Facebook Echo Chamber

今天Data mining上課時,老師提到Classification會遇到 Under fitting 和Overfitting的問題,前者是因為Training data train 的不好,後者是Train的太好。

老師藉由這個例子提到台灣的教育以及法國教育。
台灣的大學聯考就是Overfitting,考試的內容主要是選擇題,學生被要求要快狠準,越快答對就越棒。
但法國的大學聯考,有一個考科很有趣,哲學考一題申論題,考試時間四小時。
剛好班上有法國的學生,就分享他們的經驗,要一直想一直想,訓練思考能力。

我是第一次聽到大考考一題哲學申論題,覺得這個考試方式頗有趣。
在台灣,我似乎沒有好好想一件事情長達好幾個小時,我們研究所以前似乎都是被訓練成要快狠準地得到唯一答案。或許研究所就是要來訓練以前都沒注重的思考能力。

似乎離題了XD 回歸主題!

老師另外提到,我們現在每天都會使用Facebook,要我們想一下,是不是這幾年按讚的數量,比剛加入Facebook時的按讚數量多。另外有機會可以去交換看朋友或家人的Facebook,會有很有趣的結果。

老師舉他的例子,他的Facebook裡都是相關Data mining, Social media … 這類的文章,師丈的Facebook裡都是相關量子物理,物理相關的文章(師丈是物理老師)。
這個現象就是Facebook的演算法,嘗試餵給你喜歡看的東西,而你不喜歡的言論,Facebook不會讓你看到。曾經在Facebook按過的讚、連結等等行為,都被拿去分析。
讓使用者越來越喜歡看Facebook,因為你看到的東西都是Facebook篩選過後你喜歡的,這種現象很像 Echo Chamber。

說實在聽完老師講,我也覺得這幾年按的讚比最一開始剛加入Facebook時按得多,
原來自己的Facebook把內容Overfitting 給我們,我們一直處在 Echo Chamber 裡。