Убийственные большие данные. Как математика превратилась в оружие массового поражения. Кэти О'Нил

Чтение книги онлайн.

СКАЧАТЬ чтобы продвинуться в рейтинге вверх. Бэйлорский университет, например, заплатил за то, чтобы принятые в него студенты заново сдали SAT, надеясь, что еще одна попытка улучшит их результат – а заодно и рейтинг университета. Элитарные частные учебные заведения вроде Бакнеллского университета в Пенсильвании или университета Клермонт Маккенна в Калифорнии отослали фальшивые результаты в U. S. News, завысив результаты SAT своих абитуриентов. А в нью-йоркском Айона-колледже признались в 2011 году, что подделывали сведения практически по всем параметрам: результаты тестов, коэффициенты поступления и выпуска, количество поступивших, перешедших на второй курс, соотношение студентов и преподавательского состава и даже суммы пожертвований выпускников. Ложь помогла – по крайней мере, на какое-то время. В U. S. News подсчитали, что ложные данные подняли Айона-колледж с 50-го на 30-е место среди региональных колледжей северо-востока США.

      Впрочем, абсолютное большинство администраторов колледжей не стали прибегать к столь вопиющим способам повышения своего рейтинга. Вместо обмана они изо всех сил работали над тем, чтобы улучшить каждый из показателей, включенных в рейтинг. Они могли бы сказать, что это самое эффективное использование их ресурсов. В конце концов, если их работа удовлетворит алгоритм U. S. News, значит, они соберут больше денег, привлекут более ярких студентов и преподавателей, продолжат путь к верхним строчкам списка. Разве у них есть иной выбор?

      Роберт Морс, работающий в журнале с 1976 года и отвечающий за рейтинг колледжей, постоянно указывает в интервью, что рейтинг заставляет колледжи ставить перед собой осмысленные цели. Если они смогут улучшить результаты выпуска или объединить студентов в меньшие группы, это только к лучшему. Образование выиграет от сосредоточения усилий. Морс признает, что самые релевантные данные – чему именно студенты научились в том или ином вузе – журналу недоступны, тем не менее модель U. S. News, основанная на допущениях, является лучшей из возможных.

      Однако, когда вы создаете модель из прокси, людям гораздо легче ее обыграть. Это происходит потому, что допущениями легче манипулировать, чем сложной реальностью, которую они подменяют. Вот пример. Давайте представим себе, что некий сайт ищет специалиста по работе с социальными сетями. Многие люди желают устроиться на эту работу, они присылают резюме с перечислением множества маркетинговых кампаний, которые они проводили. Но на то, чтобы отследить и оценить всю их работу, требуется слишком много времени. Поэтому менеджер по приему на работу сотрудников решает применить прокси: она обращает внимание на то, у кого из претендентов больше всего фолловеров в Twitter. Это же признак вовлеченности в социальные сети, не так ли?

      Да, это кажется достаточно разумным допущением. Но что произойдет, если информация о том, что толпа фолловеров в «Твиттере» – гарантия получения работы в данной компании, станет общеизвестной (а это, несомненно, произойдет)? Тогда кандидаты будут делать все, чтобы СКАЧАТЬ