Somekone näyttää nuorille, miten sosiaalisen median algoritmi kerää tietoa heistä

Useimmat meistä käyttävät sosiaalista mediaa päivittäin. Harva silti tietää miten sosiaalisen median algoritmi oikeastaan toimii.

- Alustoja käyttäessä ei usein tiedosta sitä, miten paljon ja minkä tyyppistä tietoa käyttäjästä kertyy ja mihin tarkoitukseen sitä hyödynnetään. Datan keräämisen ja käytön keskeisiä mekanismeja ei tunneta, sanoo tekoälyprofessori .

Seurauksena uskomukset sosiaalisen median algoritmien toiminnasta voivat pohjautua "kansanuskomuksiin" - epämuodollisiin ja usein virheellisiin käsityksiin siitä, miten sosiaalisen median alustat toimivat.

Tämä on suuri haaste myös medialukutaidon opettamiselle kouluissa.

- Kouluissa opetus keskittyy käyttäjän tietoturvaan ja misinformaatioon. Sosiaalisen median toimintamekanismit jäävät usein ulkopuolelle. Täytyy mennä pintaa syvemmälle, jotta oppilaat pystyvät hahmottamaan algoritmien toimintaa - miten erilaiset somekuplat syntyvät, miten tunteita vahvistetaan ja käyttäytymistä ohjeillaan.

Työkalut tähän ovat kuitenkin puuttuneet.

Tutkijoiden kehittämä Somekone auttaa kurkistamaan pellin alle.

Jokainen klikkaus tallentuu

Instagramia muistuttavassa, suljetussa ympäristössä selaillaan kuvavirtaa. Ympäristössä toimitaan kuten missä tahansa somessa, tykätään, seurataan, jaetaan, kommentoidaan ja reagoidaan emojeilla.

- Samaan aikaan kone kerää dataa kaikesta tästä. Muodostuu visuaalinen näkymä siitä, mitä tietoa käyttäjästä on kertynyt, millainen profiili hänestä muodostuu ja miten alusta päätyy suosittelemaan lisää sisältöä.

Somekone seuraa tarkasti: kuvien katseluajat, tykkäykset, kommentit ja niiden pituudet, reaktiot, seuraamiset ja jakamiset tallentuvat koneen muistiin. Samaan aikaan oppilas voi seurata omasta tai kaverinsa selailusta kertyvää tietoa toiselta laitteelta.

Kerätystä toiminnasta muodostuu profiili, joka kuvaa selailusta havaittuja oppilaan kiinnostuksen kohteita esimerkiksi sanapilvenä. Profiilien pohjalta Somekone myös suosittelee seuraavia kuvia ja selittää oppilaalle, miksi juuri kyseinen sisältö on valittu. Syynä voi olla esimerkiksi se, että sisältö muistuttaa aiemmin tykätystä aiheesta tai koska muut samankaltaiset käyttäjät ovat pitäneet siitä.

- Oppijat pääsevät omakohtaisesti näkemään, miten pienimmätkin teot, kuten hetkellinen pysähtyminen sisällön äärelle, tallentuvat osaksi heidän digitaalista jalanjälkeään.

Visualisointi ja sanalliset selitykset konkretisoivat kertyvää tietoa välittömästi: aina kun käyttäjä tekee jonkin toiminnon, muutokset näkyvät selailuhistoriassa ja profiilissa.

- Opettajan näytöllä koko luokan profiilit näkyvät reaaliaikaisena verkostona, jossa samankaltaisia kiinnostuksen kohteita jakavat oppilaat ryhmittyvät lähekkäin. Näin luokka näkee konkreettisesti, miten yksittäisen oppilaan toiminta vaikuttaa myös muiden saamiin suosituksiin.

Juttu jatkuu kuvan jälkeen.

Väline on suunniteltu oppilaiden tietosuoja huomioiden: kaikki tieto tallentuu oppitunnin aikana paikallisesti opettajan tietokoneelle ja poistuu automaattisesti tunnin päätyttyä. Somekone ei lähetä tunnistettavaa tietoa ulkopuolisille palvelimille.

Somekonetta on testattu noin 400 lapsen kanssa kymmenissä suomalaisissa kouluissa.

- Somekone tukee kokemuksellista oppimista kannustaen oppimaan käytännön tekemisen kautta.

- Toivon, että Somekone otetaan laajasti käyttöön kouluissa - ja miksei myös kotona. Kun oppimisen lähtökohtana on perinteisen oppitunnin tai oppikirjan sijaan useimmille nuorille tuttu sovellus, se korostaa aiheen merkitystä arjessa ja kannustaa oppilaita osallistumaan somesta käytävään keskusteluun sekä tuomaan esiin omia näkökulmiaan. Tämä olisi tärkeää, jotta somen käytön rajoituksista ei keskusteltaisi vain aikuisten kesken, ikään kuin nuorten päiden yli, Roos sanoo.

Generation AI on Strategisen tutkimuksen neuvoston (STN) rahoittama monitieteinen ja usean yliopiston tutkimusohjelma, joka kehittää tutkimukseen perustuvia opetusteknologioita, oppimateriaaleja ja oppimiskokonaisuuksia tekoälylukutaidon vahvistamiseksi.

Uutiskirje