäyttää ihmisiä työelämässä. “Työelämän Tinder” on mainio vertauskuva, mutta parinvalinnan periaatteet ovat työelämässä aivan erilaiset kuin yksityiselämässä. Tutkimuksemme peruslähtökohta on, että datapohjaisilla tavoilla voidaan tunnistaa otollisia, toisiaan sopivasti täydentäviä osaajakombinaatioita ja siten tuottaa positiivista sosiaalista serendipiteettiä. Tavoite voisi konkretisoitua esim. diversiteettiä lisäävinä henkilösuosittelujärjestelminä (diversity-enhancing people recommender systems) tai uudenlaisina yhteistyökumppaneiden haku- tai selausjärjestelminä.

Sosiaalinen massadata eli “Big Social Data” (esim. sosiaalisen median sisällöt ja profiilit, portfoliot, verkostot) voivat rikastaa palvelujen kautta syntyvää kuvaa kustakin käyttäjästä. Nykyiset profiilit esim. työnhaussa ovat yleensä käyttäjän itse laatimia ja siksi kovin staattisia ja sisällöltään rajoittuneita. Esim. twiitit voivat kertoa paljon henkilön tämän hetken kiinnostuksen kohteista ja tulevaisuuden visioista, kun taas esim. verkossa olevat ammatilliset julkaisut ja esitykset voivat kertoa henkilön yksityiskohtaisesta osaamisesta. Tunnistamalla relevantteja yhteisiä teemoja ja komplementaarisia osaamisia esim. tapahtuman osallistujien välillä voidaan automaattisesti tunnistaa potentiaalisia pareja, joiden kannattaisi keskustella lisää. Sosiaalisten verkostojen analyysillä voidaan paitsi arvioida henkilöiden keskinäistä suhdetta ja verkoston kokonaisrakennetta myös tunnistaa yhteisiä kontakteja ja ns. heikkoja siteitä (weak ties).

Tarkoituksenamme on lisäksi tarjota positiivinen skenaario sosiaalisen median datan käytölle ja digitalisaatiolle yleensä. Ehkäpä tällaisten kaikkia hyödyttävien palvelujen kehittäminen hälventää ihmisten yksityisyydensuojan menettämisen pelkoa sekä motivoi yrityksiä avaamaan data-aineistojaan laajemmin hyödynnettäviksi?

Uusien palveluiden ideointi ja utopististen tulevaisuuskuvien maalailu on kuitenkin huomattavasti helpompaa kuin niiden toteuttaminen. Data-keskeisiä haasteita ovat mm. sopivan datan saatavuus eri palvelujen ja palveluntarjoajien siiloista, datan keräämisen ja analysoinnin yksityisyyteen liittyvät ja muut eettiset haasteet sekä massadatan kehittymättömät analyysi- ja visualisointimenetelmät. Sovittamisen sosiaalipsykologiset haasteet ovat jopa vielä monimutkaisempia: “sopivan” henkilön tai organisaation tunnistaminen vaatii ymmärrystä mm. sovitettavien tahojen mahdollisista yhteistyötarpeista, ja jokaisella sovittamistilanteella on uniikki tavoite ja erityispiirteitä, jotka pitäisi ottaa huomioon järjestelmän päätöksenteossa. Digitaalisten sisältöjen suosittelujärjestelmistä tuttuja menetelmiä (esim. social filtering) ei siis voida suoraan hyödyntää.

Kokonaisuuteen vaikuttavat myös käyttäjäkokemukselliset erityispiirteet: miten saada käyttäjä luottamaan teknologian tekemiin päätelmiin ja suosituksiin henkilöistä? Miten saada ihmiset delegoimaan osan päätäntävallastaan ja toimijuudestaan teknologialle, varsinkin näin perustavanlaatuisen inhimillisellä sovellusalueella? Miten sinä kokisit sen, että kännykkäsi yhtäkkiä piippaa kertoakseen, että joku tuntematon, mutta algoritmin mielestä todella relevantti tyyppi on tulossa samaan tapahtumaan ja että teidän kannattaisi tavata?

Ajatuksenvirtaa Helsinki Digital Humanities Daystä

Joulukuun 3. vietettiin Helsinkin yliopistokollegiumin järjestämää Digital Humanities -päivää. Päivä oli tarkoitettu tutkijoille ja muille aiheesta ja uudesta tutkimualueesta kiinnostuneille. Väkeä löytyikin salin täydeltä! Ehdin itse olla paikalla vain aamupäivän, mutta tässä muutamia tuntoja.

Päivän aluksi Arto Mustajoki lähti etsimään “digitaalisen humanismin” määritelmää. Lainausmerkit erityisesti siksi, että toimivaa suomennosta termille ei oikein ole löytynyt (ks. mielenkiintoista keskustelua aiheesta Qaiku-ryhmässä). Siksi tässä blogikirjoituksessa taidan pysytellä lyhenteessä DH.

Wikipedia määrittelee DH:n seuraavasti:

Digital humanities is an area of research and teaching at the intersection of computing and the disciplines of the humanities. Developing from the fields of humanities computing, humanistic computing, and digital humanities praxis digital humanities embraces a variety of topics, from curating online collections to data mining large cultural data sets. (3.12.2014)

Lähtökohta päivälle oli vahvasti humanistisissa tieteissä. Aamulla esiteltiin esimerkkejä muun muassa Shakespearen teosten analyysista kieleen keskittyvällä lattice analysis -menetelmällä (lattice on suomeksi hila, mutta en ole nähnyt käytössä analyysimenetelmälle varsinaista suomennosta?) japanilaisen taiteen hakemistoihin ja historiallisiin karttoihin ja karttatietokannan rakentamiseen osin joukkoistettuna.

Itselleni avartavin oli paraikaa Yliopistokollegiumissa vierailevan Caroline Bennettin (Sussex University) puheenvuoro, jossa käsiteltiin paitsi lyhyesti Sussexissa ensi vuonna starttaavaa Humanities Labia, myös yleisesti digitalisoitumisen vaikutusta tieteeseen ja käsityskykyymme. Bennettin mukaan digitalisoitumisessa tai DH:ssa on kysymys tutkimusmateriaalin muutoksesta, mutta samalla muutos vaikuttaa siihen, miten ylipäänsä näemme ja koemme tutkimuskohteemme. Hän muistutti, että kriittinen asenne olisi syytä säilyttää, mutta lähteä rohkeasti kokeilemaan monitieteisesti uusia menetelmiä avoimesti ja verkostuen. Mutta peruspohja on tieteessä: valmiit työkalut ovat aina vain työkaluja, jotka antavat vastauksia, mutta eivät kerro meille kysymyksiä.

Kytkeytyy siis hyvin big data -pöhinän ympärillä käytävään tutkimuksen perusongelmaan: dataa on, ja siitä voidaan kaivaa vaikka mitä, mutta so what? Kuka esittää oikeat kysymykset ja mitä merkitystä niillä todella on? Kuten vierustoverini osuvasti luennolla kysäisi: jos Shakespearen tuotannosta ei oltu ilman data-analyysia osattu löytää kolmea muusta tuotannosta selkeästi erottuvaa teosta kaikkien luettujan vuosisatojen ja tutkimusenkaan jälkeen, onko eroilla oikeasti jotain väliä?

Juuri siksi monitieteisyys ja datasokeuden välttäminen ovat niin tärkeitä asioita. Itse näkisin, myös jonkun luennoiman esittämän ajatuksen mukaan, että digitaaliset automaattiset menetelmät ovat hyvä keino exploratiivisesti sukeltaa dataan, mutta sen jälkeen olisi hyvä paneutua yksityiskohtiin laadullisesti tai määrällisesti; esimerkiksi selvittää täsmällisemmin, miten ne Shakespearen kolme teosta ovat erilaisia.

Iloinen uutinen on joka tapauksessa se, että Digital Humanities on yksi ehdotettu painopisteala humanistiselle tiedekunnalle ja heillä on aikomus perustaa DH Lab myös Helsingin yliopistoon, aluksi todennäköisesti kevyellä organisoitumisella ja monitieteisesti. Toivottavasti kuulemme tästä pian lisää! (Mustajoelta terveisiä, että potentiaaliset yliopiston ulkopuoliset rahoittajat ovat kuulemma tervetulleita – yliopistorahoituksen ehdoilla kun mennään 🙂

Edit 4.12.2014: Lisätty linkit Qaiku-keskusteluun ja Storify-koosteeseen sekä virke toiseksi viimeiseen tekstikappaleeseen.