I

NFORMATYKA

S

POŁECZNA

Wprowadzenie

Informatyka społeczna odnosi się do szeroko rozumianego związku pomiędzy informatycz-

nymi technologiami komunikacyjnymi i światem społecznym. Z jednej strony przedmiotem

zainteresowania badaczy jest wpływ informatycznych technologii komunikacyjnych na zmia-

ny społeczne i psychologiczne wśród osób, które z nich korzystają. Z drugiej strony badany

jest wpływ zjawisk społecznych na systemy informatyczne i komunikacyjne. Jedna z pierw-

szych definicji została stworzona przez Roba Klinga, założyciela Center for Social

Informatics

1

:

Informatyka społeczna odnosi się do badania społecznych aspektów komputery-
zacji, a w tym roli technologii informatycznych w zmianach społecznych i orga-
nizacyjnych, użytkowania technologii informatycznych w kontekście społecznym
i sposobów, w jaki siły i praktyki społeczne wpływają na społeczną organizację
pracy przy technologiach informacyjnych.

Dziś można informatykę społeczną rozumieć jako interdyscyplinarny obszar badań na

przecięciu informatyki i nauk społecznych. W obrębie informatyki, dziedzina ta zajmuje się

badaniem następujących zagadnień:



w jaki sposób systemy informatyczne mogą wspierać realizację różnorodnych celów

społecznych (takich jak transparentność, sprawiedliwość, rozwój, efektywna współ-
praca);



jak mechanizmy społeczne mogą poprawiać funkcjonowanie systemów informacyj-

nych;



jak odkrywać i pozyskiwać dane pozostawiane w systemach informacyjnych, na pod-
stawie których można badać zjawiska i procesy społeczne;

Przykładem realizacji celów społecznych może być zapewnianie sprawiedliwości użyt-

kownikom aplikacji Peer-to-Peer, lub też poprawa efektywności współpracy przy wykorzy-

staniu informatycznych narzędzi pracy grupowej. Przykładem zastosowania mechanizmów

społecznych może być zarządzanie zaufaniem i systemy reputacyjne, stosowane między in-

nymi w aukcjach Internetowych. Przykładem odkrywania danych jest analiza trendów popu-

larności partii politycznych na podstawie opinii pozostawianych w Internecie.

Informatyka społeczna jest także dziedziną nowoczesnych nauk społecznych, takich jak

socjologia i psychologia Internetu. W dziedzinie nauk społecznych, udostępnienie bardzo

1

Lazer D., Pentland A., Adamic L., Aral S., Barabási A.L., Brewer D., Christakis N., Contractor N., Fowler J.,

Gutmann M., Jebara T., King G., Macy M., Roy D., Van Alstyne M., luty 2009, Computational Social Science,
Science, vol. 323

2

dużej ilości danych behawioralnych na temat zachowań społecznych może stanowić rewolu-

cję metodologiczną określaną mianem Computational Social Science

2

.

Jest wiele przykładów praktycznych, szeroko używanych systemów informacyjnych, któ-

re mogą stanowić przedmiot badań informatyki społecznej. Najszerzej wykorzystywane są

obecnie systemy informacyjne działające za pomocą technologii Internetowych, szczególnie

technologii Web2.0, ale także systemy e-commerce. Jednakże Internet to nie tylko WWW,

lecz także komunikatory, poczta elektroniczna, i wiele innych systemów informacyjnych.

Zastosowania Internetu są już dziś tak powszechne, że można zacząć mówić o tym, że

mają wpływ nie tylko na indywidualnych ludzi, ale na relacje i procesy zachodzące

w społecznościach ludzkich. Popularność Internetu powoduje także tworzenie olbrzymiej

ilości danych o zainteresowaniach, opiniach, czynnościach i innych aspektach życia ludzi

w społeczeństwie. Tę obserwację można sformułować krótko: Internet stał się sensorem spo-

łeczeństwa.

W celu systematycznego opisu badań prowadzonych przez informatykę społeczną warto

wprowadzić termin systemu informatycznego, rozumianego jako cyfrowo zapisane informacje

i procesy przetwarzania tych informacji, oraz systemu społecznego, rozumianego jako zbio-

rowość ludzka oraz zachodzące w niej procesy społeczne. Relacje pomiędzy systemem spo-

łecznym i systemem informacyjnym (obejmującym Internet) są złożone i bogate. Jednak,

w celu ułatwienia i systematyzacji dyskusji z punktu widzenia informatyki społecznej, może-

my skupić się na relacjach, które tworzą (produkują) lub wykorzystują (konsumują) informa-

cję. W tym kontekście, relacje pomiędzy systemem informacyjnym i społecznym mogą zostać

zobrazowane tak jak na rysunku 1.

Rysunek 1 Relacje produkcji i konsumpcji informacji pomiędzy systemem społecznym i informacyj-

nym

2

Lazer D., Pentland A., Adamic L., Aral S., Barabási A.L., Brewer D., Christakis N., Contractor N., Fowler J.,

Gutmann M., Jebara T., King G., Macy M., Roy D., Van Alstyne M., luty 2009, Computational Social Science,
Science, vol. 323

3

Poprzez procesy produkowania i konsumpcji informacji, system informacyjny odczuwa

i wpływa na system społeczny. Dzięki odczuwaniu, system informacyjny jest modyfikowany

i wzbogacany przez system społeczny. Należy tu wspomnieć, że istnieje też inna, istotna rela-

cja pomiędzy systemem społecznym a systemem informacyjnym, która wpływa na wydajność

systemu informacyjnego. Jest to relacja wpływu struktury, procesów i dynamiki systemu spo-

łecznego na wydajność algorytmów i protokołów systemu informacyjnego. Nazwijmy ją

krótko relacją wpływu społecznego. Nie jest to jednak relacja produkcji lub wytwarzania in-

formacji, taka jak wpływanie przez system informacyjny na system społeczny.

Poprzez wpływanie, system informacyjny modyfikuje system społeczny. Informatyka

społeczna zajmuje się badaniem i poprawą działania relacji odczuwania i wpływania. Jednym

z jej największych wyzwań jest zrozumienie dynamiki związków pomiędzy systemem infor-

macyjnym a systemem społecznym, polegających na sprzężeniu zwrotnym odczuwania

i wpływu.

Informatyka społeczna jest z założenia dziedziną interdyscyplinarną, łącząc przedstawi-

cieli takich dziedzin, jak informatyka, socjologia, psychologia, antropologia kulturowa, antro-

pologia społeczna, etologia, politologia i przedstawicieli świata sztuki.

1. Web mining

Web mining jest dziedziną stosującą techniki eksploracji danych do analizy informacji

pozyskanych z sieci WWW. Jest to zatem dziedzina wykorzystująca relację odczuwania sys-

temu społecznego przez system informacyjny.

Można podać wiele przykładów, jak relacja odczuwania jest wykorzystywana przez Web

mining. W sieci WWW, codziennie tworzonych jest setki lub tysiące nowych blogów

3

. Blogi

są źródłem danych używanych przez socjologów, specjalistów od marketingu, a także polito-

logów. Innym przykładem relacji odczuwania są sieci społeczne takie jak LinkedIn, reprezen-

tujące relacje społeczne pomiędzy swoimi użytkownikami. Usługi i portale oparte na sieciach

społecznych, takie jak Facebook lub NaszaKlasa, są także przykładem bardzo silnego sprzę-

żenia zwrotnego pomiędzy systemem informacyjnym i społecznym. Usługi te mają bowiem

wyraźny wpływ na zachowanie społeczności ludzkich, są też źródłem informacji o dużym

potencjale gospodarczym. Tak silne sprzężenie zwrotne demonstruje istotność badań informa-

tyki społecznej. O ile systemy te były przedmiotem wielu badań w naukach społecznych, ma-

3

State of the Blogosphere, Technorati, kwiecień 2007

4

jących na celu zrozumienie procesów społecznych dzięki informacjom odczuwanym przez

system informacyjny, to mało jest badań mających na celu poprawę relacji odczuwania oraz

wpływu lub analizy ich współzależności.

W ramach web miningu występują takie zainteresowania jak:



analiza topologii Internetu, WWW i p2p;



analiza dyfuzji informacji (rozprzestrzenianie plotek, innowacji etc);



automatyczna analiza treści;



analiza emocji (sentymentów).

2. Reality Mining

Reality mining to dziedzina zajmująca się analizą (modelowaniem, przewidywaniem)

zjawisk społecznych przy pomocy elektronicznych technologii analitycznych i technologii

komunikacyjnych codziennego użytku (takich jak telefony komórkowe, komputery etc). Pio-

nierskie badanie w tej dziedzinie zostało przeprowadzone w MIT Media Lab, w ramach któ-

rego analizowane były wzory zachowań użytkowników telefonów komórkowych połączo-

nych siecią BlueTooth

4

.

3.

Symulacje społeczeństw

Symulacja społeczeństw (ang. social simulation) jest dziedziną badań koncentrującą się

na zastosowaniu metod obliczeniowych i informatyki do poszukiwania odpowiedzi na pro-

blemy podnoszone przez nauki społeczne. Formalne podejścia takie jak systemy wieloagen-

towe czy automaty komórkowe używane są do wyjaśniania zjawisk z m.in. socjologii, eko-

nomii, politologii, antropologii, geografii czy lingwistyki. Naukowcy zajmujący się symula-

cjami społeczeństw koncentrują się na modelowaniu lokalnych zjawisk występujących po-

między pojedynczymi agentami w przekonaniu, że złożone efekty widoczne na poziomie ma-

kro powstają właśnie dzięki takim lokalnym interakcjom metodą „bottom up”.

Robert Axlerod postuluje, że symulacje społeczeństw są nowym, trzecim, paradygmatem

uprawiania nauki. Jako wynik działania modelu społeczeństwa powstają dane, które mogą być

analizowane, a dzięki możliwości wielokrotnego powtarzania eksperymentów dla różnorod-

nych parametrów odpowiedzi na pytania o pochodzenie złożonych efektów społecznych czy

ewolucyjnych mogą być identyfikowane. Gorącą dyskusję wśród naukowców wzbudza pyta-

4

Eagle, N, Pentland, A., Reality Mining: Sensing Complex Social Systems, Pers Ubiquit Comput (2006) 10:

255–268

5

nie, czy wnioski wyciągnięte na podstawie modelu społeczeństwa mają jakiekolwiek odnie-

sienie do rzeczywistego społeczeństwa.

Najnowsze wyniki badań i żywą dyskusję epistemologiczną można znaleźć w Journal

of Artificial Society and Social Simulation.

4.

Udoskonalanie aplikacji społecznościowych (Web2.0)

W informatyce społecznej ważna jest jednak także poprawa, a nie tylko wykorzystanie

relacji odczuwania. Poprzez projektowanie i wdrażanie innowacyjnych serwisów Web2.0 lub

innych aplikacji Internetowych (na przykład, komunikatorów społecznościowych), lepiej do-

stosowanych do potrzeb społecznych, oraz gromadzących nowe rodzaje danych, system in-

formacyjny może pozyskać nowe informacje od systemu społecznego. Inną możliwością po-

prawy relacji odczuwania jest wynalezienie nowych sposobów odkrywania informacji o zja-

wiskach społecznych w Internecie.

Jednym z największych wyzwań informatyki społecznej jest pytanie zadane przez Tima

Bernersa Lee

5

. Programiści Internetowi utworzyli wiele aplikacji i portali Web2.0, z których

niektóre zyskały licznych użytkowników. Kiedy taka aplikacja jest tworzona, może być te-

stowana tylko w skali mikro. Kiedy zostanie zaimplementowana, wdrożona i stanie się popu-

larna, zaczyna działać w skali makro, i ujawnia własności, które nie mogły zostać przewi-

dziane i zrozumiane w czasie jej projektowania i testowania. Te własności są wynikiem pro-

cesów społecznych. Jest to rezultat relacji wpływu społecznego, o której była mowa wcze-

śniej. Pytanie brzmi: czy możemy zanalizować i przewidzieć te własności systemu informa-

cyjnego (aplikacji Web2.0), zanim zostanie on wdrożony, i czy możemy wykorzystać tę wie-

dzę do poprawy projektów aplikacji Web2.0? Pytanie to ma ogromne znaczenie w praktyce.

Wyobraźmy sobie na przykład serwis aukcyjny, który chce zmodyfikować swój system repu-

tacyjny (służący na przykład do pomocy użytkownikom w podejmowaniu decyzji, czy kupo-

wać u określonego sprzedającego). Czy można przewidzieć, jak taka zmiana wpłynie na za-

chowanie społeczne, i jak będzie odczuwane nowe zachowanie społeczne? Wynikiem zmian

w zachowaniach społecznych mogą może być po prostu spadek przychodów serwisu aukcyj-

nego. Modele systemu społecznego, opracowane w wyniku analizy relacji odczuwania

i wpływania, mogą także być wykorzystane do analizy i predykcji relacji wpływu społeczne-

go.

5

Berners-Lee T. et al., Web science: an interdisciplinary approach to understanding the web, Communications

of the ACM, Volume 51 , Issue 7, July 2008

6

5. Udoskonalanie aplikacji Peer-to-Peer (P2P)

Aplikacje dzielenia plików P2P były z początku projektowane bez uwzględnienia efek-

tów społecznych. Szybko okazało się jednak, że zjawiska społeczne i zachowania ludzkie

mogą mieć duży wpływ na ich wydajność. Wydajność aplikacji P2P zależy od ilości zasobów,

udostępnianych przez jej użytkowników. Wielu użytkowników jednak woli korzystać z zaso-

bów innych, nie udostępniając nic w zamian. Są oni określani terminem freeriders (pasażerów

na gapę). Istnienie znaczącej ilości takich użytkowników wpływa na wydajność każdej apli-

kacji P2P. Protokoły dzielenia plików P2P ewoluowały, próbując poradzić sobie z tym pro-

blemem. Pierwszym krokiem było wprowadzenie modelu samolubnego użytkownika, co za-

owocowało rozwinięciem protokołu Bittorrent wraz z algorytmem choke-unchoke (opartym

na strategii Wet-za-wet, opracowanej dla iterowanego dylematu więźnia). Obecnie uznaje się,

że model samolubnego użytkownika jest zbytnim uproszczeniem, powodującym nadmierne

ograniczenie możliwości aplikacji P2P. Kolejnym krokiem jest przyjęcie modelu użytkowni-

ków zdolnych do ograniczonej współpracy (ze znajomymi w sieci społecznej). Projekt Tribler

podjął próbę rozwinięcia protokołu Bittorrent w celu umożliwienia takiej współpracy.

Przykład aplikacji P2P dobrze ilustruje relację wpływu społecznego, wywieranego przez

system społeczny na system informacyjny. Zachowania społeczne użytkowników aplikacji

P2P, takie jak współpraca lub egoizm, mają wpływ na wydajność całego systemu. Relacja

wpływu społecznego dotyczy jednak nie tylko wydajności, ale także jakości lub bezpieczeń-

stwa systemu informacyjnego.

6. Ochrona informacji i socjotechnika

Innym przykładem relacji wpływu społecznego jest efekt wywierany przez zachowania

użytkowników na bezpieczeństwo systemów informacyjnych. Popularnie określane jako so-

cjotechnika, strategie adwersarzy dążących do obejścia zabezpieczeń systemu informacyjnego

często wykorzystują zjawiska społeczne i zachowania ludzkie. Efekty zachowań społecznych

są brane pod uwagę w badaniach dotyczących ochrony informacji, choć z perspektywy tych

badań system społeczny jest traktowany jako część systemu informatycznego.

7

7.

Estetyka nowych mediów

Estetyka nowych mediów (sztuka nowych mediów) jest gałęzią sztuki, w której wykorzy-

stuje się technologie informatyczne do tworzenia dzieł sztuki. Wg Lva Manovicha nowe po-

dejście w tej dziedzinie polega na wykorzystaniu technik analizowania i przedstawiania da-

nych, które stały się codziennością w matematyce i przetwarzaniu danych (wizualizacja da-

nych, przetwarzanie obrazu etc) do analizowania obiektów kulturowych. Projekty związane

z tą dziedziną skupiają się na literaturze, malarstwie, rzeźbie i przedmiotach codziennego

użytku, Culture Vis.

8.

Społeczeństwo informacyjne

Osią rozważań dot. zmiany społecznej spowodowanej nowymi technologiami jest pojęcie

informacji i blisko z nim związane pojęcie wiedzy. Jako jeden z pierwszych, dostrzegł to zja-

wisko Fritz Machlup opisujący zjawisko produkcji i dystrybucji wiedzy

6

. Daniel Bell uznał,

że informacja stała się podstawą wytworzenia się nowego sektora informacyjnego – central-

nego elementu społeczeństwa postinformacyjnego

7,8

. Informacja zaczęła być postrzegana

jako podstawowa wartość ekonomiczna, którą można produkować, sprzedawać, obracać

i oferować zorientowane wokół niej usługi. Dlatego też centralnym pojęciem opisującym to

zjawisko jest społeczeństwo informacyjne, stworzone przez Tadao Umesao

9

. Wg Bella spo-

łeczeństwo informacyjne cechuje:



dominacja sektora usług w gospodarce oraz rozwój sektora czwartego (finanse, ubez-

pieczenia itp.) i piątego (edukacja, zdrowie, nauka);



dominacja specjalistów i naukowców w strukturze zawodowej;



centralne znaczenie wiedzy teoretycznej jako źródła innowacji;



wprowadzenie społecznej kontroli rozwoju techniki;



tworzenie „technologii intelektualnych” jako podstawy podejmowania decyzji poli-
tycznych i społecznych.

Tomasz Goban-Klas dodaje, że społeczeństwa informacyjnego nie sposób rozważać bez

uwzględnienia środków do korzystania z informacji, czyli szeroko rozumianych mediów

10

.

Leszek Porębski zauważa, że pojęcie to bywa rozumiane na sposób opisowy lub postulatyw-

6

Machlup F., 1962, The Production and Distribution of Knowledge in the United States, Princeton: Princeton

University Press

7

Bell D., 1975, Nadejście społeczeństwa postindustrialnego, próba prognozowania społecznego, Warszawa:

Instytut Badań Współczesnych Problemów Kapitalizmu

8

Bell D., 1994, Kulturowe sprzeczności kapitalizmu, Warszawa: Wydawnictwo Naukowe PWN

9

Masuda J., 1990, Managing in the Information Society, Oxford: Basil Blackwell

10

Goban-Klas T., 2004, Media i komunikowanie masowe. Teorie i analizy prasy, radia, telewizji i Internetu,

Warszawa: Wydawnictwo Naukowe PWN

8

ny. Związany z tym problem dot. wskaźników społeczeństwa informacyjnego. Autor ten,

przywołując ich różne przykłady, zwraca uwagę, że koncentrują się one, przede wszystkim,

na kwestiach gospodarczych, takich jak udział rynku w produkcji technologii informacyjnych

lub dostępność informacji. W ten sposób mierzone, społeczeństwo informacyjne staje się

określonym modelem gospodarki, a nie form uspołecznienia. W omawianym pojęciu tkwi

założenie, iż zapewnienie dostępu do technologii informacyjnych i, w konsekwencji, do in-

formacji, jest warunkiem wystarczającym do osiągnięcia sukcesu w społeczeństwie informa-

cyjnym

11

.

Czym jest ten sukces? W oficjalnej strategii informatyzacji Polski na lata 2004 - 2006

(ePolska) wymienione są trzy podstawowe obszary kluczowe dla rodzimej realizacji społe-

czeństwa informacyjnego: zapewnienie powszechnego dostępu do Internetu, stworzenie sze-

rokich i wartościowych treści i usług i edukację informatyczną, których celem jest osiągnięcie

następujących korzyści jakościowych:



zadowolenie obywateli z lepszego dostępu do tradycyjnych usług;



możliwość świadczenia i korzystania z nowych usług;



możliwość zdobywania wiedzy i podnoszenia kwalifikacji – rozwoju osobowego, nie-

zależnie od pochodzenia społecznego i geograficznego;



udział w życiu społecznym i politycznym, eliminowanie podziału społecznego, a na-

wet renesans demokracji bezpośredniej.

11

Porębski L., 2001, Elektroniczne oblicze polityki. Demokracja, państwo, instytucje polityczne w okresie rewo-

lucji informacyjnej, Kraków: Uczelniane Wydawnictwa Naukowo-Dydaktyczne

9

BIBLIOGRAFIA

Bell D., 1975, Nadejście społeczeństwa postindustrialnego, próba prognozowania społecznego,

Warszawa: Instytut Badań Współczesnych Problemów Kapitalizmu.

Bell D., 1994, Kulturowe sprzeczności kapitalizmu, Warszawa: Wydawnictwo Naukowe PWN.

Berners-Lee T. et al., 2008, Web science: an interdisciplinary approach to understanding the web,

Communications of the ACM, Volume 51 , Issue 7, July 2008.

Eagle, N, Pentland, A., 2006, Reality Mining: Sensing Complex Social Systems, Pers Ubiquit

Comput 10: 255–268.

Goban-Klas T., 2004, Media i komunikowanie masowe. Teorie i analizy prasy, radia, telewizji

i Internetu, Warszawa: Wydawnictwo Naukowe PWN.

Lazer D., Pentland A., Adamic L., Aral S., Barabási A.L., Brewer D., Christakis N., Contractor N.,

Fowler J., Gutmann M., Jebara T., King G., Macy M., Roy D., Van Alstyne M., 2009,
Computational Social Science, Science, vol. 323, luty 2009.

Machlup F., 1962, The Production and Distribution of Knowledge in the United States, Princeton

University Press, Princeton.

Masuda J., 1990, Managing in the Information Society, Basil Blackwell, Oxford.
Porębski L., 2001, Elektroniczne oblicze polityki. Demokracja, państwo, instytucje polityczne

w okresie rewolucji informacyjnej, Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków.

State of the Blogosphere, Technorati, kwiecień 2007