211service.com
Het onsterfelijke leven van de Enron-e-mails
Voormalig Enron-directeur Vincent Kaminski is een bescheiden, halfgepensioneerde professor in de business school uit Houston, die onlangs schreef: 960 pagina's tellend boek uitleggen van de fundamenten van de energiemarkten. Zijn meest blijvende erfenis kan echter betrekking hebben op duizenden e-mails die hij meer dan tien jaar geleden schreef bij het energieservicebedrijf.
bedrijfscorpus : De hoeveelheden e-mails die werden verzonden en ontvangen in het hoofdkantoor van Enron in Houston, hier te zien in 2002, worden nog steeds ontleed en ontleed door computerwetenschappers en andere onderzoekers.
Kaminski, een voormalig directeur voor onderzoek die herhaaldelijk gewaarschuwd voor betreffende praktijken hij bij Enron zag, behoort tot meer dan 150 senior executives wiens e-mailboxen op 26 maart 2003 door de Federal Energy Regulatory Commission (FERC) op het internet werden gedumpt. In naam van het dienen van het publieke belang tijdens het onderzoek naar Enron , nam het federale agentschap de controversiële beslissing om meer dan 1,6 miljoen e-mails online te plaatsen die Enron-managers van 2000 tot 2002 hebben verzonden en ontvangen. FERC heeft uiteindelijk de moeite genomen om de meest gevoelige en persoonlijke gegevens te verwijderen, na het ontvangen van klachten ( zie PDF ). Toch blijft het e-mailcorpus van Enron, zoals de opgeschoonde versie nu bekend staat, verreweg de grootste database in het publieke domein van echte e-mails ter wereld.
Dit corpus is waardevol voor computerwetenschappers en theoretici van sociale netwerken op manieren die de auteurs en ontvangers van de e-mails nooit zouden hebben bedoeld. Omdat het een rijk voorbeeld is van hoe echte mensen in een echte organisatie e-mail gebruiken - vol met alledaagse lunchplannen, saaie vergadernotities, gênante flirts die minstens één buitenechtelijke affaire aan het licht brachten, en de vernietigende brieven die corruptie aan het licht brachten - heeft het worden de basis van honderden onderzoeken op uiteenlopende gebieden als machine learning en genderstudies op de werkplek.
Dit onderzoek heeft wijdverbreide toepassingen gehad: computerwetenschappers hebben het corpus gebruikt om systemen te trainen die automatisch bepaalde berichten in een in-box prioriteit geven en gebruikers waarschuwen dat ze een belangrijk bericht misschien zijn vergeten. Andere onderzoekers gebruiken het Enron-corpus om systemen te ontwikkelen die berichten automatisch ordenen of samenvatten. Veel van de huidige software voor fraudedetectie, terrorismebestrijding en het ontginnen van gedragspatronen op de werkplek via e-mail is op de een of andere manier geraakt door de dataset.
Het is alsof we gist bestuderen, zegt Willem Cohen, een computerwetenschapper van de Carnegie Mellon University die hielp het corpus in een database te zetten die door onderzoekers kon worden gedolven. Het is bestudeerd en geëxperimenteerd omdat het een zeer goed begrepen modelorganisme is. [De e-mail gegenereerd door] Enron is vergelijkbaar. Mensen zullen het nog lang blijven gebruiken.
De Enron-e-mails kregen hun verlengde levensduur door wetenschappers van het MIT, de Carnegie Mellon University en het non-profit onderzoeksinstituut SRI International. Tien jaar geleden werkten onderzoekers van deze instellingen samen aan het door DARPA gefinancierde CALO-project, wat staat voor Cognitive Assistant that Learns and Organs, en waarvan de grootste claim op roem de aanleiding is geweest voor de Siri-software van Apple. Voor CALO waren de onderzoekers veel kleinere e-maildatasets aan het verzamelen om te analyseren.
Toen de Enron-e-mails in 2003 werden geplaatst, realiseerden de onderzoekers zich dat ze zeer nuttig konden zijn voor het testen van algoritmen die geschreven taal kunnen verwerken en de basis kunnen vormen van intelligente werkplektools. Omdat FERC de e-mails in een onbruikbaar formaat had gepost, heeft MIT's Leslie Kaelbling kochten de onbewerkte bestanden van een overheidscontractant voor $ 10.000, en anderen besteedden tijd aan het opschonen van de gegevens - het verwijderen van dubbele bestanden, het ordenen van mappen, het verwijderen van de resterende privébijlagen en e-mails en het toewijzen van de afzenders en ontvangers aan de organisatiestructuur van Enron. Het corpus, aanvankelijk meer dan 517.431 e-mails, was afgezwakt tot 200.000 in 2004.
Een onderzoeksecosysteem bloeit nog steeds rond het corpus omdat er niets anders is in het publieke domein. Als het niet bestond, zou onderzoek naar zakelijke e-mails alleen kunnen worden gedaan door mensen met toegang tot grote bedrijfs- of overheidsservers. Dat zou waarschijnlijk onderzoekers op het gebied van sociale wetenschappen, organisatiekunde en taalkunde uitsluiten - van wie velen het corpus hebben gebruikt om waardevolle inzichten in de bedrijfscultuur te krijgen, zegt Owen Rambow, een professor aan de Columbia University die betrokken was bij een onderzoeksproject dat het Enron-corpus gebruikte en een $ 510.000 subsidie van de National Science Foundation .
Volgens schattingen van Cohen van Carnegie Mellon hebben sinds 2010 ongeveer 30 kranten per jaar het originele artikel geciteerd waarin het Enron-corpus werd gepresenteerd. Dit jaar bijv. onderzoekers bij HP Labs wendde zich tot het corpus om een programma voor kunstmatige intelligentie te demonstreren voor het automatisch identificeren van de toezeggingen die mensen via e-mail doen. Jafar Adibi, die aan een vroege kaart van het sociale netwerk van Enron , zegt dat hij nog steeds elke maand een handvol vragen krijgt, steeds meer van onderzoekers buiten de Verenigde Staten. Er is nog een actieve list-serv gewijd aan het bespreken van het corpus.
Onderzoekers die met het corpus hebben gewerkt, weten dat er geen nieuwe Enron zal zijn. FERC bracht de e-mails uit toen de wereld nog veel te leren had over online privacy. De schade aan de genoemde mensen - van wie de meesten onschuldig waren aan enig wangedrag bij Enron - was snel duidelijk. Burgerservicenummers en zelfs bankgegevens stonden erin. Hoewel veel privégegevens zijn verwijderd, terwijl ik door honderden e-mails in de verzonden map van Kaminski bladerde, vond ik een telefoonnummer thuis, de naam van zijn vrouw en een niet-vleiende mening die hij had over een voormalige collega. Ik kreeg ook het gevoel dat hij lang, veel te laat was geweest voor de promotie die hij in 2000 ontving. Toen de e-mails voor het eerst werden vrijgegeven, zei Kaminski, de manager van ongeveer 50 medewerkers bij Enron, dat hij het meest verontrust was om te zien zijn heen-en-weer communicatie over HR-klachten en evaluaties van sollicitanten wordt openbaar. Een sollicitant die hij ooit interviewde, raakte van streek na hun vrijlating.
Tegenwoordig vermijden veel mensen die in sterk gereguleerde sectoren zoals financiën werken, om gevoelige informatie in hun e-mails te plaatsen. Kaminski, die later managing director bij Citigroup werd, merkt op dat het acroniem LTOL in de jaren na Enron een populair e-mailjargon werd. Het staat voor Let's take this offline.