Event-Time Confounding Under Bursty Human Dynamics
تُثبت هذه الورقة أن مواءمة السلوك الرقمي مع الأحداث التي يبدأها المستخدم تخلق "تحيزاً في اختيار الحلقات" حيث تعكس طفرات النشاط ما بعد الحدث الاستمرار الطبيعي للمهام الجارية بدلاً من الآثار السببية، وهو متغير مربك تفشل التأثيرات الثابتة للمستخدم القياسية في معالجته، ولكن يمكن اكتشافه وتصحيحه باستخدام البروتوكول التشخيصي المقترح وأداة التدقيق "burstcheck".
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في العالم الرقمي، نترك وراءنا أثراً من فتات الخبز في كل مرة ننقر فيها، أو نبحث، أو نطرح سؤالاً. لسنوات، حاول الباحثون والشركات قراءة هذه الآثار لفهم السبب والنتيجة؛ يريدون معرفة ما إذا كان إجراء معين، مثل طلب المساعدة من ذكاء اصطناعي، يغير بالفعل ما يفعله الشخص بعد ذلك. الطريقة القياسية لمعرفة ذلك هي اختيار لحظة زمنية معينة — لنقل الثانية التي يكتب فيها المستخدم سؤالاً في روبوت الدردشة — ثم قياس مقدار النشاط الذي يحدث في الدقائق التي تلي تلك اللحظة. إذا بحث المستخدم عن المزيد من المنتجات أو قرأ المزيد من المقالات بعد تلك اللحظة، فإن الافتراض هو أن روبوت الدردشة هو من تسبب في هذا الارتفاع. إنها طريقة منطقية للتفكير، لكنها تعتمد على افتراض خفي: وهو أن اللحظة التي اختار فيها المستخدم التصرف كانت نقطة انطلاق محايدة، مثل طلقة البداية في سباق.
ومع ذلك، فإن السلوك البشري لا يعمل مثل سباق بطلقة بداية واحدة. بدلاً من ذلك، يأتي انتباهنا في موجات. غالباً ما ننغمس في موضوع ما، فنقضي عشرين أو ثلاثين دقيقة في التنقل بين مواقع إلكترونية ومحركات بحث وأدوات مختلفة لحل مشكلة أو إشباع فضول. هذه الاندفاعات من النشاط تكون مكثفة ومركزة، تليها فترات طويلة من الهدوء. وتنشأ المشكلة عندما يختار باحث لحظة داخل إحدى هذه الموجات المزدحمة للدراسة. فإذا طرح شخص ما سؤالاً بينما هو بالفعل في غمرة جلسة بحثية، فإن النشاط الذي يتبع ذلك ليس بالضرورة رد فعل على السؤال، بل هو مجرد استمرار للموجة التي كان يركبها بالفعل. لم يبدأ السؤال الموجة، بل صادف فقط أن يكون هو اللحظة التي نظر فيها الباحث إلى ساعته. إن التمييز بين السبب والصدفة في هذه البيئة أمر صعب لأن الشخص الذي يختار اللحظة هو نفسه الذي يقود النشاط.
هذا هو اللغز الجوهري الذي عالجته دراسة جديدة من مايكل إيانليي وألان آي في "سكرانتش إيه آي" (Scrunch AI). لقد بحثا فيما إذا كانت الطريقة القياسية لقياس السلوك الرقمي تقيس بالفعل الحدث نفسه، أم أنها تقيس فقط الفترة المزدحمة التي وقع فيها الحدث. ولحل ذلك، لم يعتمدا على النظرية وحدها؛ بل بنيا اختباراً باستخدام بيانات حقيقية من آلاف المستخدمين الذين وافقوا على مشاركة سجل التصفح الخاص بهم، واستعلامات البحث، وتفاعلاتهم مع مساعدي الذكاء الاصطناعي. أراد الباحثون معرفة ما إذا كان بإمكانهم خداع أدوات القياس الخاصة بهم لإيجاد "سبب" حيث لا يوجد سبب فعلي.
صمم الفريق تجربة ذكية باستخدام ما يسمونه "الطوابع الزمنية المعروفة بالعدم" (known-null timestamps). لقد أخذوا نفس المستخدمين ونفس أنماط النشاط، لكنهم اختاروا لحظات كان فيها المستخدم مشغولاً ولكن دون أن يسأل الذكاء الاصطناعي سؤالاً. وعاملوا هذه اللحظات العشوائية كما لو كانت هي الحدث. وبما أن هذه اللحظات كانت مجرد نقاط زمنية عشوائية دون أي تدخل فعلي، فمن المستحيل أن تسبب أي تغيير في السلوك. ولو كانت أدوات القياس القياسية تعمل بشكل صحيح، لكان من المفترض أن يشاهدوا صفراً من التأثير بعد هذه اللحظات الوهمية. بدلاً من ذلك، سجلت الأدوات ارتفاعاً هائلاً في النشاط. وعندما فحص الباحثون البيانات، وجدوا أن هذه اللحظات الوهمية أنتجت زيادة في نشاط البحث أكبر بكثير من الزيادة المشهودة بعد استجابات الذكاء الاصطناዊ الحقيقية. وتحديداً، ولّدت اللحظات الوهمية حوالي 3.4 ضعف كمية نشاط البحث المعتادة، بينما ولدت لحظات الذكاء الاصطناعي الحقيقية حوالي 4.3 ضعف الكمية المعتادة.
كانت هذه النتيجة صادمة لأنها أظهرت أن "تأثير" الذكاء الاصطناعي كان في معظمه وهماً ناتجاً عن التوقيت. وجد الباحثون أن النشاط لم يقفز في اللحظة التي استجاب فيها الذكاء الاصطناعي، بل كان النشاط يتصاعد بالفعل لمدة ثماني دقائق قبل الاستجابة، ثم بلغ ذروته، ثم بدأ في الانخفاض ببطء. كانت استجابة الذكاء الاصطناعي مجرد طابع زمني أُخذ في منتصف مهمة كانت في ذروة اشتعالها بالفعل. كان المستخدم يبحث ويتصفح بالفعل لأنه كان في منتصف "حلقة مهمة" (task episode)، وهي فترة من التفاعل العالي. كانت استجابة الذكاء الاصطناعي علامة على تلك الحلقة، وليست الشرارة التي بدأتها.
ولإثبات أن هذه مشكلة عامة وليست مجرد سمة خاصة بالذكاء الاصطناعي، نظر الباحثون في أنواع أخرى من الأحداث الرقمية. فقد فحصوا اللحظات التي ينقر فيها المستخدمون على روابط التسوق، أو يزورون مواقع إخبارية، أو يفتحون وثائق برمجية. وفي كل حالة، ظهر نفس النمط؛ فالنشاط على أجزاء أخرى من الويب — مثل التصفح العام والبحث — كان مرتفعاً بالفعل قبل أن ينقر المستخدم على الرابط. كان الحدث دائماً يجلس داخل موجة أكبر ومتصاعدة من النشاط. حتى قام الباحثون بمحاكاة عالم يكون فيه للحدث قدرة مطلقة على عدم تغيير السلوك. في هذه المحاكاة الحاسوبية، خلقوا سيناريو حيث يتصاعد نشاط المستخدم طبيعياً ثم يتلاشى، ووضعوا "حدثاً علاجياً" عشوائياً داخل هذا التصاعد. ورغم أن الحدث لم يفعل شيئاً، إلا أن طرق التحليل القياسية لا تزال تسجل تأثيراً إيجابياً ضخماً. لقد فشلت الطرق لأنها كانت تعد الارتفاع والانخفاض الطبيعي لانتباه المستخدم، وتخطئ في اعتباره رد فعل للحدث.
اختبرت الدراسة أيضاً ما إذا كانت الحيل الإحصائية الشائعة يمكن أن تحل المشكلة. يحاول الباحثون غالباً التحكم في ذلك من خلال مقارنة مستخدم بنفسه في وقت مختلف، أو من خلال مطابقة تاريخه الأخير. ووجد المؤلفون أن هذه الأساليب لم تنجح؛ لأنه نظراً لأن "حالة الانشغال" مخفية وتتغير بسرعة من دقيقة إلى أخرى، فإن النظر في تاريخ المستخدم قبل ساعة مضت يشبه محاولة التنبؤ بعاصفة من خلال النظر في طقس الأمس. إن الحالة الخفية للتفاعل العالي لا تلتقطها تلك البيانات القديمة. وأظهر الباحثون أنه حتى عندما حاولوا مطابقة المستخدمين مع لحظات ذات مستويات نشاط مماثلة، ظل التحيز قائماً. والسبيل الوحيد للفصل بين الحدث والحلقة هو مقارنة فترات زمنية كاملة — مقارنة جلسة بحث كاملة مع وجود ذكاء اصطناعي بجلسة بحث كاملة بدونه — بدلاً من مجرد النظر في الدقائق التي تلي النقرة مباشرة.
إن تداعيات هذا الاكتشاف كبيرة بالنسبة لفهمنا للحياة الرقمية. فهي تشير إلى أن العديد من التقارير التي تدعي أن أداة أو إعلاناً معيناً يدفع بزيادة في النشاط قد تكون تسئ قراءة البيانات؛ إذ قد يكون هذا الارتفاع يحدث في كل الأحوال. لا يقول الباحثون إن الذكاء الاصطناعي أو الإعلانات ليس لها أي تأثير، بل يجادلون ببساطة بأن الطريقة القياسية لقياسها معيبة. فإذا كان الشخص في منتصف رحلة تسوق بالفعل، فقد يساعده مساعد الذكاء الاصطناعي في العثور على منتج، لكن المساعد لم يخلق رحلة التسوق نفسها. وتخلص الدراسة إلى أنه للحصول على الإجابة الصحيحة، يجب أن نتوقف عن معاملة نقرة واحدة كبداية لقصة، ونبدأ في النظر إلى الفصل بأكمله. نحن بحاجة إلى مقارنة فصول متشابهة من يوم المستخدم، مع وجود الحدث المحدد وبدونه، لنرى ما إذا كانت القصة تتغير حقاً. وإلى أن نفعل ذلك، فإن "التأثيرات" التي نراها في السجلات الرقمية ستكون على الأرجح مجرد صدى لموجة كانت تكسر بالفعل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.