Recomendaciones de proyectos inteligentes sobre SciStarter

Algunas partes de esta publicación de blog se extraen del episodio de podcast adjunto y de las notas compartidas entre el equipo de SciStarter y el equipo de investigación de Kobi Gal.

Recomendaciones de proyectos inteligentes sobre SciStarter

Con miles de proyectos enumerados en SciStarter , un desafío principal puede ser encontrar el proyecto adecuado, uno que realmente se adapte a sus necesidades e intereses. Después de reunirse en un taller sobre el alojamiento Open Science of Learning por CRI , Kobi Gal, un experto líder en inteligencia artificial centrada en el ser humano, y Darlene Cavalier, fundadora de SciStarter, colaboraron (con el apoyo de NESTA, una fundación de innovación con sede en el Reino Unido). ) para crear un sistema de recomendación inteligente para ayudar a los usuarios de SciStarter a encontrar el proyecto adecuado.

En un nuevo episodio de podcast , Kobi y Na'ama Dayan, un estudiante graduado de la Universidad Ben Gurion y miembro del equipo de investigación de Kobi Gal, conversan con Caroline Nickerson del equipo SciStarter sobre el nuevo sistema y cómo USTED puede ayudarnos a probarlo. Las próximas semanas. Una transcripción está disponible aquí.

Inteligencia artificial

El objetivo del nuevo sistema es personalizar las recomendaciones de proyectos en SciStarter, para que los participantes puedan descubrir fácilmente los proyectos más adecuados para ellos. El equipo espera que las recomendaciones personalizadas de Inteligencia Artificial (IA) puedan generar mejores resultados científicos y de aprendizaje y aumentar la satisfacción de los voluntarios.

El sistema relaciona a los usuarios con proyectos seleccionados por otros usuarios con características similares, en función de sus perfiles y actividades. Esta correspondencia se realiza mediante la agrupación de usuarios en cinco cohortes anónimas basadas en sus contribuciones de SciStarter (tipos de proyectos contribuidos, número de proyectos contribuidos, frecuencia de contribuciones, tiempo dedicado a hacer el proyecto y más). Los usuarios pueden acceder a estas recomendaciones cuando inician sesión, tanto en la página de inicio de SciStarter como en una barra lateral en las páginas del proyecto.

Captura de pantalla de la página de inicio de SciStarter
Captura de pantalla de la página del proyecto SciStarter

Mitigando los miedos

Como dice Kobi en el podcast, "la inteligencia artificial es una colección de técnicas y tecnologías que complementan las habilidades humanas, en lugar de reemplazar las habilidades humanas, y nos ayudan a hacer mejores trabajos, ya sea como maestros, jueces, médicos o usuarios de computadoras".

Kobi explica en el episodio por qué algunas personas pueden tener miedo de la IA, explicando cómo este equipo combate estos miedos con un diseño intencional. "La IA, como cualquier herramienta, como cualquier tecnología, se puede utilizar para bien o para mal … la investigación que hacemos aquí en SciStarter, nuestra colaboración, tiene como objetivo mitigar estos temores en el sentido de que creamos un sistema que sea capaz para ayudar a las personas a lograr una mejor satisfacción, encontrar los proyectos que coincidan con sus intereses, en lugar de tratar de decirles qué hacer o manipular la forma en que interactúan en el sitio ".

Un usuario puede optar por no participar en cualquier momento. Si un usuario se excluye, obtendrá la lista predeterminada y fija de proyectos populares en su página de inicio de SciStarter y en las barras laterales de la página del proyecto.

Cómo funciona

Los sistemas de recomendación (comúnmente utilizados en el comercio electrónico, en las noticias y en los sitios de redes sociales) utilizan algoritmos que analizan el comportamiento pasado para recomendar elementos a los usuarios, confiando en cientos de miles de instancias de datos. Como explica Na'ama en el podcast, un "algoritmo es como un conjunto de pasos para lograr un objetivo. Es como seguir las instrucciones de una receta para hacer un pastel ".

El sistema hace coincidir a los usuarios con elementos que les gustan a usuarios similares, con similitudes entre los usuarios en función de su comportamiento anterior.

Na'ama dice en la entrevista de podcast que el equipo usa cinco algoritmos diferentes. Los proyectos se pueden recomendar en función de la similitud del proyecto, lo que significa que "un usuario recomienda proyectos que son similares entre sí, en el sentido de que ambos se realizan en línea o que usuarios similares han participado en este proyecto", o los proyectos pueden ser recomendado en función de la similitud del usuario, lo que significa que "si John participa en CoCoRaHs y John y yo somos similares en el sentido de nuestras actividades pasadas … es razonable que también me gustaría participar en CoCoRaHS, porque John y yo somos similares".

Para los usuarios con un historial significativo con la plataforma SciStarter, el motor de recomendaciones hará predicciones basadas en los algoritmos. Para los usuarios que son nuevos en la plataforma SciStarter, el motor se basará en recomendar los proyectos más populares a los usuarios.

Evaluar el éxito

Según un informe de las Academias Nacionales de Ciencias, Ingeniería y Medicina , las motivaciones de los científicos ciudadanos están "fuertemente afectadas por intereses personales", y los participantes que se dedican a la ciencia ciudadana durante un largo período de tiempo "tienen oportunidades sucesivas para ampliar y profundizar su participación ”. Por lo tanto, parece que el compromiso sostenido mediante el uso de recomendaciones inteligentes puede mejorar la calidad de los datos y los resultados científicos para los proyectos y el público.

Todos los datos recopilados y analizados durante este experimento en SciStarter serán anonimizados. Esto incluye todos los datos de participación en proyectos y datos de clickstream. El equipo analizará los datos, comparando las cohortes para examinar qué tipos de usuarios han contribuido a diferentes proyectos en términos de número de visitas, ahorros, tiempo de permanencia en el proyecto y frecuencia de las contribuciones. El equipo también realizará encuestas a los usuarios de SciStarter y buscará comentarios de la comunidad (sí, ¡quieren saber de usted!).

¿Cómo sabremos que esto funcionó? Kobi nos dijo en el podcast: "Si hicimos las cosas bien, entonces estas nuevas recomendaciones realmente harán que las personas sean mejores contribuyentes a SciStarter".

El equipo compartirá su producción con los propietarios del proyecto y la comunidad de voluntariado, brindándoles información sobre otros tipos de proyectos con los que participaron sus participantes. Si el proyecto tiene éxito, el estudio arrojará un algoritmo reproducible que las plataformas de ciencia ciudadana pueden usar para recomendaciones inteligentes, así como un enfoque generalizado para mejorar la inteligencia colectiva en ciencia ciudadana conectando usuarios, datos e inteligencia artificial.

¿Entonces que significa esto para usted? Puede dirigirse a SciStarter ahora mismo para probar el "loro amigable en el hombro", como Kobi llama a las recomendaciones. ¿Lo clavamos? ¿Puede encontrar más fácilmente el proyecto adecuado para usted? Nos encantaría conocer su opinión al respecto, y puede comunicarnos su opinión por correo electrónico a info@scistarter.org .

Gracias a Kobi Gal, Na'ama Dayan, Avi Segal, Zhixing y otros por su trabajo en este proyecto.


Sobre el Autor

Caroline Nickerson

Caroline es estudiante de Maestría en Políticas Públicas en la American University con un enfoque en políticas ambientales y de cambio climático. También trabaja con la Unidad de Bioética de la UNESCO UF-VA, el Proyecto Christensen, el DC Gator Club y la Comisión de Debates Locales. Caroline administra la red de blogs sindicados de SciStarter, que abarca las plataformas Science Connected, Discover Magazine y SciStarter, y administra programas en SciStarter.

from https://ift.tt/2msWeEK

Deja un comentario