社交网络

社交网络

简介

在线社交网络已经改变了人们与互联网以及人与人之间的互动方式。它们极大地减少了维持本应逐渐消失的关系所需要的努力，并且为了解人类行为和过去从未为人所知的关系提供了窗口。仅Facebook，在当时或写作时，每月就有大约20亿活跃用户。

Instagram、Twitter、Pinterest和谷歌+平均在4亿左右。世界上有一半以上的互联网用户正在使用某种类型的社交网络。在线社交网络的研究建立在对网络社区的研究的坚实基础之上，这些研究在互联网的早期解决了用户的互动问题，并一直持续到今天。

从本质上说，社交网络是一种让人们通过在线媒体相互联系的技术。它有一种典型的机制，人们通过加好友、追随或类似的方式明确地创建社会关系。在早期的在线社交网络中，建立这些联系通常是核心目的，但现代网络通常将人们与他们的社交联系所发布的帖子和更新联系起来。在线社交网络也可以通过隐性互动来构建，比如讨论组中的帖子和回复，或者其他论坛中的提及。

这种社交互动是通过基于计算机的技术媒介进行的，因此对在线社交网络的许多研究都属于人机交互(HCI)领域。因此，有一组广泛而多样的主题需要理解。在这一章中，我们将它们分为几个大类。社交网络提供的数据让研究人员通过网络分享的内容，更广泛地了解人类之间的互动和世界;使用社交网站这一现象本身就是用来研究的。社交网络平台存在设计问题，可视化可以帮助我们分析其中的数据。人们所做的可以让研究人员构建系统，改善各种平台上的交互。

威力人机交互手册

了解人类

获取数十亿人的大量数据在人类历史上是前所未有的。因此，社交媒体作为一种技术，在理解人们以及他们的行为和相互之间的互动方面一直在改变。尽管社会科学家和心理学家在这一领域的工作越来越多，但许多人机交互研究人员已经迈出了将社会科学见解与社交网络数据相结合的第一步，以证明我们对人类的理解可以如何提高。

HCI这一领域的关键实践之一是利用在线社交网络出现之前在社会科学中发展起来的见解和理论。同质性（即人们倾向于与与自己相似的人成为朋友）、社会资本、纽带强度和信任等概念都被映射到一个可以在网络环境中使用的上下文中。这遵循了HCI内部将现有理论引入HCI空间的悠久传统，追溯到将Fitts定律映射到图形用户界面的早期。在这一领域的人机交互研究通常可以分为两大类：一是关注人际关系和互动的研究，二是关注个人本身的研究。

相互作用关系

社会资本是一个处理社会关系产生的利益的概念。它包括诸如帮助、信任和支持之类的东西，人们通过帮助他人或共同利益来“赚取”这些资本。它可以被认为是一种权力，人们必须要求或接受他人的社会支持，通过其他良好的行为赢得他们的信任和支持。最终，它根植于人与人之间的社会关系中。

这是在线社交网络中最早转变和研究的概念之一。早期的研究比较了青少年和成年人使用早期社交网站MySpace的方式，发现青少年有更多的朋友，而成年人有更强大的朋友。这被扩展到一项关于大学生使用Facebook以及这些关系对社会资本重要性的研究。研究甚至表明，基于在线社交网络的关系可以建立社会资本，尤其是在自尊心较低的年轻人中，否则他们可能难以建立重要的关系。

联系强度是社交网络空间中另一个备受关注的社会学概念。由Granovetter(1973)推广开来的联系强度描述了两个人之间的亲密程度，通常用亲密度、为对方做的好事、在一起的时间和情感强度的组合来衡量。Gilbert和Karahalios(2009)通过分析两个人在Facebook上的个人资料和互动可以预测他们之间的联系强度。

在线社交网络中的信任关系受到了HCI研究者的广泛关注。推断两个有联系的个体之间信任的模型，特别是那些没有直接联系的个体之间的信任模型（例如，vestani, Massa， & Tiella, 2005;Golbeck, 2005;Ziegler & Lausen, 2005）得到了广泛的关注。本研究通过创建算法将HCI与人工智能连接起来，这些算法使用这些通过用户研究和分析理解的人类数据，构建自动检测信任迹象的算法。

个体属性

在使用人们在社交网站上分享的任何数据之前，有一个问题是他们分享的数据是否真实地反映了他们自己。毕竟，如果人们在撒谎，从这些网络中可能没有多少有意义的洞见。然而，研究表明，用户在他们的个人资料中本质上呈现了真实的自我。考虑到这一点，可以用人们选择共享的数据做很多事情。

在线社交网络已经成为一个地方，通过执行超越他们明确分享的分析，可以更深入地了解个人用户。研究人员利用来自数千名用户的社交媒体资料的数据，建立模型，允许对任何给定的个人进行属性推断。特征是多样的，包括性取向、种族与宗教、政治偏好、人格特质、个人价值观、抑郁、PTSD等心理健康问题，即使一个帐户是垃圾邮件。这些算法可以在许多平台上工作——twitter、Facebook、Instagram、Pinterest等等—并使用许多不同类型的数据，包括个人资料照片、Facebook点赞、个人资料数据、用户写的文本等等。

从科学的角度来看，这项研究令人兴奋，在一些个性化的界面应用程序中也很有用(下文将进一步讨论)，但它也引起了人们对隐私的关注。如果有关个人和潜在敏感信息能够被自动检测到，即使用户明确选择将这些信息保密，许多个人隐私界限也会受到侵蚀。当结果推断可以被出售、用于目标广告，甚至用于招聘决策时，这就更加麻烦了。如何处理这些问题是一个备受争议的问题。

通过社交网络信号了解世界

事实上，世界上很多地方都是网络在线的，分享想法和评论日常生活意味着，把这些贴子合在一起，就能描绘出这个世界（或它的特定部分）在谈论什么，以及他们对此的感受。这激发了利用社交媒体了解世界的研究。

预测选举结果一直是人们特别关注的焦点，欧洲和北美的研究都对其进行了分析。成功是喜忧参半的。虽然许多项目已经能够建立模型，但它们并不总是能够转移到其他选举或其他环境中，这方面还有许多工作要做。类似的技术也被用于其他未来的预测，包括预测Twitter帖子的票房收入和股市。

社交网络，尤其是Twitter，已经被研究为突发新闻和热门话题的来源。HCI的研究集中在追踪个人事件是如何传播的，比如奥萨马·本·拉登的死亡。虽然大众媒体在社交网络平台上很受欢迎，但名人和其他有影响力的人物经常帮助传播新闻。这一点在研究波士顿马拉松爆炸案和其他恐怖主义事件的工作中得到了呼应，发现官方账户和媒体最可能获得关注，但最初的报道往往来自各种来源。

研究自身的现象

如何使用社交网络平台已经成为一个值得研究的话题。早期的工作只是简单地描述了这些地点和它们的动态，因为这种现象没有被很好地理解。然后，人机互动研究继续研究不同群体如何使用社交媒体平台。例如，大学教师、美国国会、学生、图书馆和进食障碍患者。

人机交互研究人员也在研究人们如何使用各种平台。在Instagram上，研究着眼于照片内容。在Pinterest上，人们是如何管理照片的 以及谁在使用它。在Snapchat上，这种互动是短暂的。网站之间也有比较，比如Snapchat和Facebook之间的互动如何不同。

了解人们如何使用技术确实是许多HCI研究的核心问题，随着社交网络技术的不断发展和演变，在这些主题上肯定会有更多的工作要做。

信息可视化挑战

社交媒体为信息可视化带来了许多独特的挑战(参见图34.1)。其中一些来自数据类型，包括社交图表，还有一些来自大小。作为一个有趣的大数据的主要来源，社交网站数据的可视化和分析可能会因为其规模而具有挑战性。

一个社交网络可视图的示例（来自Crnovrsanin, Muelder, Faris, Felmlee,Ma (2014)）

可视化网络本身的结构是一个挑战。图形可视化可以显示有用的洞见，以几千个节点和几万条低边作为上限。虽然这听起来可能很大，但在线社交网络的规模要比这大很多个数量级。为此目的设计了许多工具，其中最突出的两个是Gephi和NodeXL。人机交互研究人员还引入了分层组织图数据的技术，以简化大型网络，包括边缘聚合和节点层次结构。

社交网络平台上共享的数据也有助于进行可视化分析。在Instagram上，日常节奏出现在照片的视觉分析中。从社交媒体文本中提取的词云允许对用户的共同话题进行可视化检查。由于如此多的社交媒体数据包含地理空间信息，将社交媒体和GIS数据结合成可视化也面临着挑战。

界面中的社交网络

在线社交网络也对HCI的界面产生了影响，尤其是通过使用数据来驱动个性化的界面元素。定向广告和内容个性化是利用社交网络数据的众所周知的功能。

社会推荐系统是利用社会网络信息的最突出的HCI研究领域之一。推荐系统通常根据用户已知的偏好个性化内容。这可以基于项目相似性（即找到与用户喜欢的相似的项目）或用户相似性（即找到与用户喜欢的相似的人，并推荐他们喜欢的其他东西）。社交推荐人利用了这样一个事实，即人们往往与与自己有相同品味的人成为朋友，并利用社交关系找到用户可能感兴趣的商品。

基于社交的推荐往往会增加互动。这些推荐在基于品味的领域（如音乐或电影）特别有用，当用户的品味远远超出标准时，它们通常可以提高推荐性能。

传统的推荐系统倾向于推荐用户可能想要的书籍、电影、音乐和其他产品，而朋友推荐系统则推荐用户可能想要与之建立社交联系的人。现在，这些都是大多数在线社交网站中普遍存在的界面元素。这些可能依赖于与更经典的推荐系统类似的算法，但即使在在线社交网络的早期，它们也经常利用图结构来获得洞见。更新的朋友推荐方法正在利用移动设备和其他生活方式跟踪器提供的丰富数据源，为社交环境中的用户寻找潜在联系人。

总结

在线社交网络对人们与科技互动的方式产生了最为深远的影响。他们使数亿人在互联网上进行创作和互动成为可能。通过它们的使用，研究人员现在有了理解人和世界的新方法，有了自己感兴趣的一组广泛的技术，有了一组不断增长的数据，可以提供接口特性和个性化。

然而，随着社交网络成为大多数人生活的重要组成部分，未来还有许多新的挑战，包括HCI社区将面临的挑战。隐私问题已经很重要，而且只会变得越来越重要。对社交网络数据的分析和使用可能是有用的，但也可能以人们永远不会赞同或同意的方式使用。目前，用户控制个人数据的能力有限，因此设计更好的界面、工具和技术来理解在线共享的隐私含义非常重要。

网络骚扰也是一个已经渗透到大多数社交网络空间的问题。需要多种技术来解决这个问题，这样这些在线空间才能保持安全和有效的互动。

除了这些迫在眉睫的问题，社交网络对于分析和应用现有理论来理解用户行为仍然是开放的。人类行为、思维和互动的全部范围现在每天都被记录下来，并以远远超出我们处理能力的数量分享。人机交互研究人员拥有丰富的数据，他们只需要考虑研究哪些方面，以及他们将使用哪些工具，就能继续产生关于人们如何与之互动以及如何通过这项技术进行互动的有趣见解。

（作者有话说：这是一门专业课的翻译作业，只是一篇译文，原文在这里就不发出来了，主要了解一下社交网络的起源和发展，以及目前面临的问题，之后会发出对这篇文章的分析和看法。）