Profiles
To recommend you a song you might like, a post you might read, or a purchase you might like to make, recommendation systems have to figure out who you are or what you habitually do. They do this by collecting information about you, like your age, where you are, your personal characteristics, and what you like.
Counter-intuitively, most algorithmic recommendations personalise the services they provide by using this personal information to compare you to other people. Recommendations usually work by determining what other people like you also like.
To receive a recommendation, you have to be profiled.
One of the reasons we created the Big Sister app was to make this process more transparent. One of the things that Big Sister can do is give you a personality profile based on the way you use language. To give you an idea of what this looks like, we’ve run a few samples through IBM Watson’s Personality Insights, which is the profiling system we built in to our app.
We’ve taken these samples from some unusual places. They include poetry and novels, like Sherlock Holmes, and political speeches, like those given by Her Majesty the Queen of England.
Why use these examples? Because, why not? Or, why not see what happens when we get playful and creative with these recommendation systems?
Below, you’ll find some examples of what a profile looks like in both Spanish and English. Some of these texts are presented in both languages – if you’re able to speak them both, you’ll get a sense of how profiling systems work differently in different cultural contexts. If not, they’ll at least give you an insight into what a machine makes of the personality of a president or a Queen.
Perfiles
Para recomendarte una canción que podría ser de tu gusto, un post que podrías leer o una compra que te gustaría llegar a hacer, los sistemas de recomendación tienen que descubrir primero quién eres o que haces habitualmente. Para ello, recopilan información sobre ti, como tu edad, dónde vives, tus características personales y las cosas que te gustan.
De manera contraria a la intuición, la mayoría de las recomendaciones algorítmicas logran una personalización utilizando esta información personal para compararla con otras personas. Las recomendaciones suelen funcionar determinando qué les gusta a otras personas parecidas a ti.
Para recibir una recomendación, debes ser perfilado.
Una de las razones por las que creamos la app Big Sister fue para hacer este proceso más transparente. Una de las cosas que puede hacer Big Sister es darte un perfil de personalidad basado en la forma en que usas el lenguaje. Para dar una idea de cómo se ve esto, hemos elaborado algunos ejemplos a través del servicio Personality Insights de IBM Watson, que es el sistema de perfilamiento en que se basa nuestra app.
Hemos creado estos ejemplos de algunos lugares inusuales. Incluyen novelas y poesía de autores como Gabriela Mistral, y discursos políticos, como las cuentas públicas de Sebastián Piñera.
¿Por qué utilizar estos ejemplos? ¿Y por qué no? ¿por qué no ver qué sucede cuando nos ponemos divertidos y creativos con estos sistemas de recomendación?
A continuación, te presentamos algunos ejemplos de cómo se ve un perfil tanto en español como en inglés. Si puede hablar ambos idiomas, obtendrás una idea de cómo los sistemas de perfilamiento funcionan de manera diferente en diferentes contextos culturales. Si no, al menos te darán una idea de lo que hace una máquina con la personalidad de un presidente o una reina
Altazor O El Viaje en Paracaidas