Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva (parte II)
•
2 gostaram•1,118 visualizações
Segunda parte del Tema, impartido dentro de la asignatura "Sistemas de Información Avanzados (Comercio electrónico)" dentro del Máster de estudios avanzados en dirección de empresas de la Universidad de Sevilla
Recomendados
Mais conteúdo relacionado
Destaque
Destaque (19)
Semelhante a Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva (parte II)
Semelhante a Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva (parte II) (20)
Mais de Joaquín Borrego-Díaz
Mais de Joaquín Borrego-Díaz (20)
Último
Último (20)
Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva (parte II)
- 1. Sistemas de Información Avanzados (Comercio electrónico) Máster de estudios avanzados en dirección de empresas Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva Joaquín Borrego Díaz Grupo Lógica, Computación e Ingeniería del Conocimiento PAIDI TIC-137 Departamento de Ciencias de la Computación e Inteligencia Artificial jborrego@us.es, Twitter:jborrego
- 2. Contenidos: Bloque II: Inteligencia Colectiva y Sistemas de Información • Técnicas y aplicaciones: • • • • • • Gamification CrowdS(F)ourcing: campo potencial de aplicación Modelos CrowdS(F)ourcing Social Media como canal I/O del sistema de información Semántica para marketing: • • geodemografía Análisis de sentimientos Social Content Curation
- 3. ¿Qué van a mostrar estos ejemplos? • Cómo intervienen los siguientes elementos de procedencia/naturaleza (o alimentados por lo) social en los sistemas información: • Redes sociales e inteligencia colectiva • Sistemas complejos: análisis Social media y el sistema de información de la empresa • Información adaptativa como producto de inteligencia colectiva
- 4. ¿La tecnología nos hace antisociales? NO, nunca ha sustituido completamente las relaciones sociales Es más, podemos usarla para potenciar y encontrar soluciones
- 6. Gamification
- 7. Nos centraremos en “gamification” de tipo transformacional La gamificación que no usa modelos abstractos (alejados del objetivo real) no la trataremos aquí (No necesita Inteligencia Artificial) La “gamificación” permite mejorar los procesos de la empresa
- 8. Uso de filosofía y tecnología de juegos para aprovechar el crowdsourcing en la resolución de problemas
- 11. Proceso: Pasos En nuestro caso, el diseño del modelo es transversal: Definido el universo, se concretan los elementos http://www.gamasutra.com/blogs/VictorManrique/20130618/194563/ Gamification_Design_Framework_The_SMA_Model.php
- 12. Reglas de oro http://www.gartner.com/newsroom/id/1629214 • Accelerated feedback cycles. In the real world, feedback loops are slow (e.g., annual performance appraisals) with long periods between milestones. Gamification increases the velocity of feedback loops to maintain engagement. • Clear goals and rules of play. In the real world, where goals are fuzzy and rules selectively applied, gamification provides clear goals and welldefined rules of play to ensure players feel empowered to achieve goals. • A compelling narrative. While real-world activities are rarely compelling, gamification builds a narrative that engages players to participate and achieve the goals of the activity. • Tasks that are challenging but achievable. While there is no shortage of challenges in the real world, they tend to be large and longterm. Gamification provides many short-term, achievable goals to maintain engagement.
- 13. Para cada tipo de juegos interesa animar a un tipo de jugador • La clasificación de Bartle http://en.wikipedia.org/wiki/Bartle_Test
- 17. Modelos de negocio basados en el crowdsourcing/ crowdfunding
- 20. Ejemplos importantes Mediadores entre el crowdsourcing y las empresas a de aform ng Plat fundi owd Cr
- 22. Ejemplo de Kickstarter El éxito llevó a los autores a dejar sus trabajos y centrarse en el desarrollo del producto a través de la constitución de una empresa, Studio Neat,
- 23. ¿Factores? • Reputación, credibilidad y/o confianza • Inteligencia colectiva • ¿Larga cola? • Ecosistema sostenible • Fuerte enraizamiento en las redes sociales
- 24. Algo de Web Semántica para marketing
- 25. Un problema: la empresa debe ser social Social media
- 26. La solución clásica: Community Manager http://www.shorpy.com/files/images/SHORPY_35355u.preview.jpg
- 27. ¿Qué negocio es éste? • Lo mejor es ver cómo son los productos que ofrecen: http://vilmanunez.com/2013/06/24/como-preparar-una-propuesta-de-redes-sociales-incluye-plantillas/
- 28. El presupuesto (los números no cuentan)... http://vilmanunez.com/2013/06/24/como-preparar-una-propuesta-de-redes-sociales-incluye-plantillas/
- 29. Flujos en Social Media Blogging corporativo Análisis ¿Extracción de conocimiento? Compañía
- 30. Casos de éxito/ oportunidades: • Diseño de aplicaciones semánticas para enriquecer la experiencia de usuario en la Web 2.0 • • Twitter Semántico Navegación conceptual • Análisis inteligente de twitts para • predecir y estimar epidemias de gripe. consiguieron aproximar la evolución de la gripe mejor y antes que el tradicional método de recolectar la información de los hospitales. • para predecir el éxito de una película. HP labs: monitorizando twitter pueden predecir si el éxito de un film • Trust-based Computing • Detección de tendencias extraídas de redes sociales • Opinion analysis
- 31. ¿Bots para ayudar a la vida de la empresa en Social Media?
- 32. Bots para Social Media • • Bot para Twits programados Agentes artificiales que “mantienen” la presencia en la red • • Reactivos Inteligentes: Dear Assistant
- 33. • • Relativamente fáciles de crear • • Bots para promover el tabaco... SocialBots para propaganda, publicidad, atención a tu empresa... Investigadores de la Universidad Federal de Ouro Preto, Brasil anuncian que Carina Santos una periodista con muchísimos seguidores en Twitter, no era una persona, sino un bot, • Twitalyzer clasificaba a Ms. Santos con más influencia que Oprah Winfrey.
- 38. ¿Para qué se usa?
- 39. Nuestra semantización (ontología) Semantic Geodemography and Urban Interoperability. J. Borrego-Díaz, A. M. Chávez-González, M.A. Martín-Pérez, J.A. Zamora-Aguilera. Proc. Metadata and Semantic Research 6th International Conference, MTSR 2012.
- 41. Geolocalización de la publicidad Oportunidades Servicios personalizados Marketing geolocalizado Aplicaciones hiperlocales Tecnología Linked/Open data Smart Cities Gráficas de http://networkedneighbourhoods.com/wp-content/uploads/2011/11/2011-Online-Nhood-Networks-final.pdf
- 43. Volvamos al análisis de los sentimientos/ opiniones
- 44. • Mide “sentimientos” de cada tweet que analiza IBM has established the IBM Social Sentiment Index to aggregate and gauge public opinion from a range of social media. The software used can distinguish between sarcasm and sincerity, and applies machine learning to identify which social media commentary is important—and which is just background noise. Through this sentiment analysis, IBM creates real-time public opinion snapshots, identifying trends and gauging how consumers feel about a variety of topics from retail and sports, to movies and urban traffic.
- 45. ¿Materia Prima? social big data Ofrecerá 2 años de twitters almacenados http://datasift.com/
- 46. Finalmente... un caso de estudio: Elecciones USA 2012: ¿extrapolable a empresas? http://www.engagedc.com/inside-the-cave/
- 47. Harper Reed
- 51. Apliquemos tecnologías semánticas Singularity in Sentiment: Emergent New Sentiments from the Social Web Crowd? Gonzalo A. Aranda-Corral, Joaquín Borrego-Díaz, Juan Galán-Páez
- 52. A Formal Context for WordNet - 155287 Words (Lemmas) - 117659 Senses (Synsets) - 206941 pairs Word-sense • • • Case study. Real language with structured semantics Lexical database of English. Words (Lemmas) grouped in sets of cognitive synonyms (Synsets) Working with wordNet and FCA: • • Lemmas/Synsets Análisis Formal de Conceptos Objects/Attributes Strong relationship between Formal Concepts and Language Concepts
- 53. Scale-Free Topology Enhancing Opinion Lexicon • • • Concept lattice associated to WordNet has similar topology to complex semantic networks. • Node’s degree follow a power law distribution. Opinion lexicon provides polarity to words WordNet provides senses • The Concept Lattice provides structure • All together?
- 54. Sentiment Lattice & Concepts • Sentiment Lattice: A subset of the concept lattice associated to WordNet with the words from an opinion lexicon. • Sentiment Concept: Each concept of the sentiment Lattice. • The valuation of each concept comes from the aggregation of the sentiment of each word contained in the extension of the concept.
- 55. Sentiment lexicon analysed for this work • FCA can be used for: • • Test the consistency of sentiment lexicons Analyse information item’s sentiment New sentiments emergence Selected Bing Liu’s Opinion Lexicon: http://www.cs.uic.edu/~liub/FBS/sentiment-analysis.html SentiWordNet: http://sentiwordnet.isti.cnr.it/ AFINN-111: http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6010
- 56. Trending topic: “Syria” • • Trending topic: “A word, phrase or topic that is tagged at a greater rate than other tags is said to be a trending topic” • 11,500 tweets collected in order to perform experiments: Obtained after processing the whole tweet set • Weighted lattice (tweet count) • Red/Green => Negative/Positive sentiment • • • Topic: “Syria” Language: English Date: 05/20/2013 (collection process lasted 6 hours)
- 58. Otra aproximación Para sentimientos Para el contenido (noticia)
- 59. Anotación con respecto a ontología en Opendover
- 60. Anotación con respecto a ontología+sentimiento en opendover
- 62. Content Curation
- 63. Cinco pasos... • ¿Cuáles son semantizables?
- 64. Algunos ejemplos interesantes Categorías, búsquedas dirigidas a fuentes “Creas” periódicos Semántica “Aprende” de tus lecturas
- 65. Bottlenose
- 66. Social Content Curator Creas “perlas” Añades las de otros Redes de conocimiento
- 67. Social content curator+ modelo de negocio Todos los usuarios aportan Algunos venden Fancy vende Subscripción a “fancybox”
- 68. Content Curator Semántico: SmartTimes (PFC de Abel Sayago, en el departamento) “Entiende” la noticia
- 69. ¿Cómo lo hace? Fuentes (RSS) Aprende de la ejecución Análisis Formal de Conceptos Categorización final Interfaz de usuario
- 70. Análisis de Conceptos • Retículo de conceptos • generado a partir de las noticias y anotación OpenCalais
- 73. Tecnologías para Social business
- 74. Conclusiones • La Ingeniería del Conocimiento y el tratamiento de grandes conjuntos de datos parecen necesarios para los sistemas de información de la empresa • • • Los datos son las huellas de Sistemas Complejos: Paradigma para entender el big-data como observaciones de un sistema La minería de datos no es suficiente Nuevos retos: • • • Hiperlocalización • • G DA TA Te Sem ch a n no ti lo c gie s Extracción de conocimiento Geolocalización, BI Confianza en la computación sobre grandes conjuntos de datos Actualizar los sistemas de información en la empresa • • • Big analytics Sentiment Analysis Semantic interoperability Da Sc ta ie nc e
- 75. Sistemas de Información Avanzados (Comercio electrónico) Máster de estudios avanzados en dirección de empresas Información Adaptativa, Ingeniería del Conocimiento e Inteligencia Colectiva Gracias Joaquín Borrego Díaz Grupo Lógica, Computación e Ingeniería del Conocimiento PAIDI TIC-137 Departamento de Ciencias de la Computación e Inteligencia Artificial jborrego@us.es, Twitter:jborrego