ソーシャルナビゲーション

ソーシャルナビゲーションは、1994年にポール・ドゥーリッシュとマシュー・チャーマーズによって導入されたソーシャルコンピューティングの一形態であり、彼らはそれを「あるアイテムから別のアイテムへの移動が、他の人または他のグループの活動の成果物として引き起こされる場合」と定義しました。 ^[1] 2002年の後続の研究によると、「ソーシャルナビゲーションは、情報リソースのピアユーザーの知識と経験を活用して」情報空間でユーザーを誘導し、ワールドワイドウェブやその他のソースから入手できるすべてのデジタル情報を効率的にナビゲートおよび検索することがますます困難になっています。 ^[2]他の人のナビゲーションの軌跡を研究し、その行動を理解することは、他の人の行動に基づいてより情報に基づいた決定を下すように導くことで、自分の検索戦略を改善するのに役立ちます。^[3]

Web 2.0やソーシャルウェブが発展する以前は、ワールドワイドウェブは、ユーザーが他の誰が閲覧またはナビゲートしているかを知らない孤独な空間でした。^[4]ソーシャルナビゲーションの研究範囲は、特に情報の視覚化が向上するにつれて拡大しています。仮想空間でソーシャル情報を表示することで、ユーザー行動モデルはデジタルシステムをよりソーシャルで孤独でないものにすることができます。^[2]

ソーシャルナビゲーションの概念は、いくつかの理論によってサポートされています。情報採餌理論は、人間が情報を求め、収集し、共有し、消費する際の行動を研究します。^[5]これは、最適採餌理論を情報へのナビゲーション時の人間の行動に適用し、^[6]履歴が豊富なデジタルオブジェクトに基づいて人々が他の人からどのように利益を得るかを説明します。これは、中古品やパスの概念を説明します。たとえば、メモ、ハイライト、下線が付いた中古本は、新しい本とは異なります。履歴が豊富なデジタルオブジェクトは、人々がターゲットをより速く効率的に見つけるのに役立ちます。^[7]

情報採餌は、食料採餌や蟻コロニー最適化^[6]に代わるものです。これらは、情報ハンターである人間が、他者の経路をたどって、最適にターゲットに到達するというものです。最適な情報は、単位コスト（時間や労力など）あたりで得られる情報の価値を最大化する必要があります。^[5]この理論は共同作業をサポートし、^[8]ユーザーが他者の研究から恩恵を受けることができる優れたインターフェースを設計者が構築するためのガイドとなります。^[7]

この理論の弱点は、人々が情報を誤って追跡した場合、それを理解しないと方向転換できないことであり^[7]、最適化は必ずしも人間の行動に当てはまるわけではない^[8]。

情報パッチモデルは、フィルタリングされた情報とクラスター化された情報のナビゲーションに費やされた時間を研究し、できるだけ早く全体の情報を最適化するように機能します。^{[5] [8]}情報嗅覚モデルは、他のユーザーが使用した最も有用な手がかりを取ることで情報の価値を決定します。^{[5 ] [ 8} ]情報ダイエットモデル（獲物選択）は、人々が他の人の選択に基づいてターゲット情報を選択する方法を説明し、最適な満足度の高い情報につながります。^{[5] [8]}

ウェブページのデザインは、ユーザーがインターネットと社会的にやりとりする上でも重要です。アクセシビリティと人気には相関関係があります。^[9]ウェブサイトの機能が高いほど、トラフィックが多くなります。^[9]より頻繁に使用されるウェブサービスは、当然よりソーシャルな体験になります。アクセシビリティに寄与する要因は数多くあり、ページの場所、プロパティ、ハイパーリンクの数、アクセス モードなどがあります。^{[10] [11]}ウェブ サーフィンに対するアプローチは人それぞれ異なるため、インターネット ナビゲーションは「内部 (メンタル) モデルの作成と解釈であり、その構成要素となるアクティビティは、ブラウジング、モデリング、解釈、およびブラウジング戦略の策定である」と定義されています。^[10]ユーザーが自分の興味を反映するようにブラウジング戦略を調整すると、自分の興味に関連するページがより簡単に見つかるという理論があります。^[10]ハイパーリンクを無知なままナビゲートすると誤解を招き、不要なサイトへのアクセスが増える可能性があります。^[12]ブックマークは、自分の興味に合ったサイトに戻るための方法であり、^[12]将来の閲覧のために保存されるハイパーリンクを作成します。人々が同じページをブックマークして頻繁に訪問すると、コミュニティ意識が形成されます。最近では、他の現在のユーザーのライブ更新が、ウェブ閲覧の社会的側面に別の側面を加えています。^[12]

協調フィルタリングは、ソーシャルナビゲーションで広く利用されているもう 1 つの手法です。これは、同様の社会的関心を共有する他のユーザーのトラフィックに基づいて検索結果がユーザーに提示された場合、より有益で効率的なエクスペリエンスがもたらされることを示唆しています。^[13]たとえば、Amazon.comには「この商品を購入したお客様は、こちらも購入しています」機能があり、同様のユーザーが購入した他の商品を買い物客に提示します。これにより、Web ブラウジングの流れが合理化され、より関連性の高いページへのアクセスが容易になります。^[13]

ソーシャルナビゲーションは、さまざまなタイプの仮想世界でも議論できます。マンローは、ソーシャルナビゲーションについて、独自の概念をいくつか共有しています。個人間のやりとりの代わりに、ソーシャルナビゲーションは「情報空間を移動し、その空間にいる他の人の活動や方向性を自分の空間活動を管理する方法として活用する方法」として提示できます。マンローは、風景や地図などの構造自体に大きく依存する空間ナビゲーションは、ソーシャルナビゲーションと対比できると指摘しています。ユーザーは、特定の空間内のデータやオブジェクトだけでなく、他の個人やその相互作用も利用できます。^[14]

ユーザーがオンライン コミュニティを閲覧すると、意図的なものも意図的でないものも含め、アクティビティの痕跡が残ります。意図的な痕跡には、投稿、他のユーザーの投稿への返信、友達の数、アップロードされたメディア、およびユーザーが意図的に情報を共有するその他のアクティビティが含まれます。意図的でない痕跡には、閲覧履歴、特定のページで費やした時間、直帰率、およびユーザーのアクションが Web サーバーによってサーバー ログに自動的に記録されるその他のアクティビティが含まれます。

ビョルネボーンは、オンラインコミュニティのユーザーを「痕跡を残すユーザー」（つまり、アクション可能なアイテムを残すユーザー）と「痕跡を見つけるユーザー」（つまり、痕跡を残すユーザーが残した痕跡をたどるユーザー）に分類しています。これらの参加型アクティビティは、他のユーザーの情報検索行動を導き、ソーシャル検索やソーシャルナビゲーションの機能に影響を与えます。^{[15]ソーシャルブラウジングの痕跡を残すアクティビティとソーシャル検索の概念を組み合わせると、Freyne}らが実証したように、志を同じくする検索者の集中的な検索アクティビティを記録して再利用し、特定のオンラインコミュニティのニーズにより適した検索結果を生成することができます。^[16]

Amazon.comなどのウェブサイトは、購入履歴や製品レビューなどのユーザートレースを分析して、他のユーザーへの推奨事項を生成します（例：「この商品を購入したお客様は、次の商品も購入しました...」）。 ^[17] GitHubなどの共同ソフトウェア開発のためのオンラインプラットフォームは、リポジトリの数、プロジェクト間のアクティビティ履歴、コミット、個人プロファイルなどのアクティビティトレースに依存して、コミュニティ内でのユーザーの評判を判断します。^[18]

ユーザーアクティビティのトレースは、ユーザーの行動パターンや傾向をモデル化して、オンラインコミュニティの健全性（コミュニティが繁栄するか衰退するか）を判断するため に使用できます。 ^{[19]このようなモデルは、コンテンツの伝播と将来の人気を予測したり、 [20]}投票が行われる前に結果を予測したりするためにも使用できます。^[21]アクティビティとトラフィックのパターンを使用して、既存のシステムのパフォーマンスを評価し、サイトの使いやすさ、アーキテクチャ、インフラストラクチャを改善できます。^[22]

情報空間を探索して発見するための戦略は主に 2 つあります。1 つ目は通常の検索で、ユーザーは自分が何を探しているのかを知っています。このコンテキストでは、ユーザーはターゲット情報を念頭に置いています。通常、検索エンジンに入力する前に、まず検索クエリを作成する必要があります。もう 1 つの検索戦略はナビゲーションで、ユーザーはターゲット情報を念頭に置いておらず、特定のハイパーリンクをたどって情報を探索します。

ナビゲーションは検索よりも優れていると考えられています。なぜなら、ユーザーが探しているものを認識することは、人々が必要とする情報を定式化して説明するよりも簡単だからです。これは「語彙問題」と呼ばれます。 ^[23]ソーシャルタグ付けは、リソースセットを整理する新しい社会的方法として機能し、新しい社会的角度から「語彙問題」に取り組みます。ソーシャルタグ付けシステムにより、人々は自分のニーズに応じて自由に選択した単語（タグ）を使用してリソースセットに注釈を付け、ソーシャルタグ付けシステムの他のユーザーと共有できます。この人間ベースのリソースの注釈の結果は、フォークソノミーと呼ばれます。ソーシャルタグ付けシステムの例としては、 BibSonomy、CiteULike、Flickr、Delicious などがあります。

タグ クラウドは、ユーザーが集合的に見るトピックまたは主題のテキスト表現であり、リソースの「内容」を捉えます。

タグ クラウドは簡単に構築でき、直感的に理解でき、広く使用されています。また、タグ付けシステム内のユーザー、タグ、リソース間の 3 種類の関係を表すこともできます。ただし、画面に表示できるタグ クラウドにはサイズ制限があるため、タグ クラウド内の関係を表すには、最適なタグを選択し、情報スペースを構成することが重要です。^{[引用が必要]}

タグクラウドは非常にシンプルで、ユーザーをサポートするために応用できます。研究者は、タグクラウドが通常、Rivadeneiraらが示したように、次の4つの異なるタスクに有用であることを発見しました。 [ ^24]

• 検索: 特定のターゲットの存在または不在を見つける
• ブラウジング：特定のターゲットを念頭に置かずにクラウドを探索する
• トピックについての視覚的な印象を得る
• 認識とマッチング: タグクラウドを特定のトピックを説明するデータとして認識する

研究者らは、異なるレイアウトは異なるタスクを実行するときに役立つことも発見しました。また、タグクラウドのタイポグラフィ（フォントサイズ/位置）が重要であることも実証しました。フォントサイズは、色、タグ文字列の長さ、タグの位置などの他の視覚的特徴よりも、タグを見つけるのに大きな影響を与えます。^{[25] [26] [27]}

これまでの研究に基づくと、タグクラウド評価を実行する一般的な方法は次のとおりです。^{[28] [29]}

• タグクラウドのカバレッジ、重複、選択性に関する特定の評価指標を使用する
• 評価指標と組み合わせてナビゲーションに関するタグクラウド評価を可能にするユーザーナビゲーションモデル
• 画像コレクションにおけるタグベースの情報アクセスを評価するユーザー調査
• ナビゲーション可能性の仮定（タグクラウドはナビゲーションに役立つという広く受け入れられている考え方）の検討

ソーシャル タグ付けデータの問題は、構造が欠けていることです。同義語、多義語、同音語、またはタグの意味に関する問題は、タグ付けデータに関連する追加の問題です。主なカテゴリは、フラット クラスタリング アルゴリズムと階層型クラスタリング アルゴリズムの 2 つです。

フラット分類には、タグクラウド選択に広く採用されているアルゴリズムであるコンテンツベースの方法（Venetisらが提案したTopNアルゴリズム）、[29]接続されたタグのグラフをクラスターに分割する^{ネットワーク}ベースの方法、およびタグ間の意味的関係が考慮される機械学習方法の3つの方法があります。

階層タグ クラスタリングとは、構造化されていないタグ付けデータから階層構造を作成することを指します。この構造は、ユーザーの情報空間のメンタル マップとして見ることができ、ナビゲーションの補助として使用できます。階層タグ クラスタリングには、次の 3 つの方法があります。

• 階層的クラスタリングは、K平均法アルゴリズムをテキストデータに適用し、トップダウン方式でタグ階層を作成する方法です。
• アフィニティ伝播は、各データサンプルをその「責任」と「可用性」の値に応じて特徴付けます。アルゴリズムの入力は、マトリックスで提供されるデータサンプル間の類似点のセットであり、アルゴリズムの出力は階層であり、階層内の各ノードは一意のタグを表します。
• タグ類似性グラフ法の一般性には以下が含まれます。
  1. アルゴリズムの入力はタグの類似性グラフである
  2. 最も一般的なノードを階層のルートとして設定する
  3. その他のすべてのノードは、次のルールに基づいて、類似性グラフの中心性の降順で階層に追加されます。
     1. 階層内の現在存在するすべてのノードと候補ノード間の類似度を計算する
     2. 類似度が所定の閾値を超える場合: 候補ノードは階層内で最も類似したノードの子として追加されます。
     3. それ以外の場合、候補ノードはルートノードの子として追加されます。

タグベースのナビゲーションのモデリングは、ソーシャル タグ付けシステムで発生するプロセスと、システムの使用方法を理解するために使用されます。ソーシャル タグ付けシステムでのタグベースのナビゲーションのモデリングを理解するには、ナビゲーションの基本的なモデリング フレームワークと、ナビゲーションをガイドするフォークソノミーの能力に関する理論の理解という 2 つの要素があります。

マルコフ連鎖モデル:

• ウェブ上のナビゲーションは、ウェブページ間のリンクをたどるプロセスとみなすことができます。
• マルコフ連鎖モデルは、ウェブページ間の遷移確率（状態とも呼ばれる）を割り当てる。
• 一次マルコフ連鎖（状態間の遷移確率は現在の状態のみに依存する）がより一般的に使用される。

分散型検索:

• ネットワーク内のナビゲーションは、メッセージパッシングアルゴリズム分散検索によってモデル化できる。
• メッセージホルダーは、ターゲットノードが見つかるまで、メッセージをそのすぐ隣のノードの1つに渡します。
• 各ステップでの移動の決定はネットワークのローカルな知識によってのみ行われる
• ノードへのパスの検索（Webナビゲーションですでに実現）

さまざまな学者が、ナビゲーション補助としてのフォークソノミーの適性を理論的に裏付けています。主な観点は 4 つあります。

• ネットワーク理論の観点には2つの側面がある。グラフとしてのフォークソノミーの一般的なナビゲーション可能性、またはそのようなグラフ内でのナビゲーションをガイドするタグ階層の能力である。
• 情報理論の観点からは、ソーシャルタギングを情報空間を要約したメンタルマップを作成するための共同作業と見なすことが示唆されている。
• デジタル環境における人間の情報探索を説明する情報採集の観点
• タグ付け対ライブラリアプローチ。彼ら^{[誰? ]}は制御された語彙の定義を提案し、ソーシャルタグ付けシステムで出現した制限のない自由形式の語彙と制御された語彙を比較した。

このセクションで紹介する評価方法は、 Helicら^[30]の論文に基づいています。著者は論文の中で、フォークソノミーアルゴリズム（階層構造）によって生成された出力を、分散検索の入力（背景知識）として活用できるという一般的な考え方を、以下の理由から提案しました。

• 分散型検索のパフォーマンスは、ナビゲーションを容易にするために開発された階層型クラスタリング結果の品質に大きく依存します。
• 分散検索アルゴリズムのパフォーマンスは、フォークソノミーの適合性に依存します。
• 著者らは、分散検索のシミュレーション手法を活用してフォークソノミーの適合性を評価することができると提案した。

教育システムでは、Knowledge Sea II などのソーシャル ナビゲーションのさまざまなアプリケーションが研究されています。従来のアプローチ (クローズド コーパス) と比較して、Knowledge Sea II はオンライン情報 (オープン コーパスと呼ばれる) とさまざまなソースからのフィードバックを収集できます。グループ トラフィックは、"教科書の最も重要な部分" などのソーシャル ナビゲーション情報を示すフィードバックとして使用されます。教室での研究の後、Knowledge Sea II システムは、教科書の内容の関連性の視覚化と学生ユーザーの満足度において優れたパフォーマンスを示しています。 ^[31]

メルテンスと彼の同僚は、既存のシステムであるvirtPresenterにハイパーメディアナビゲーションの概念を追加して最適化しました。ブックマーク、フットプリント、構造要素が統合され、ユーザーが講義の録画にアクセスしやすくなり、将来のユーザーのためにソーシャルナビゲーションもサポートされます。virtPresenterの新しいバージョンは、視覚化、週ベースのフィルタリング、交換可能なブックマークなどのソーシャルナビゲーション機能で優れたパフォーマンスを示しています。^[32]

FarzanとBrusilovskyは、ウェブ注釈と適応型ナビゲーションサポートの機能を組み合わせて、ウェブベースの教育におけるソーシャルナビゲーションアプリケーションの相乗効果を生み出すAnnotatEdシステムを発表しました。ウェブ注釈とソーシャルナビゲーションサポートの実装により、このシステムはKnowledge Sea IIと統合され、ピッツバーグ大学の情報システム学部で6学期にわたって評価され、ソーシャルナビゲーションの統合により、新しいシステムに対するユーザーの肯定的な態度が大幅に高まったことが示されました。^[33]

CityFlocksと呼ばれるシステムは、都市のモバイル情報システムにおけるソーシャルナビゲーションの実装を示すために導入されました。^[34]この実装については、Bilandzicら（2008）が説明しています。^[35]携帯電話ユーザーの流入に基づく「社会的に盲目」問題を解決するために、CityFlocksは、Web注釈と都市内の物理的なターゲットの座標を直接的または間接的に組み合わせることができるように設計されました。ソーシャルナビゲーションの要件と問題を収集するために、フォーカスグループが選択されました。このシステムは、 Googleマップや情報検索などの適切な技術を使用して設計および生成されています。CityFlocksのユーザーテストでは、間接的なアプローチの方が直接的なアプローチよりも受け入れられやすいことが示されました。^[要出典]

ソーシャルナビゲーションシステムのプロトタイプとして、JugglerとVortexの2つが発表されている。Jugglerシステムは、MOO ^{[説明が必要]}、テキスト仮想環境、Webクライアントを組み合わせたものである。Vortexシステムは、URLを表示するために簡略化されたデスクトップを使用する。^[36]

履歴が豊富なソーシャルナビゲーションの実装は、潜在的なユーザーの行動の痕跡を将来のユーザーに見えるようにすることに基づいています。このアイデアの実装は、ドキュメントマップ、ナビゲーションパス、ドキュメントの注釈と標識など、さまざまなソーシャルナビゲーションメカニズムで強化された情報空間を導入したWexelblatとMaesによるものです。^[37]彼らは、近接対非近接、能動的対受動的、変化率、浸透度、個人的対社会的、情報の種類という6つの特性を使用しました。履歴が豊富な情報空間のより多くの例は、教育分野、^[38]、位置情報に基づくネットワーキング、および料理のレシピなどのさまざまなコンテキストで実装されています。

ハッサン・カリミと彼のチームが考案した位置情報ベースのソーシャルネットワークアプリケーションであるSoNavNet（SoNavNet）は、ナビゲーション体験を共有することを目的としています。Googleマップのように最短時間や距離を単に表示するだけでなく、ユーザーの特定の体験や推奨事項が強調表示されます。地理位置情報とメッセージ機能の両方を備えたSoNavNetでは、ユーザーは自分の現在地と興味のあるポイントを表示しながら友人にリクエストを送信でき、そこから自分のニーズに合わせたルートや会場の情報を取得できます。^[39]

マーティン・スヴェンソンと彼のチームは、直接的および間接的なナビゲーションアプローチを備えたレシピ推奨システム「European Food On-Line」を開発した。ソーシャルナビゲータは、ユーザーの行動とネットベースの通信の使用法をモデル化するためにJavaサーブレットとして実装された。^[40]

ソーシャルナビゲーションの実装は、ユーザーが必要な情報を見つけられるように導く上で重要な役割を果たします。ウェスリー・ウィレットと彼のチームは、埋め込み視覚化によってナビゲーションを改善する Scented Widgets を設計しました。彼らは、標準のインターフェースウィジェットで香りの指標を実装し、データに視覚的なエンコーディングを使用しました。色相、彩度、不透明度、テキスト、アイコン、棒グラフ、折れ線グラフは、さまざまな情報を強調するための香りのエンコーディングであり、同時に異なるタイプのデータを表示できます。彼らは、Java Swing とプラットフォームのプラグ可能なルックアンドフィールを使用して、実行時にウィジェットを作成および変更しました。ユーザーフレンドリーなインターフェースを設計するために、彼らは香りのエンコーディング、レイアウト、および構成のガイドラインに従いました。^[41]

ファイル共有システムでは、各ユーザーが自分のコンピューター内のどのファイルをネットワーク経由で共有できるかを決定できます。当初、ユーザーはこれらのセキュリティ関連の設定を自分で行う必要があり、10 人中約 8 人がクレジットカード情報や住所などの個人情報を意図せずに漏らしていました。この問題に基づいて、カリフォルニア大学アーバイン校の Paul DiGIoia 氏と Paul Dourish 氏は、ソーシャル ナビゲーションを使用して問題を解決する パイルメタファー モデルを導入しました。

パイル メタファー モデルは、2 つの主要な部分に焦点を当てています。まず、このシステム内の他のユーザーがどのように共有するファイルを決定するかをユーザーに示し、そのような情報はフォルダーとして直接表示されます。フォルダーの外観が異なると、共有レベルが異なります。このわかりやすい設計により、ユーザーは自分の決定が適切かどうかを簡単に知ることができます。次に、パイル メタファー モデルは、ファイルを読み取ったシステム内のユーザーの数を、ファイルの山の整頓度合いで示します。たとえば、ファイルが読み取られる回数が多いほど、ファイルの山は乱雑になります。

パイルメタファーモデルには2つの利点がある。このモデルをシステムに導入しても、システムの基本的な設計は変更されない。小さなプラグインのようなもので、ユーザーに大きな影響を与える。また、セキュリティ関連の機能はすべてグラフィカルユーザーインターフェイスに直接表示されるため、ユーザーの作業の妨げにならない。^[42]

社会的ナビゲーションの分野でよく使われる方法の1つは、人間とロボットの相互作用に結び付けられるプロクセミクスを構築することです。ある研究では、人間が経路横断のシナリオでロボットに期待するさまざまな種類のナビゲーション動作に興味が寄せられています。その結果、空間関係が実際に動作に関係していることがわかり、期待される行動を予測できる可能性があります。^[43]

ソーシャル ナビゲーションは、一般の人々を誤解させたり、特定の人物に関する個人情報を入手したりしようとする 悪意のあるユーザーによって悪用される可能性があります。

イスラエル工科大学の研究者 Meital Ben Sinai、Nimrod Partush、Shir Yadid、Eran Yahav は2014 年にいくつかの実験を行い、その結果について議論する「ソーシャルナビゲーションの悪用」という記事を書きました。記事によると、攻撃者は複数のマシンを使用してユーザーの行動を偽装し、情報を捏造して他の実際のユーザーを誤解させる可能性があります。この場合、攻撃者は、ユーザーが交通ニュースを報告し、これらのメッセージを他の人にブロードキャストできるリアルタイム交通ソフトウェアを攻撃しました。研究者は、偽のユーザーを使用して障害物や交通渋滞などの交通情報を捏造し、システムが実際のユーザーを誤解させることに成功しました。実際のユーザーは、別のルートに行くために時間とお金を無駄にしたり、安全でない存在しないルートに誘導したりすることがあり、セキュリティ関連の問題が発生します。この問題を解決するために、ソーシャルナビゲーションシステムでは、検証コードを使用してユーザーの ID を確認することがあります。

検証技術は、ソーシャルナビゲーションの別の問題、つまり情報漏洩につながる可能性がある。シナイらは、悪意のある攻撃者がユーザー情報を悪用して個人情報を入手する可能性があると論じた。攻撃者はその情報を使用して悪意を持って他の人を追跡できるため、セキュリティ関連の問題が発生する。^[44]

ソーシャルネットワークやソーシャルウェブの人気が高まるにつれ、さまざまなソーシャルコンピューティングシステム内でやりとりするユーザーの足跡を通じてデータを収集できるようになりました。この成長により、教育、メディア、ニュース、ツアーガイドシステムなど、ソーシャルナビゲーションサポートのより斬新で多様な実装が生まれました。共有3D環境でのソーシャルナビゲーションの実装も同様に機能し、ユーザーは仮想世界で以前同じ場所にいた他の人の軌跡や情報を見ることができます。^[45]ボッシュは実際の運転用ナビゲーションシステムを改良し、ソーシャルナビゲーションを使用して運転時間を短縮しました。^[46]

• 位置情報に基づく推奨