Web2.0 まとめ ー 2.0 から 3.0 へ メディアコミュニケーション論Ⅲ 第１０回
Web2.0 的企業とは（復習） 1. パッケージソフトウェアではなく，費用効 率が高く，拡張性のあるサービスを提供す る。 2. 独自性があり，同じものを作ることが難し いデータソースをコントロールする。この データソースは利用者が増えるほど，充実 していくものでなければならない。 3. 利用者を信頼し，共同開発者として扱う。 4. 集合知を利用する。
Web2.0 的企業とは（復習） 5. カスタマーセルフサービスを通して，ロン グテールを取り込む。 6. 単一デバイスの枠を超えたソフトウェアを 提供する。 7. 軽量なユーザーインターフェース，軽量な 開発モデル，そして軽量なビジネスモデル を採用 する。
１．サービスを提供 Google の各種サービス オンラインゲーム ⇔ パッケージゲーム
２．同じものを作ることが難しいデータ ソース “ 同じもの ” を今から作って，追いつくことは 難しいデータベース そのデータを利用できるような仕組み（ API) を公開 他のデータベースに移行することが難しく なる
３．利用者を信頼し，共同開発者として 扱う 利用者のフィードバック（意見・感想）を参 考にする ということであろうが，友人に紹介してもら って，新たな利用者を獲得も，その一つでは
４．集合知の利用 Amazon のカスタマーレビュー Wikipedia Google のページランク みんながリンクを設ける みんなが価値があると思う 信頼性という問題が常にある
５．ロングテールを取り込む Amazon のビジネスモデル Wikipedeia も， “ 大きさ ” の制約がないので， ロングテールを取り込んでいることになるだ ろう 紙ベースの百科事典では採択されないよう な項目
６．単一デバイスの枠を超えたソフトウ ェア デスクトップパソコン から携帯端末へ 位置情報を活用 いろいろ問題 後で取り上げる予定
７．軽量なユーザーインターフェース，開発モ デル，ビジネスモデル 変更を前提として開発 “ 直ぐに ” ， “ 簡単に ” 開発・変更 完成しない 常に新しいものを提供 利用者離れを防ぐ
“ レコメンデーション ” の補足
参考サイト・文献 文献 8 文献 15 （サイト）
情報の海の中から，どうやって欲しい情報を 見つけるのか 従来は，キーワードを入力しての検索 ロングテイルの尾の先の情報は検索対象に なるか？ いろいろ限界がある
レコメンデーション（１） 推薦，推奨， “ おすすめ ” Amazon のレコメンデーション 誰かにすすめてもらう “ ビジネス ” である以上，そのバイアスはある ？
レコメンデーション（２） 種類 文献 15 の “ レコメンデーションの虚実（ 2 ） ～レコメンデーションの分類 ” 文献 15 レコメンデーション
協調フィルタリング（１） 利用者 A は，Ｘに興味がある 利用者 B は， X と Y に興味がある A は， B と同じ X に興味があるから，他の物に も同じように興味がある（だろう） A に Y を教える X という商品を買った X という情報を検索した
協調フィルタリング（２） 実際には，いくつかの組合せで行う 大量のデータが必要 コンテンツの中身（属性）のことは考慮され ない X のどこに興味があるのか？ ひとつのことにウマがあったら，他すべてと もウマがあうのか？ 他人に頼まれて商品を購入しただけであって ，自分は興味がない
協調フィルタリング（３） 精度をあげるためには，顧客の情報が必要 プライバシーの問題
コンテンツベースフィルタリン グ（１） コンテンツの属性を用いる 利用者が自分の興味の属性を登録 作家の名前 “ プログラミング ” （キーワード） 登録した属性と同じ属性をもつコンテンツ その作家の新刊 Java プログラムの新刊
コンテンツベースフィルタリン グ（２） データが少なくても可能 属性を正しく認識できるか？ 絞込み 利用者が登録という作業を行う？！ 購入した商品から，属性を抜き出すことに なるが …
確率による方法 文献 15 の “ レコメンデーションの虚実（ 4 ）～ ベイジアンは「 Amazon を超えた」のか？ ” レコメンデーションの虚実（ 4 ）～ ベイジアンは「 Amazon を超えた」のか
問題点（１） 気持ち悪がられている レッシグ教授（文献 14 ， p.143 ） 店員が客の後をつけ，何を見ているかメ モする しかし，同様なことは（実世界で）以前か ら行われている？
ク チ コ ミク チ コ ミ
友達の推薦（１） 友達とは趣味が合う 友達の “ おすすめ ” を購入する
友達の推薦（２） すべての面で趣味が合うのか？ 同じスポーツを楽しんでいるから，同じ歌手 が好き？！ 押し付けになると，友達関係もおかしくなる
友達の推薦（３） 逆に，同じものに興味のある人 同じ（ような）商品を購入した人 と友達に なろう
友達の推薦（４） 商品紹介の（個人）ブログ 自分と合いそう そのブログを追っかける アルファブロガ－
S N S （１） 同好の士 MySpace 音楽に特化した SNS アーティストのプロモーション アーティストとファン，ファン同士の交流 米 MySpace を、米広告ネットワークの Specific Media が買収 米 MySpace を、米広告ネットワークの Specific Media が買収
S N S （２） SNS に登録する際，自分の情報も登録 その情報に合わせて，広告 広告主にとって効率が良い（？）
Web2.0 → Web3.0 ？（１） Google 、 Facebook にユーザーデータ共有を めぐり圧力 ――API の利用規約を変更 11/08/news012.html 11/08/news012.html Facebook 、 Google Gmail 対抗の「 Project Titan 」発表へ 5/news022.html 5/news022.html
Web2.0 → Web3.0 ？（２） Google 、友人のページを検索結果に表示する 「ソーシャル検索」を日本でも開始 _ html _ html Google 、 Facebook 対抗のソーシャルプロジ ェクト「 Google+ 」を発表 9/news022.html 9/news022.html
“Wikipedia” の補足
Wikipedia （１） 広告がない 運営資金は？ ウィキメディア財団が財務・運営を担う ほとんどは寄付 広告を載せることは， 2002 年に話がでた スペインで反対運動
Wikipedia （２） 問題が多くあるから，プロジェクトを止めれ ばよい？ “ 世界には Wikipedia が唯一の百科事典である という言語も少なくない ” （文献 11 ， p.264 ）
Wikipedia （３） 実名制の動きはないのか？ ラリー・サンガー（ Wikipedia の共同設立者） シチゼンディウム（派生プロジェクト） 本名の登録 専門家のチェック 野蛮な振る舞い・荒らし・妨害の寛容では ない うまくいくか？！
“ 集合知 ” の補足
民 主 主 義民 主 主 義 選挙で多数を占めた政党が政権 “ 多数意見が正しい ” という前提？ 少数意見の尊重
集 合 知（１） 文献 1 の例 スペースシャトル チャレンジャー号の事故原 因 関係した４社のその日の株価下落率が最も大 きかった会社の製品に原因があったと半年後 に公表された 市場関係者という（多数）の意見が “ 株価 ” に 反映した
集 合 知（２） 次のような属性 多様性 独立性 分散性 集約性 をもつ集団は，正確な判断をしやすい “ 絶対に ” というわけではない
集 合 知（３） 落とし穴 同じ見方しかしない（多様性） 他人の意見の影響（独立性） 同じ情報源（分散性） 集団として誤った判断を下す 選挙は？
集 合 知（４） Linux オープンソースソフトウェア 個々の知識を互いに補い合う “ 集約 ” することがうまくできること 個々の知識を “ 越えた ” ものとなる Linux の場合は， Linus Torvalds の存在
集 合 知（５） 日本 IBM が企業向け統合ソーシャルソフトを 発売、社員の知識を「集合知」として活用 406/359144/ 406/359144/
集 合 知（６） 単独（個人）の知恵・知識と比較 一人の天才と多数の普通の人 優れている・劣っている 優劣をつけられるものかどうか 評価基準 集合知というものは存在するのか？ 条件を満たすことが困難？
Web3.0
キーワード 多分，ソーシャルがキーワード 人と人とのつながりをベース アルファブロガー Facebook Twitter 効果を上げるためには，プライバシーの 問題を避けることができない，だろう
相も変わらず 炎上とか Twitter に契約選手の来店情報などツイート 、アディダスジャパンが謝罪 ws/ _ html ws/ _ html 悪用とか Twitter の架空人格アカウント、追跡レポー ト html html
結 局 新しいものが出現 使い方に慣れないことによるトラブル 悪用 常に問題が生じる 基本的なリテラシーの問題では？
Web3.0 で終わり にはならない Web4.0 Web5.0 ・ ・ ・ 基本的にはビジネス 儲かるもの しかし，いつまで “ 無料 ” モデルが 続くのか（個人的な疑問）