魚羊 發自 凹非寺
量子位 | 公眾號 QbitAI
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：
那些跟你沒那麼熟的朋友，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年時間裡，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演算法。
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、聯繫最緊密的好友，而是「中等關係」好友。
對，就是列表跟你有10個左右共同聯繫人，但平時也不咋互動的人。
具體怎麼一回事兒，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，就是沒那麼熟的人往往能提供來自另一個社會關係網路的信息。
具體到找工作這種事上，也就是求職者能從「弱關係」里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」演算法的變體。
比如，其中一種變體會讓用戶之間形成更多的聯繫，包括更多的弱關係。而另一種變體在給用戶推薦更多聯繫人時，只推薦具有強關係的人。
在為期5年、面向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面的效果，能達到較強社會關係的2倍。
△左圖為最小二乘法回歸分析
這裡「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，儘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演算法的常見手段，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，那麼領英這麼做確實不道德。
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演算法，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。
實驗的對象是演算法而不是人。
那麼，你怎麼看？
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/
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態
