Luentoviikko 4.6. Mukautuvuus ja käyttäjän mallintaminen

Verkkopalvelun mukauttamista voi tarkastella useasta eri näkökulmasta:

• Laiteriippumattomuus: mahdollisuus verkkopalvelun käyttämiseen työasemalla, kämmentietokoneella, matkapuhelimella, puhekäyttöliittymällä, digi-tv:llä tai ruudunlukijalla
• Saavutettavuus: laiteriippumattomuus, erityisryhmät, käyttötilanteet
• Kansainvälistäminen ja kotoistaminen: kielestä, kulttuurista ja maantieteellisestä sijainnista riippumattomat verkkopalvelut
• Personointi: verkkopalvelun sisällön, toimintojen ja ulkoasun mukauttaminen käyttäjän mieltymysten mukaiseksi
• Suosittelijajärjestelmät: tietosisältöjen valinnan tukeminen käyttäjän toiminnan ja profiilitietojen perusteella (kiinnostuksen kohteet).

Taustaa: mukautuva hypermedia

Taustalla mukautuvan hypermedian (adaptive hypermedia) periaatteet:

• Käyttäjästä luodaan malli (user model)
• Sovelluksesta ja sen sisällöstä luodaan malli (domain model)
• Sovelluksesta käyttäjälle välitettävät näkymät mukautetaan käyttäjän ja sovelluksen mallin yhdistelmän, ns. overlay-mallin perusteella

Mukautuvan järjestelmän toteuttaminen

Räätälöity tai joustava julkaiseminen:

• Sisältöalkioille määritellään joukko piirteitä (feature) joiden perusteella niitä voidaan hallita ja esimerkiksi luokitella
• Käyttäjän kiinnostusta sisältöalkioihin mitataan arvostelujen (rating) tai toiminnan (esim. kuuntelukerrat) perusteella
• Käyttäjäprofiilien ja piirteiden perusteella tietosisällöstä valitaan oikeat sisältöalkiot, jotka esitetään käyttökontekstiin soveltuvassa muodossa

Mukautuvan järjestelmän toteuttaminen onnistuu mainiosti perinteisen Web-sovelluskehyksen tuella. Käytössä on lisäksi [Surprisen](http://surpriselib.com/) kaltaisia kirjastoja.

Mukautuva hypermedia Brusilovskyn mukaan

Mukautuvan hypermedian keskeinen tutkija Peter Brusilovsky on määritellyt mukautuvan hypermedian seuraavasti (Methods and techniques of adaptive hypermedia PDF-muodossa):

• Mukauttaminen perustuu käyttäjämalliin
• Sovelluksen esitystapa ja linkitys voidaan mukauttaa käyttäjämallin perusteella
• Käyttäjämalli: käyttäjän tietämys, osaaminen, tavoitteet, tausta, kokemukset ja mieltymykset
• Esitystapa: ulkoasu ja sisältö
• Linkitys: linkkien järjestäminen, piilottaminen, poistaminen, kommentointi (annotointi) ja tuottaminen, käyttäjän suora ohjaaminen, sisällysluettelon mukauttaminen

Käyttäjämalliin voidaan lisätä vielä esimerkiksi kielitaito, äidinkieli ja kansallisuus

Brusilovskyn mukautuva hypermedia keskittyy suurelta osin sovelluksen navigaation muokkaamiseen, mutta myös sisällön mukauttamisessa on lukuisia mahdollisuuksia

Käyttäjän mallintaminen (Brusilovsky)

Käyttäjän mallintaminen mukautuvassa hypermediasovellyksessa Brusilovskyn mukaan:

Lähde: Brusilovsky, P. Methods and techniques of adaptive hypermedia

Esimerkki: amazon.com ja käyttäjän tiedot

Amazon.comia käytetään usein esimerkkinä mukautuvasta järjestelmästä (vrt. Verkkokauppa). Amazonin tavoitteena on kasvattaa myyntiä, mutta ideoita voi hyödyntää monessa muussakin yhteydessä.

• Amazon.com kerää tietoja käyttäjästä esimerkiksi siten, että käyttäjä määrittelee ja arvostelee oman virtuaalisen kirja- ja levyhyllynsä. Tämä on huomattavasti ilmaisuvoimaisempi vaihtoehto kuin jokaisen mielenkiinnon kohteen määritteleminen erikseen
• Assosiatiivisia linkkejä myytävien artikkeleiden välille muodostetaan useilla eri perusteilla: esittäjä, yhtyeen jäsen, muiden käyttäjien kirja- ja levylistat & ostopäätökset, kirjalliset arviot (~linkkien annotointi), suositukset, ..., erikseen syötetyt metatiedot
• Keskeistä: "Jukka, this is recommended for you." "Why?" Siis: palvelu järjestää ja tuottaa uusia linkkejä, hyvä. Tämän lisäksi käyttäjällä on mahdollisuus kysyä järjestelmältä perusteluja sille, miksi tämä ehdottaa jotakin tiettyä artikkelia.
• Käyttäjällä on myös mahdollisuus määritellä käytetäänkö tiettyä tuotetta suositusten tekemiseen ("Use to make recommendations") tai hylätä järjestelmän tekemä ehdotus ("Not interested")

Mukautuvuus ja suosittelujärjestelmät

Amazon.com on paitsi mukautuva järjestelmä, myös suosittelujärjestelmä.

Perinteinen lähestymistapa suosittelujärjestelmiin perustuu älykkäisiin algoritmeihin ja yksityiskohtaiseen, asiantuntijoiden muovaamaan dataan.

Sosiaalisen median myötä erilaiset sosiaalisen suodattamisen ja suosittelun ratkaisut kasvattavat suosiotaan.

Lue johdannoksi vaikkapa Steve Krausen (2006) blogiartikkeli Pandora and Last.fm: Nature vs. Nurture in Music Recommenders

Juha Haavisto (2012) käsittelee diplomityössään suosittelijajärjestelmän toteuttamista PHP-kielellä.

Kansainvälistäminen ja kotoistaminen

Sovelluksen mukauttamisessa käyttäjälle sopivaksi voidaan ottaa oppia myös kansainvälistämisestä (internationalization, i18n) ja kotoistamisesta (localization, l10n)

Kansainvälistäminen:

• Sovelluksen toteuttaminen siten, että siitä voidaan julkaista versiota kielen, maantieteellisen alueen tai kulttuurin perusteella mukautettuna.
• Käytännössä: tekstien, värien, kuvien ja ikonien (sivupohja!) irrottaminen sovelluksesta kirjastoksi, jonka vaihtaminen onnistuu helposti
• Myös päivämäärien, pituus- ja painomittojen ja valuuttojen esittämisessä on kieli- ja kulttuurikohtaisia eroja

Kotoistaminen: i18n-mallin mukaan toteutetun sovelluksen mukauttaminen tietylle kielelle, kulttuurille tai maantieteelliselle alueelle sopivaksi

Verkkopalvelussa sovelluksen kansainvälinen jakelu on sisäänrakennettu ominaisuus. Webin käyttäjät eivät kuitenkaan juurikaan ole tottuneet mukautuviin palveluihin. Vai?

Hajautetut käyttäjäprofiilit

Sosiaalisessa mediassa riittää käyttäjäprofiilidataa

• OpenSocial (code.google.com)
• OAuth (oauth.net)
• Facebook Authentication (developers.facebook.com)
• Graph API (developers.facebook.com)
• Friend of a Friend (FOAF) (www.foaf-project.org)

Esimerkki: Facebook-rajapinta

Facebook Graph API esittelee mahdollisuuden käyttäjien profiilitietojen lukemiseen, vrt. http://graph.facebook.com/zuck:

{"id": "68310606562",
  "name": "Mark Zuckerberg",
  "picture": "http://profile.ak.fbcdn.net/object3/1116/30/s68310606562_3401.jpg",
  "link": "http://www.facebook.com/markzuckerberg",
  "category": "Public_figures_other",
  "username": "markzuckerberg",
  "personal_interests": "openness, making things that help people connect and share what's important to them, revolutions, information flow, minimalism\n\n\n",
  "fan_count": 504307}

Kohti kontekstiherkkiä palveluita

Palvelun mukauttamista tiettyyn käyttökontekstiin voidaan tarkastella useilla tasoilla (vrt. Silius ja Tervakari, 2010):

• Fyysinen taso: esim. paikkatieto, paikkatietoon liittyvä tägi (käyttäjän itse määrittelemä), aikaleima, mahdollinen valokuva, teknistä tietoa käytettävästä laitteistosta
• Sosiaalinen taso: sosiaalista tilannetta kuvaavaa informaatiota (käyttäjä kuvaus onko yksin, ystävien kanssa, onko muita ihmisiä läsnä jne.)
• Toiminnan taso: käyttäjän toimintaa kuvaavaa informaatiota (käyttäjän kuvaus mitä on tekemässä, mitä verkkopalvelua käyttää jne.)
• Affektiivinen taso: käyttäjän tunnetilaa kuvaavaa informaatiota

Lopuksi

• Verkkopalvelun mukauttamiseen liittyvät asiat avaavat uusia mahdollisuuksia Web-soveltajalle. Mukauttamisen periaate antaa oikein toteutettuna aidon mahdollisuuden verkkopalveluiden saavutettavuus- ja käytettävyysongelmien ratkaisemiseen
• Taustalla olevista tekoälytieteen periaatteista huolimatta mukautuvan hypermedian ideoiden hyödyntäminen verkkopalveluiden suunnittelussa ja toteutuksessa on suoraviivaista
• Semanttinen Web ja Web 2.0 –sateenvarjo esittelevät hyödyllisiä mahdollisuuksia mukautuvan hypermedian ideoiden toteuttamiseen suuressa mittakaavassa.
• Yhdistelemällä Semanttisen Webin ja Web 2.0 –ajattelun periaatteita soveltajalla on mahdollisuus toteuttaa hajautettuja ja yhteisöllisiä mukautuvia verkkopalveluita
• Mukautuvien verkkopalveluiden toteuttaminen onnistuu myös perinteisin tekniikoin, esimerkiksi Python-kielen ja relaatiotietokannan avulla
• Viittaaminen tekoälyyn johtaa kuulijat usein harhaan; tekoälyssäkin on lopulta kysymys vain ja ainoastaan siitä, että tietokone toteuttaa rutiineja ihmisen puolesta. Toiminnallisuudet voivat toki olla keskimääräisiä sovelluksia monipuolisempia - [koneoppiminen](https://fi.wikipedia.org/wiki/Koneoppiminen).