Seguitemi un attimo in questo volo pindarico, per piacere :) Dalla whistleblower di Facebook ( https://www.theguardian.com/commentisfree/2021/oct/08/facebook-frances-haugen-whistleblower-pr-catastrophe-yet ) dicono: " Zhang, in contrast, raised issues that Americans tend not to worry about: the fates of people beyond the United States"
Cosa che non doveva stupirci*, perchè ogni sistema di content moderator, di raccomandazione, tende a specializzarsi per una nazione, o per una lingua (con effetti che potremmo chiamare di colonialismo digitale, particolarmente evidenti se avete letto An Ugly Truth https://www.nytimes.com/2021/07/09/books/review/the-ugly-truth-sheera-frenkel-and-cecilia-kang.html) Il fatto è che se gli enti regolatori ed i policy maker riflettono sull'influenza che queste piattaforme hanno sulla massa, ma questa influenza non è facile da misurare ne da attribuire. Le raccomandazioni controllate dall piattaforma, diciamo per il 50% dei risultati sono su base nazionale (dai quali si potrebbe inferire un trattamento favorevole per alcuni prodotti), ma poi ci sono altre fette di risultati che invece sono imputabili a ragioni diverse (regionalizzati, personalizzati, sconti limitati nel tempo, prodotti da smaltire, o A-B testing) Questo deve farci riflettere sulla difficoltà che ci deve essere nell'organizzare queste analisi. Più il sistema diventa personalizzato, e meno facilmente emergeranno evidenze di favoreggiamento. Per quanto riguarda Amazon, nel 2019 ho prodotto un tool (usato sinora molto al di sotto delle sue possibilità), che serve collezionare evidenze (quali prodotti amazon raccomanda in una pagina prodotto, e quali prodotti sono restituiti dopo una query di ricerca. per ogni prodotto sulla pagina, si prende il nome, l'id, merchant, il costo, e la foto). L'idea è che in modo passivo salvi quello che l'acquirente/analista sta facendo, così da poterle poi comparare. Poi una volta collezionate evidenze,si può cercare un eventuale favoreggiamento di prodotti. Ma senza comparare navigazioni equivalenti, non si può dichiarare quali siano i prodotti "soprendentemente molto presenti", da quelli momentanei, o personalizzati. Per chi volesse leggere un po', in homepage di https://amazon.tracking.exposed trovate 5 progetti di studenti, una tesi di master che collega la personalizzazione dello shopping ad articolo 22 GDRP, e poi con la Rai abbiamo girato un piccolo video che spiega un po' la personalizzazione ed i prezzi dinamici (perchè i prezzi cambiano, ma ufficialmente la responsabilità è dei venditori che applicano sconti, in modo molto granulare ed arbitrario). Per commentare sull'articolo condiviso da J.C: si parla ancora una volta di Stati Uniti. Chissà qui in Italia come sono le cose. L'unico modo per scoprirlo, è collezionare evidenze. Poi una volta che questo succede, o si fa open science (i dati sono disponibili liberamente) o gruppi di ricerca che volessero organizzare le loro collezioni, possono avere a disposizione metodi più riservati per scaricare i dati pertinenti alla loro collezione**. * Non ricordo se l'ho pubblicizata qui, ma organizzammo ad inizio pandemia, un'analisi collaborativa delle raccomandazioni di youtube. La metodologia era volta a raccogliere evidenze per confermare o smentire che la moderazione dei contenuti in inglese fosse migliore di quella in altre lingue. Il test venne in mente perchè Google aveva appena dichiarato che avrebbe "ridotto il reach" della disinformazione covid. La metodologia la trovate qui https://youtube.tracking.exposed/wetest/1/ dalla quale è poi scaturita questa pubblicazione https://www.springerprofessional.de/en/yttrex-crowdsourced-analysis-of-youtube-s-recommender-system-dur/19155456 (anche disponibile su arxiv); una cosa simile la possiamo pensare anche per Amazon ;) ** Questo almeno dovrebbe succedere nel mondo ideale, nel quale i nostri tool funzionano al 100% e fanno esattamente quello che ci si aspetta. Non è così semplice, ma, se quest'email vi solletica curiosità, possiamo provarci insieme e parlare di metodologie. ciao, Claudio On Thu, Oct 14, 2021 at 9:18 AM J.C. DE MARTIN <demar...@polito.it> wrote: > > https://www.reuters.com/investigates/special-report/amazon-india-rigging/ > > > (Sent from my wireless device; please excuse brevity and typos (if any)) > _______________________________________________ > nexa mailing list > nexa@server-nexa.polito.it > https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa > -- Claudio Agosti — https://tracking.exposed <https://facebook.tracking.exposed> twitter - https://twitter.com/@_vecna
_______________________________________________ nexa mailing list nexa@server-nexa.polito.it https://server-nexa.polito.it/cgi-bin/mailman/listinfo/nexa
