Accommoder les miettes de données : Ingrédients, Recettes et Astuces Amélie Marian – Arnaud Sahuguet BDA, Porquerolles, 2 Octobre 2015

1. Accommoder les miettes de données :
Ingrédients, Recettes et Astuces
Amélie Marian – Arnaud Sahuguet
BDA, Porquerolles, 2 Octobre 2015
https://goo.gl/dgAWnp
1

2. Dramatis Personae
Amelie Marian
@ameliemarian
Arnaud Sahuguet
@sahuguet
Paris IX Dauphine
Columbia Univ., PhD
X – ENPC – Paris VI
Univ. of Pennsylvania, PhD
Bell Labs / Alcatel-Lucent
Google
The Governance Lab @ NYU
2

3. Les objectifs de ce keynote
vous rappeler que c'est un sujet d'actualité brûlant
définir les concepts, e.g. miettes, small data, big data
présenter les axes de recherches liés aux miettes de données
vous convaincre de vous lancer dans l'aventure
rappeler que votre expertise est essentielle à un plus large débat
3

4. 4

5. Plus malin que l’ogre BigData ?
… et a été dénoncée par Rite Aid pour “excessive transactions”
Se cacher devient suspect
http://time.com/83200/privacy-internet-big-data-opt-out/
?
5
Elle a caché sa grossesse sur internet...
Social medias
Achats en cash ou gift card
Tor pour surfer le web
Janet Vertesi, Assistant Professor of Sociology à Princeton a essayé

6. Finance
Web of Things/Quantified Self
Administration
Commerce
Services Web/Réseaux Sociaux
Transport
Mobile
Santé / Assurance
Services
Loisirs
6

7. miette :
sous-produit digital de nos activités
quotidiennes, telles que couriel, texto, appel
téléphonique, achat, transport, jeux, etc.
7
“J'ai laissé des bouts de moi au creux de chaque endroit
Un peu de chair à chaque empreinte de mes pas”
Jean-Jacques Goldman, 1987.

8. Dessine-moi une miette
8

9. Taxonomie basée sur l'origine des miettes
Directement depuis l'utilisateur
Miette fournie
- initiée
- transactionnelle
- publiée par l'utilisateur
Miette observée
- par engagement
- non-anticipée
- passive
9
Depuis le fournisseur de service
Miette dérivée
- computationelle
- notationelle
Miette inferrée
- statistique
- modèle plus avancé
Source: OECD 2014, Martin Abrams

10. Taxonomie pour les réseaux sociaux
Service data: data you give to SP in order to
use it.
Disclosed data: data you post on your own
pages.
Entrusted data: data you post on other
people's pages.
Incidental data: data other people post
about you.
10
Behavioral data: data collected by SP about
your habits.
Derived data: data derived from all other
data.
Source: IEEE Privacy & Security, 2010, by Bruce Schneier

11. Taxonomie basée sur la nature des miettes
11
Transport
Communications
Commerce
Loisirs
Santé, Bien-être
Activités
Citoyennes
Education
Travail
Social

12. Soupe de "Data"
big, small, personal, etc.
12

13. BIG DATA vs small data
13
small data
BIG DATA

14. L'intérêt des miettes
14
e.g. personalisation
e.g. quantified self,
IoT.
e.g. data philanthropy
Uber, Google FluTrends,
Twitter

15. Ce dont on ne va pas parler...
Big Data
Analytics
Learning
Ethiques
Droit à l’oubli
Big Brother
Patriot Act / Loi de renseignement
Beaucoup de choses à dire...
15

16. La vie d'une miette
16

17. La vie d'une miette
17

18. Interêt Personnel
Application:
"Personal Information Management"
18

19. Suivre les miettes pour retracer ses pas
19
Quel est le restaurant où j’ai mangé la dernière fois qu’on est allé au ski ?
Dates du voyage: Email de réservation, Calendrier, GPS
Nom du restaurant: Relevé de CB, checkin Foursquare
Quand est-ce que j’ai vu Sihem pour la dernière fois?
Email et SMS avec Sihem
Photos où Sihem et moi sommes taguées au même endroit
Les informations existent, mais sont difficiles à accéder et connecter

20. Projet Digital Self à Rutgers University
Les miettes de données sont riches en contexte
Des travaux en Psychologie ont montré qu’on se souvient des
informations/événements à partir d’indices de contexte
Qui, Quand, Où, Quoi, Pourquoi, Comment
Nous proposons un PIMS basé sur des données contextuelles.
Extrait les miettes de données
Intègre les données fragmentées
Permet la recherche sur les données personelles
Crée une base de connaissances personelle
En collaboration avec:
Thu Nguyen
Alex Borgida
Daniela Vianna
Valia Kalokyri
Alicia-Michelle Yong
Chaolun Xia
20

21. Digital Self Architecture
21
• Collection de données
–Identification, récupération, stockage,
– Personal Extraction Tool:
https://github.com/ameliemarian/DigitalSelf
• Integration de données
–Modèle de données unifié
–Multidimensionnel, contextuel
–Analyse NLP
w5h Model
• Recherche
–basée sur des travaux sur la mémoire
–contextuelle, imprécise
w5h Search
• Base de connaissance
–Identifier des connections et séquences
–Intégrer les comportements et réactions

22. w5h - Modèle de données Contextuel
• Différents types de contexte
–Metadata
–Application data
–Environnement
–Inférence
• Cognitive Psychology
–le contexte peut être utliser pour
rappeller et stocker l’information
22
Who, When, Where
Metadata, Environnement, Inférence
What
Contenu de la miette
Why
Tâche; fait le lien entre des miettes
Inférence
How
Comment a-t-on enregistré la miette,
Application Data

23. Preliminary Results - MRR
En gras: significance statistique (p<0.05)
23
w5h
recherche contextuelle, index w5h
Text
Index texte natif Mongodb sur données
modelisée en w5h
Solr
Index texte sur données extraites

24. Base de Connaissances Personnelle (PKB)
Dimension Why
Connecter des miettes en identifiant
les processes dont elles font partie
(e.g., aller à un concert)
Ontologies de processes
Algorithmes de reconnaissance
24

25. Application II
"small data for good"
25

26. Intérêt Général & Gouvernance 2.0
26
« Améliorer la vie des gens en améliorant la façon dont les décisions sont prises. »
Data Driven
Collaborative
Participatory

27. Les Données Ouvertes
27
« […] that can be freely used, re-used and redistributed by anyone – subject only, at
most, to the requirement to attribute and sharealike. » Open Data Handbook.
En 2013, mandat de la Maison Blanche pour ouvrir les données.
Etude McKinsey qui évalue à $3 milliards la valeur de l'open data.
Plus d'un million de jeux de données.
En France,
Open Civic Data: Of the People, By the People, For the People.
Sahuguet et al. 2015.
RDF
open data
data
models

28. sdX project à Cornell Tech (Estrin et al.)smalldata.io
« Creating community infrastructure for small data apps and services »
Exemples de projet de recherche
- correlation entre sommeil et activité sur les réseaux sociaux
- pilote pour aider les gens qui souffrent de problèmes de dos
Les défis
- collecte de données & intégration
- modèle de données, meta-données et langage de requête
- stockage (privacy at rest) et contrôle d'accès
28
ML
privacy trust
data
models
UX

29. La collecte de données
2 problèmes intéressants
29
La création d'expériences
- trouver les bons sujets
- leur expliquer comment les données
vont être utilisées
- les convaincre de donner leurs données
- garantir la confidentialité des données
Exemple de requête : utilisateur iOS, vivant à
New York, avec un compte Twitter actif et un
sensor de sommeil.
PAMYADL
RDF
privacy trust
social
data
models
crowd
UX

30. Comment inciter aux dons de données
P × B + D > C: a ‘calculus’ for Open Data
P: probabilité que l'ouverture des données apporte de la valeur à son
propriétaire.
B: bénéfice pour le propriétaire des données.
D: bénéfice global
C: coût
30
privacy trust
social
open data

31. Problématiques de recherche
31

32. Revenons au Petit Poucet
32
Les compagnies se gavent de nos
miettes de données
Comment les transformer en
petits cailloux blancs?

33. Défis de recherche
Capture des données
software, e.g. eye tracking
hardware, e.g. IoT
crowdsourcing
Integration de données
Alignement d’objets
Identification d’entités, PKB
Ontologies de tâches personnelles
Stockage et Archivage
Personal clouds
33
Privacy
Encryption
Partage d’information
Interface Homme-Machine (HCI)
Comment les utilisateurs partagent leurs
données
Comment les utilisateurs consultent leur
données
Personal Data Analytics
Apprentissage
Prediction, alertes

34. Au-delà de la technologie
34

35. Même si nous avions promis de ne pas en parler
- la gouvernance des données
- la notion de propriété des données
- les incitations
- les cadres juridiques
- le rôle que nous, scientifiques, avons à jouer
« Data science sans conscience n'est que ruine de l'âme. » #gargantua2.0
35

36. Les miettes, une tradition
scientifique bien française
36

37. FAIM FIN.
et bon appétit.
Mais avant de vous laisser partir,
temps pour quelques questions.
37

38. Références bibliographiques,
Conseils de lecture
38

39. Researchers wrestle with a privacy problem, Nature Sep 2015.
As we may think, Vannevar Bush, the Atlantic Monthly, 1945.
Beyond total capture: a constructive critique of Lifelogging, Sellen and Whitaker, CACM
2010.
The Black Box Society, Frank Pasquale, 2015
39

40. Data extraction
•A tool for personal data extraction. D. Vianna, A.-M. Yong, C. Xia, A. Marian, and T. Nguyen
PIMS:
•Personal Information Management. W. Jones and J. Teevan, editors. U of Washington Press, 2007.
•Seetrieve, Gyllstrom and Soules, IUI 2008.
Societal issues
•Managing your digital life with a Personal information management system, Serge Abiteboul, Benjamin
André, Daniel Kaplan, Comm. of the ACM
•http://mesinfos.fing.org
•http://www.midatalab.org.uk
•https://www.data.gov/consumer/smart-disclosure-policy
40

41. Data Integration:
•Principles of Data integration, Doan, Halevy, Ives, 2012.
•Principles of dataspace systems, Halevy, Franklin, and Maier. CACM, 2006.
Security and trust
•Management of Personal Information Disclosure: The Interdependence of Privacy, Security,
and Trust, Clare-Marie Karat, John Karat, and Carolyn Brodie
•Secure Personal Data Servers: a Vision Paper. T Allard et al. VLDB, 2010.
Knowledge management
•Ontology for PIMS: OntoPIM, Katifori, Poggi, Scannapieco, et al. 2005
•Networked Environment for Personal, Ontology-based Management of Unified
Knowledge (NEPOMUK).
41