85

Джон Ридл, возглавлявший исследовательскую группу в Университете штата Миннесота и создавший одну из ранних систем, помогавшую ориентироваться в огромном потоке статей по рейтингам USENET, рассказал журналу «Нью-Йоркер»: «То, что вы рассказываете нам о своих предпочтениях, годится для предсказаний того, что вам понравится в будущем, больше любой другой информации, которую мы пробовали анализировать… Пусть это и глупо прозвучит, но вы иногда рассказываете это маркетологам, а они в ответ выглядят озадаченными». Сам Ридл чувствовал ограниченность систем на базе рейтингов, включая и ограничения по поводу того, как люди оценивают предметы. «Некоторые исследователи предлагали системы компенсаций для поощрения пользователей за оценки. Экономические последствия такого решения были бы интересны, но возникает вопрос: необходимы ли компенсации, если рейтинги можно собирать без каких-либо усилий со стороны пользователей? Мы верим в то, что оптимальным решением стало бы улучшение пользовательского интерфейса в целях выявления скрытых рейтингов путем наблюдения за поведением пользователей. Скрытые рейтинги включают меру интереса, например помогают узнать, прочитал ли пользователь статью, и если да, то сколько времени он на нее потратил. Наши исходные исследования показали, что мы можем получить гораздо более обширные данные рейтингов путем использования скрытых рейтингов, и прогнозы, сделанные на базе времени чтения, практически столь же точны, как и прогнозы на базе математики». См.: Джозеф А. Констан и др. Группы: применение коллаборативной фильтрации для статей USENET / «Сообщения АСМ». Т. 40, 1997. С. 77–87.