מעבדות החדשנות של המחלקה להנדסת מערכות מידע מציגות שיטה לחיזוי מין המשתמש בעזרת חיישני התנועה אשר קיימים במכשירי האנדרואיד
השיטה, שפותחה לאחרונה על ידי ד"ר אסף שבתאי והסטודנט שלו, איתי חזן מהמחלקה להנדסת מערכות מידע באוניברסיטה, יכולה להשתלב בכל אפליקציה שניתן להוריד מחנות האפליקציות ועשויה לספק חיזוי של מין המשתמש כבר מרגע סיום ההתקנה ברמת דיוק של 80% ומבלי לדרוש הרשאות מיוחדות מהמשתמש. האלגוריתם משתמש במידע הנאסף על ידי חיישנים המוגדרים כפתוחים לשימוש כל אפליקציה (כמו, למשל, התנועות שמבצע המשתמש עם המכשיר). לאחר מספר ימים של למידה על התנהגות המשתמש, החיזוי ישתפר ל-92% באופן שקוף לחלוטין למשתמש הקצה ולמתכנת האפליקציה. ההשלכות הן שכל אפליקציה שתבחר להוסיף את החבילה של חיזוי המין תוכל להפעיל פונקציה פשוטה ולקבל מידע דמוגרפי על המשתמש.
בשנים האחרונות אנחנו עדים לשימוש נרחב בסמארטפונים וטאבלטים ממגוון סוגים. קלות השימוש והאינטואיטיביות של המכשירים, יחד עם כמות האפליקציות והיכולות השונות גרמו למכשירים אלו לחדור אל מגוון גילאים ותחומים שונים. אם בעבר רק אנשי עסקים ומבוגרים היו בעלי טלפונים ניידים, הרי שהיום ניתן לראות טלפונים ניידים כבר בבתי הספר היסודיים ומהקצה השני, ניתן לראות גם קשישים שהדביקו את הפער.
במקביל לחדירתם של אמצעים אלו, אנו עדים לתפוצה רחבה של תכנים פרסומיים ושיווקים דרך האפליקציות השונות. האפשרות להסיק את המאפיינים האישיים של כל משתמש ומשתמש ולהתאים את הפרסומת והשירותים לפי המאפיינים והצרכים של המשתמש הופכת לממשית ומהותית.
פייסבוק, לדוגמה, תציע למשתמשים פרסומות המתאימות לחתך הגיל, אזור בארץ, עיסוק וכל מידע רלוונטי שהמשתמש הכניס. לבני זוג, למשל, שסימנו 'Engaged יינתנו פרסומות על טבעות ואולמות. מערכות לומדות נוספות מוטמעות בשירותים מוכרים. יוטיוב, למשל, תציע למשתמשים סרטונים מתאימים לאופן השימוש שלהם ולמה שהם אוהבים.
שימוש בסנסורים חכמים להסקת מסקנות אודות המשתמש מחליפים שיטות ותיקות כמו ניתוח טקסט. למשתמש ממוצע פחות יפריע שאפליקציה תמדוד מדי פעם את התנוחה בה המכשיר נמצא, אך יפריע לו מאוד אם יוודע לו שאפליקציה מנתחת את ההודעות SMS שלו או בודקת לאיזה אתרים הוא נכנס, אפילו אם זה רק בשביל ניתוח סטטיסטי. שיטות אלו גובלות בחדירה לפרטיות ומרחיקות את המשתמש משימוש באפליקציה שלך.
אולם במקביל, ישנן דרכים שאינן גובלות בחדירה לפרטיות המשתמש- דרך הנתונים הרבים שנאספים על ידי חיישני התנועה. על-ידי ניתוח בלבד של תנועות ניתן לראות דוגמה בגרף הבא לשתי תנועות האופייניות לגברים ונראה כי נשים פחות מבצעת אותן ונצמדות לראשית הצירים בכמות הפעמים. תנועה זו, למשל, הינה החזקת הטלפון הפוך המאפיינת גברים ככל הנראה בגלל החזקת הטלפון בכיס האחורי או הקדמי.
אלגוריתמים בתחום למידת מכונה יודעים לסמן מעגל דמיוני ולהפריד גברים מנשים ברגע שהמידע נתון בצורה סיכומית ונכונה. מובן שיש טעויות, ניתן לראות מחוץ למעגל עיגולים אדומים ובתוך המעגל משולשים כחולים. כדי לשפר את התוצאות אנחנו מספקים לאלגוריתם אחר, גדול יותר מס' אלגוריתמים והוא יודע לסנכרן בניהם ולהחליט ע"פ מה שאומר הרוב, שיטה זו נקראת Voting – הצבעה.
ד"ר שבתאי: "על מנת לשפר את ביצועי השיטה בחנו את סוגי האפליקציות שקיימות על המכשיר. אנדרואיד מסווגת את סוגי האפליקציות לכ-40 קטגוריות כמו: ספורט, לימוד, ניווט, מוזיקה וכו' לאדם ממוצע פחות מפריע לשתף כמה אפליקציות יש לו מכל קטגוריה, מה המשקל הממוצע של אפליקציות על המכשיר, או כמות האפליקציות התקין אי פעם על המכשיר ואכן ראינו שיש הבדלים בין גברים ונשים בתחומים האלו, מה שמעניין הוא שגם אם הדברים האלו משתנים על פני זמן האלגוריתמים יודעים להסתגל אליהם וכי הם ממשיכים ללמוד כל הזמן".
"שיטה זו יודעת ללמוד לבד את התנהגות המשתמש ואף להציג נתונים מעניינים אודות שינויים בדפוסי שימוש אצל גברים ונשים שלא היו ידועים בעבר. ראינו, למש,ל כי גברים נוטים להוריד יותר אפליקציות ואף יותר אפליקציות כבדות. ניתן לראות את השינויים בהתפלגויות באופן ברור":
על ידי איחוד אלגוריתמים אלו ניתן היה להסיק את מין המשתמש בצורה מהירה ובאחוזי דיוק גבוהים ומבלי לגשת להרשאות גבוהות או לפגוע בפרטיות המשתמש. השיטה המלאה והתוצאות יוצגו בכנס השנתי באיטליה למחקר ופיתוח בתחום המובייל (MobileSoft 2015).
