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“中等關系”好友。

(資料圖片)

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系，屬于一種“強關系”，通過這種關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系。這種弱關系能夠使個體獲得通過強關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“弱關系”里獲得更豐富的職位信息。

此番領英的超大規(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，只推薦具有強關系的人。

在為期5年、面向2000萬用戶的大規(guī)模測試之后，領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：

在領英上，相對較弱的社會關系在促成就業(yè)方面的效果，能達到較強社會關系的2倍。

△左圖為最小二乘法回歸分析

這里“較弱的社會關系”指的是擁有10個共同好友的情況，而“較強的社會關系”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）為關系評價標準的實驗中，最小二乘法回歸分析均顯示，強關系與換工作的概率增加有關，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，關系強弱和工作流動之間存在一個倒U型關系，即中等關系增加工作流動的可能性最大，強關系增加工作流動的可能性最小；以互動強度為評價標準，弱關系對工作流動影響最大，強關系則影響最小。

增加共同好友數(shù)適中、互動性較弱的關系節(jié)點，對找工作這件事最有利。

另外，論文還提到，弱關系的力量是因行業(yè)而異的：數(shù)字化程度較高的行業(yè)中，弱關系力量更強；而在數(shù)字化程度較低的行業(yè)中，強關系對找工作更有利。

實驗引發(fā)爭議

在領英的這一實驗結(jié)果引發(fā)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(guī)模的實驗，可能會影響他們的工作前景。

并且領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，那么領英這么做確實不道德。

領英的官方發(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/

魚羊 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI