領英悄悄拿2千萬用戶做了5年實驗,還上了Science

文章來源: - 新聞取自各大新聞媒體,新聞內容並不代表本網立場!
(被閱讀 次)

當2000萬人在領英搞職場社交的時候,殊不知平台正在悄悄拿他們做實驗。

足足五年後,最新結論出現:

那些跟你沒那麽熟的朋友,比你的親密友人更能幫你找到工作。

研究來自領英和哈佛商學院等研究機構,已經在Science上發表。



具體而言,他們在5年時間裏,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。

結果發現,對找工作最有幫助的,往往不是那些與你互動最頻繁、聯係最緊密的好友,而是“中等關係”好友。

對,就是列表跟你有10個左右共同聯係人,但平時也不咋互動的人。



具體怎麽一回事兒,一起來看。

麵向2000萬人的5年期社會實驗

要說清楚這個事兒,咱們還得從“弱關係”(weak tie)理論說起。

1973年,美國社會學家馬克·格蘭諾維特發表了一篇名為《弱關係的力量》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係,屬於一種“強關係”,通過這種關係獲取的往往是同質化的信息。

社會上更為廣泛的是一種並不深入的人際關係。這種弱關係能夠使個體獲得通過強關係無法獲取到的信息,從而在工作和事業上,在信息的擴散上起到決定作用。

簡單來說,就是沒那麽熟的人往往能提供來自另一個社會關係網絡的信息。

具體到找工作這種事上,也就是求職者能從“弱關係”裏獲得更豐富的職位信息。



此番領英的超大規模實驗,正是給這一理論提供了支持性證據。

論文作者、領英數據科學家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係,包括更多的弱關係。而另一種變體在給用戶推薦更多聯係人時,隻推薦具有強關係的人。

在為期5年、麵向2000萬用戶的大規模測試之後,領英獲得了大量隨機實驗數據。數據分析結果顯示:

在領英上,相對較弱的社會關係在促成就業方麵的效果,能達到較強社會關係的2倍。



△左圖為最小二乘法回歸分析

這裏“較弱的社會關係”指的是擁有10個共同好友的情況,而“較強的社會關係”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量(上圖)和以互動強度(下圖)為關係評價標準的實驗中,最小二乘法回歸分析均顯示,強關係與換工作的概率增加有關,但針對大量樣本、持續5年、覆蓋世界各地區的實驗分析結果均顯示了相反的情況。



最終,研究人員得到了三個主要結論:

相對弱的關係更能增加工作流動的可能性。

以共同好友數量為評價標準,關係強弱和工作流動之間存在一個倒U型關係,即中等關係增加工作流動的可能性最大,強關係增加工作流動的可能性最小;以互動強度為評價標準,弱關係對工作流動影響最大,強關係則影響最小。

增加共同好友數適中、互動性較弱的關係節點,對找工作這件事最有利。

另外,論文還提到,弱關係的力量是因行業而異的:數字化程度較高的行業中,弱關係力量更強;而在數字化程度較低的行業中,強關係對找工作更有利。



實驗引發爭議

在領英的這一實驗結果引發關注的同時,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:

領英的做法可能改變了許多人的生活。對人們進行長期、大規模的實驗,可能會影響他們的工作前景。

並且領英用戶對此實驗並不知情。

但也有網友指出,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,那麽領英這麽做確實不道德。



領英的官方發言人亦對此事進行了回應:

我們隻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,這就會在數據中產生足夠的變化,使我們能夠觀察到並進行分析。

實驗的對象是算法而不是人。

那麽,你怎麽看?

myquestion 發表評論於
LinkedIn翻譯成領英?我落伍了
zzbb-bzbz 發表評論於
好友不會在領英上聯係
灣區範兒 發表評論於
所有社交媒體都會把平台用戶當實驗對象。隻不過要看該平台所在國是否有privacy protection 的法律限製該平台隨意使用用戶個人信息。
明白道理 發表評論於
謝謝領英
hkzs 發表評論於
routard說得對,這根本不是什麽科學,是騙子。
西雅圖eagles 發表評論於
領英上騙子太多了,基本上不用了。估計隻有跳槽的人才會用。