一項回顧這些測試的研究發現，相對較弱的社交關系比較強的社交關系更有助于找到工作。
研究人員檢查了 LinkedIn 對其“你可能認識的人”算法所做的更改，以測試社會學家所說的“弱關系的強度”。
來源：nytimes，作者：Natasha Singer
根據一項新的研究顯示，Linkedin在五年内對2000多萬使用者進行了實驗，雖然目的是改善平台對會員的工作方式，但可能影響了一些人的生計。
2015年至2019年在世界各地進行的實驗中，Linkedin随機改變了其“你可能認識的人”算法所建議的弱關系和強關系的比例，該公司向使用者推薦了新關系的自動化系統。LinkedIn、麻省理工學院、斯坦福大學和哈佛商學院的研究人員後來在本月發表在《科學》雜志上的一項研究中分析了這些測試的彙總資料。
對于數百萬人來說，LinkedIn的算法實驗可能是一個驚喜，因為該公司沒有通知使用者這些測試正在進行中。
像世界上最大的職業網絡LinkedIn這樣的科技巨頭，經常進行大規模的實驗，在不同的人身上嘗試不同版本的應用程式功能、網頁設計和算法。這種長期的做法被稱為A/B測試，目的是改善消費者的體驗，讓他們保持參與，這有助于公司通過進階會員費或廣告賺錢。使用者往往不知道公司正在對他們進行測試。(紐約時報使用這種測試來評估标題的措辭，并對該公司釋出的産品和功能作出決定）。
但LinkedIn所做的改變表明，這種對廣泛使用的算法的調整可以成為社會工程實驗，對許多人來說可能會有改變生活的後果。研究計算機社會影響的專家說，對人們進行長時間、大規模的實驗，可能會影響他們的工作前景，而且是以他們看不見的方式進行，這引起了對行業透明度和研究監督的質疑。
Marquette大學計算機科學副教授、資料、道德和社會中心主任Michael Zimmer說：“研究結果表明，一些使用者有更好的就業機會，或者在獲得就業機會方面有意義的差異。當我們考慮從事這種大資料研究的倫理問題時，這些都是需要考慮的長期後果。”
《科學》雜志的研究測試了社會學中一個有影響力的理論，即“弱關系的力量”，該理論認為人們更有可能通過長短不一的熟人獲得就業和其他機會，而不是通過親密朋友。
研究人員分析了LinkedIn的算法變化如何影響使用者的工作流動性。他們發現，事實證明，LinkedIn上相對較弱的社交關系在確定就業方面的效果是較強社交關系的兩倍。
在一份聲明中，Linkedin表示，在研究過程中，它“按照”公司的使用者協定、隐私政策和會員設定行事。隐私政策指出，Linkedin将會員的個人資料用于研究目的。聲明還說，該公司使用最新的、“非侵入性”的社會科學技術來回答重要的研究問題，“沒有對會員進行任何實驗”。
微軟旗下的LinkedIn沒有直接回答關于該公司如何考慮其實驗對使用者的就業和經濟狀況的潛在長期後果的問題。但該公司表示，這項研究并沒有對一些使用者造成過大的影響。
研究的目标是“大規模地幫助人們”，LinkedIn的應用研究科學家Karthik Rajkumar說，他是該研究的共同作者之一。“沒有人被置于找工作的不利地位。”
M.I.T.的管理和資料科學教授Sinan Aral是這項研究的主要作者，他說LinkedIn的實驗是為了確定使用者能夠平等地獲得就業機會。
Aral教授說：“在2000萬人身上做實驗，然後根據你從中學到的知識，為每個人的就業前景推出更好的算法，這就是他們要做的，而不是指定一些人有社會流動性，另一些人沒有”。(Aral教授曾為《紐約時報》進行資料分析，他在2010年獲得了微軟的研究獎學金。）
大型網際網路公司對使用者進行的實驗有一段不光彩的曆史。八年前，Facebook發表了一項研究，描述了該社交網絡如何悄悄地操縱使用者新聞提要中出現的文章，以分析負面和正面情緒在其平台上的傳播情況。這項在689,003名使用者身上進行的為期一周的實驗，很快引起了反響。
Facebook研究報告的作者包括該公司的一名研究員和康奈爾大學的一名教授，他們認為人們在注冊Facebook時已經默示同意進行情緒操縱實驗。研究報告說：“所有使用者在建立Facebook賬戶之前都同意，構成對這項研究的知情同意”。
批評者不同意，一些人抨擊Facebook侵犯了人們的隐私，同時利用他們的情緒，給他們帶來情緒上的困擾。其他人則堅持認為，該項目利用學術界的合作者來為有問題的企業研究行為提供可信度。
康奈爾大學後來表示，其内部倫理委員會不需要審查該項目，因為Facebook獨立開展了這項研究，而幫助設計研究的教授也沒有直接參與人類實驗。
大多數LinkedIn成員是否明白他們可能會受到可能影響他們工作機會的實驗是未知的。
LinkedIn的職業網絡實驗在意圖、範圍和規模上都有所不同。它們是由Linkedin設計的，是該公司持續努力改善其“你可能認識的人”算法的相關性的一部分，該算法向會員推薦新的聯系。
該算法分析資料，比如會員的就業曆史、工作職位和與其他使用者的聯系。然後，它試圖衡量一個LinkedIn會員向建議的新聯系人發送朋友邀請的可能性，以及該新聯系人接受邀請的可能性。
在實驗中，LinkedIn調整了其算法，以随機改變系統推薦的強關系和弱關系的流行程度。研究報告稱，在2015年進行的第一波測試“有超過400萬個實驗對象”。第二波測試在2019年進行，涉及1600多萬人。
在測試期間，點選“你可能認識的人”工具并檢視建議的人被配置設定到不同的算法路徑。研究報告稱，其中一些“處理變體”導緻LinkedIn使用者與那些與他們隻有微弱社交關系的人形成更多聯系。其他調整導緻人們與弱關系的人建立更少的聯系。
大多數LinkedIn會員是否了解他們可能會受到可能影響其工作機會的實驗的影響，尚不得而知。
LinkedIn的隐私政策說，該公司可能“使用我們掌握的個人資料來研究工作場所的趨勢，如工作的可用性和這些工作所需的技能。它對尋求分析公司資料的外部研究人員的政策明确指出，這些研究人員将不能對我們的會員進行實驗或執行測試”。
但這兩項政策都沒有明确告知消費者，LinkedIn本身可能會對其會員進行實驗或執行測試。
在一份聲明中，LinkedIn說：“我們通過我們的使用者協定中的研究部分對我們的會員是透明的。”
在一份編輯聲明中，《科學》雜志說：“我們和審查者的了解是，LinkedIn進行的實驗是在其使用者協定的指導下進行的。”
在第一波算法測試之後，LinkedIn和M.I.T.的研究人員提出了分析這些實驗結果的想法，以測試弱關系的強度理論。雖然這個有着幾十年曆史的理論已經成為社會科學的基石，但它還沒有在一個大規模的前瞻性試驗中得到嚴格的證明，該試驗将人們随機配置設定到不同強度的社會關系中。
外部研究人員分析了來自LinkedIn的綜合資料。研究報告稱，收到更多中等強度人脈推薦的人通常會申請并接受更多工作——這些結果與弱關系理論相吻合。
事實上，該研究說，相對較弱的聯系人（即與LinkedIn成員隻有10個共同聯系的人）被證明比與使用者有20個以上共同聯系的較強聯系人更有成效。
在LinkedIn上建立聯系一年後，與其他收到更多強關系推薦的使用者相比，收到更多強關系推薦的人在這些熟人工作的公司找到工作的可能性要高一倍。
Linkedin的研究人員Rajkumar先生說：“我們發現，這些适度的弱關系是幫助人們找到新工作的最佳選擇，而且比強關系要好得多。”
研究報告稱，參與LinkedIn實驗的2000萬使用者創造了超過20億個新的社交關系，并完成了超過7000萬份工作申請，推動了60萬個新工作。研究報告說，事實證明，弱關系對人工智能等數字領域的求職者最有用，而強關系對那些不太依賴軟體的行業的就業更有用。
LinkedIn表示，它已經将有關弱關系的研究結果應用于一些功能，包括一個新的工具，當第一或第二層關系的人在招聘時通知會員。但該公司還沒有對其“你可能認識的人”功能進行與研究有關的修改。
麻省理工學院的Aral教授說，這項研究更深層次的意義在于，它顯示了強大的社交網絡算法的重要性——不僅僅是在放大錯誤資訊等問題方面，而且是就業和失業等經濟狀況的基本名額。
位于英國萊斯特的德蒙福特大學的計算和社會責任進階研究員Catherine Flick将這項研究描述為更多的企業營銷活動。
弗裡克博士說：“這項研究有一個固有的偏見。它表明，如果你想獲得更多的工作，你應該多上LinkedIn。”