當 2000 萬人在領(lǐng)英搞職場社交的時候,殊不知平臺正在悄悄拿他們做實驗。
足足五年后,最新結(jié)論出現(xiàn):
那些跟你沒那么熟的朋友,比你的親密友人更能幫你找到工作。
研究來自領(lǐng)英和哈佛商學院等研究機構(gòu),已經(jīng)在 Science 上發(fā)表。
具體而言,他們在 5 年時間里,利用 A / B 測試,在“猜您認識”這項推薦功能中,向 2000 萬用戶推送了不同版本的算法。
結(jié)果發(fā)現(xiàn),對找工作最有幫助的,往往不是那些與你互動最頻繁、聯(lián)系最緊密的好友,而是“中等關(guān)系”好友。
對,就是列表跟你有 10 個左右共同聯(lián)系人,但平時也不咋互動的人。
具體怎么一回事兒,一起來看。
面向 2000 萬人的 5 年期社會實驗
要說清楚這個事兒,咱們還得從“弱關(guān)系”(weak tie)理論說起。
1973 年,美國社會學家馬克?格蘭諾維特發(fā)表了一篇名為《弱關(guān)系的力量》的論文。
這篇論文被認為是最具影響力的社會學論文之一,引用次數(shù)已達到近 6.7 萬次。
格蘭諾維特在論文中提出:
人們與頻繁接觸的親朋好友的關(guān)系,屬于一種“強關(guān)系”,通過這種關(guān)系獲取的往往是同質(zhì)化的信息。
社會上更為廣泛的是一種并不深入的人際關(guān)系。這種弱關(guān)系能夠使個體獲得通過強關(guān)系無法獲取到的信息,從而在工作和事業(yè)上,在信息的擴散上起到?jīng)Q定作用。
簡單來說,就是沒那么熟的人往往能提供來自另一個社會關(guān)系網(wǎng)絡的信息。
具體到找工作這種事上,也就是求職者能從“弱關(guān)系”里獲得更豐富的職位信息。
此番領(lǐng)英的超大規(guī)模實驗,正是給這一理論提供了支持性證據(jù)。
論文作者、領(lǐng)英數(shù)據(jù)科學家 Karthik Rajkumar 提到,在研究中,他們設置了 7 種“猜您認識”算法的變體。
比如,其中一種變體會讓用戶之間形成更多的聯(lián)系,包括更多的弱關(guān)系。而另一種變體在給用戶推薦更多聯(lián)系人時,只推薦具有強關(guān)系的人。
在為期 5 年、面向 2000 萬用戶的大規(guī)模測試之后,領(lǐng)英獲得了大量隨機實驗數(shù)據(jù)。數(shù)據(jù)分析結(jié)果顯示:
在領(lǐng)英上,相對較弱的社會關(guān)系在促成就業(yè)方面的效果,能達到較強社會關(guān)系的 2 倍。
這里“較弱的社會關(guān)系”指的是擁有 10 個共同好友的情況,而“較強的社會關(guān)系”指的是擁有 20 個以上共同好友的情況。
需要說明的是,盡管在以共同好友數(shù)量(上圖)和以互動強度(下圖)為關(guān)系評價標準的實驗中,最小二乘法回歸分析均顯示,強關(guān)系與換工作的概率增加有關(guān),但針對大量樣本、持續(xù) 5 年、覆蓋世界各地區(qū)的實驗分析結(jié)果均顯示了相反的情況。
最終,研究人員得到了三個主要結(jié)論:
相對弱的關(guān)系更能增加工作流動的可能性。
以共同好友數(shù)量為評價標準,關(guān)系強弱和工作流動之間存在一個倒 U 型關(guān)系,即中等關(guān)系增加工作流動的可能性最大,強關(guān)系增加工作流動的可能性最小;以互動強度為評價標準,弱關(guān)系對工作流動影響最大,強關(guān)系則影響最小。
增加共同好友數(shù)適中、互動性較弱的關(guān)系節(jié)點,對找工作這件事最有利。
另外,論文還提到,弱關(guān)系的力量是因行業(yè)而異的:數(shù)字化程度較高的行業(yè)中,弱關(guān)系力量更強;而在數(shù)字化程度較低的行業(yè)中,強關(guān)系對找工作更有利。
實驗引發(fā)爭議
在領(lǐng)英的這一實驗結(jié)果引發(fā)關(guān)注的同時,爭議之聲也隨之而來。
紐約時報就援引專家觀點,尖銳地指出:
領(lǐng)英的做法可能改變了許多人的生活。對人們進行長期、大規(guī)模的實驗,可能會影響他們的工作前景。
并且領(lǐng)英用戶對此實驗并不知情。
但也有網(wǎng)友指出,A / B 測試是科技公司應用算法的常見手段,陰謀論大可不必。但關(guān)鍵是各組之間的差異到底有多大。
如果差別大到有如白天和黑夜,那么領(lǐng)英這么做確實不道德。
領(lǐng)英的官方發(fā)言人亦對此事進行了回應:
我們只是在努力為用戶做出更好的推薦。
在測試期間,有一些人比其他人早一兩個星期得到了更好的算法,這就會在數(shù)據(jù)中產(chǎn)生足夠的變化,使我們能夠觀察到并進行分析。
實驗的對象是算法而不是人。
那么,你怎么看?
參考鏈接:
[1]https://www.science.org/doi/10.1126/science.abl4476
[2]https://arstechnica.com/tech-policy/2022/09/experts-debate-the-ethics-of-linkedins-algorithm-experiments-on-20m-users/
本文來自微信公眾號:量子位 (ID:QbitAI),作者:魚羊
廣告聲明:文內(nèi)含有的對外跳轉(zhuǎn)鏈接(包括不限于超鏈接、二維碼、口令等形式),用于傳遞更多信息,節(jié)省甄選時間,結(jié)果僅供參考,IT之家所有文章均包含本聲明。