takezo on Nostr: Network Analysis พื้นฐาน Algorithm ...
Network Analysis พื้นฐาน Algorithm ที่ควบคุมคนทั้งโลก #nostr #siamstr
"ข้อมูล" เป็นสิ่งที่ส่งต่อกันได้สะดวกและง่ายมากขึ้นในยุคที่เรามี Internet ทุกคน ทุกเครื่องมือรับส่งข่าวสารแทบจะเชื่อมโยงเป็นเนื้อเดียวกัน อย่างไรก็ตามเมื่อผู้คนเชื่อมต่อกันผ่าน Internet กันมากขึ้น มันเริ่มถูกควบคุมจากศูนย์กลางโดยบางอย่าง เราสื่อสารและรับข้อมูลที่ถูกบิดเบือนจาก Algorithm และการสื่อสารที่ผิดพลาด บิดเบือนนี้ทำให้เราเข้าใจโลกและลงมือกระทำบางสิ่งกันอย่างผิดๆ ตามไปด้วย
ดังนั้นแล้วการศึกษาและเข้าใจพื้นฐานเพื่อเข้าใจว่าอะไรกำลังควบคุมเราอยู่จึงเป็นภูมิคุ้มกันอย่างหนึ่ง ที่ป้องกันและเตือนสติเราว่าเรากำลังมองโลกผ่านแว่นตาแบบไหนอยู่
"Network Analysis" คือ เบื้องหลัง Algorithm ที่ใช้ควบคุมข่าวสารในโลกอินเทอร์เน็ต ในทางคณิตศาสตร์ Network ประกอบไปด้วยสองส่วนด้วยกันคือ
- Node หรือ จุด อาจเป็นตัวแทนของ คน, อุปกรณ์สื่อสาร, หรือ สิ่งของ
- Edge หรือ เส้น เป็นตัวแทนของความสัมพัมธ์ เช่น การเป็นเพื่อน หรือ การกดติดตาม
หนึ่งในสิ่งที่ Network Analysis สนใจมากทีสุดคือ Centrality หรือ Node ศูนย์กลาง เพราะมันสามารถระบุ Node ที่สำคัญที่สร้างผลกระทบต่อระบบ Network ทั้งหมดได้นอกจากนี้ มีวิธีการระบุ Centrality ด้วยกันหลายวิธีตามแต่วัตถุประสงค์การใช้งาน
หลักๆ จะมีวิธีการระบุ Centrality ด้วยกัน 5 วิธี
1. Degree Centrality: คือการหา Node ที่มีการเชื่อมโยงกับ Node ตัวอื่นมากที่สุดมักใช้เพื่อหา Node ที่มีความ popular มากที่สุดและมีแนวโน้มที่จะโน้มน้าว Node อื่นๆ ได้ เช่น Influencer เป็นต้น
2. Betweenness Centrality: คือการหา Node อยู่อยู่คั่นกลาง หรือเป็นทางผ่านระหว่าง Node มากที่สุด ถูกใช้เพื่อการควบคุมและกระจายข่าวได้ดีว่าข่าวไหนควรกระจายหรือปิดเอาไว้ เช่น สำนักข่าวเป็นต้น
3. Closeness Centrality: คือการหา Node ที่มีเส้นทางของการส่งข่าวสารไปยัง Node อื่นๆ ได้สั้นที่สุด เหมาะแก่การกระจายข่าวลือได้ดี ยกตัวอย่างเช่น การทำ Information Operator เป็นต้น
4. Eigenvector Centrality: คือการหา Node ที่ถูกอ้างอิงโดย Node อื่นอย่างมีนัยยะสำคัญ ถูกใช้เพื่อสร้างความน่าเชื่อถือ ของ Node ใด Node หนึ่ง ยกตัวอย่างเช่น การอ้างอิงของ paper ทางวิชาการ เป็นต้น
5. PageRangk: มีลักษณะคล้าย Eigenvector Centrality แต่มักถูกใช้ในพวก search engines เพื่อระบุว่าหน้า web page ไหนควรขึ้นมาเป็นอันดับต้นๆ ทำให้คนสร้างเว็บหรือ creators จำเป็นต้องทำ Search Engine Optimization (SEO) หรือการปรับหน้าเว็บหรือเนื้อหาเพื่อใหสอดคล้องกับ Algorithm เพื่อให้ผู้คนเห็นข้อมูลตัวเองเป็นอันดับต้นๆ
จะเห็นได้ว่า Algorithm เหล่านี้คอยควบคุมและบงการการรับรู้ข่าวสารเราอยู่ตลอดเวลาไล่ตั้งแต่ social media, วงการข่าว, วงการวิชาการ, และ ช่องทางการขายของเป็นต้น เราอาจจะหลีกเลี่ยงสิ่งเหล่านี้ได้ยาก แต่ถ้าเราเข้าใจและรู้เท่าทันมัน ก็จะเป็นเกราะป้องกันเราจากการบิดเบือนได้
Published at
2024-10-05 05:10:07Event JSON
{
"id": "5d250520c0d7f051dd6ea868b6d8aaecbbbcbe39302fd38e340f67739835698a",
"pubkey": "1865352df8175685c3e26269676faba4d845727dae810752e272e8192372c92f",
"created_at": 1728105007,
"kind": 1,
"tags": [
[
"t",
"nostr"
],
[
"t",
"siamstr"
]
],
"content": "Network Analysis พื้นฐาน Algorithm ที่ควบคุมคนทั้งโลก #nostr #siamstr\n\n\"ข้อมูล\" เป็นสิ่งที่ส่งต่อกันได้สะดวกและง่ายมากขึ้นในยุคที่เรามี Internet ทุกคน ทุกเครื่องมือรับส่งข่าวสารแทบจะเชื่อมโยงเป็นเนื้อเดียวกัน อย่างไรก็ตามเมื่อผู้คนเชื่อมต่อกันผ่าน Internet กันมากขึ้น มันเริ่มถูกควบคุมจากศูนย์กลางโดยบางอย่าง เราสื่อสารและรับข้อมูลที่ถูกบิดเบือนจาก Algorithm และการสื่อสารที่ผิดพลาด บิดเบือนนี้ทำให้เราเข้าใจโลกและลงมือกระทำบางสิ่งกันอย่างผิดๆ ตามไปด้วย\n\nดังนั้นแล้วการศึกษาและเข้าใจพื้นฐานเพื่อเข้าใจว่าอะไรกำลังควบคุมเราอยู่จึงเป็นภูมิคุ้มกันอย่างหนึ่ง ที่ป้องกันและเตือนสติเราว่าเรากำลังมองโลกผ่านแว่นตาแบบไหนอยู่\n\n\"Network Analysis\" คือ เบื้องหลัง Algorithm ที่ใช้ควบคุมข่าวสารในโลกอินเทอร์เน็ต ในทางคณิตศาสตร์ Network ประกอบไปด้วยสองส่วนด้วยกันคือ\n- Node หรือ จุด อาจเป็นตัวแทนของ คน, อุปกรณ์สื่อสาร, หรือ สิ่งของ\n- Edge หรือ เส้น เป็นตัวแทนของความสัมพัมธ์ เช่น การเป็นเพื่อน หรือ การกดติดตาม\n\nหนึ่งในสิ่งที่ Network Analysis สนใจมากทีสุดคือ Centrality หรือ Node ศูนย์กลาง เพราะมันสามารถระบุ Node ที่สำคัญที่สร้างผลกระทบต่อระบบ Network ทั้งหมดได้นอกจากนี้ มีวิธีการระบุ Centrality ด้วยกันหลายวิธีตามแต่วัตถุประสงค์การใช้งาน\n\nหลักๆ จะมีวิธีการระบุ Centrality ด้วยกัน 5 วิธี\n\n1. Degree Centrality: คือการหา Node ที่มีการเชื่อมโยงกับ Node ตัวอื่นมากที่สุดมักใช้เพื่อหา Node ที่มีความ popular มากที่สุดและมีแนวโน้มที่จะโน้มน้าว Node อื่นๆ ได้ เช่น Influencer เป็นต้น\n\n2. Betweenness Centrality: คือการหา Node อยู่อยู่คั่นกลาง หรือเป็นทางผ่านระหว่าง Node มากที่สุด ถูกใช้เพื่อการควบคุมและกระจายข่าวได้ดีว่าข่าวไหนควรกระจายหรือปิดเอาไว้ เช่น สำนักข่าวเป็นต้น\n\n3. Closeness Centrality: คือการหา Node ที่มีเส้นทางของการส่งข่าวสารไปยัง Node อื่นๆ ได้สั้นที่สุด เหมาะแก่การกระจายข่าวลือได้ดี ยกตัวอย่างเช่น การทำ Information Operator เป็นต้น\n\n4. Eigenvector Centrality: คือการหา Node ที่ถูกอ้างอิงโดย Node อื่นอย่างมีนัยยะสำคัญ ถูกใช้เพื่อสร้างความน่าเชื่อถือ ของ Node ใด Node หนึ่ง ยกตัวอย่างเช่น การอ้างอิงของ paper ทางวิชาการ เป็นต้น\n\n5. PageRangk: มีลักษณะคล้าย Eigenvector Centrality แต่มักถูกใช้ในพวก search engines เพื่อระบุว่าหน้า web page ไหนควรขึ้นมาเป็นอันดับต้นๆ ทำให้คนสร้างเว็บหรือ creators จำเป็นต้องทำ Search Engine Optimization (SEO) หรือการปรับหน้าเว็บหรือเนื้อหาเพื่อใหสอดคล้องกับ Algorithm เพื่อให้ผู้คนเห็นข้อมูลตัวเองเป็นอันดับต้นๆ\n\nจะเห็นได้ว่า Algorithm เหล่านี้คอยควบคุมและบงการการรับรู้ข่าวสารเราอยู่ตลอดเวลาไล่ตั้งแต่ social media, วงการข่าว, วงการวิชาการ, และ ช่องทางการขายของเป็นต้น เราอาจจะหลีกเลี่ยงสิ่งเหล่านี้ได้ยาก แต่ถ้าเราเข้าใจและรู้เท่าทันมัน ก็จะเป็นเกราะป้องกันเราจากการบิดเบือนได้\n",
"sig": "00d72bcef33986665a013e7346235776b0315ddc20b67b06612ac1b9ffc41fb2b340470d2d719d5858dc98764d104d1027529fe51bb75b92ae90673204d52e9c"
}