（纳闻记者赵晓辉报导）
LinkedIn 对超过 2000 万用户进行了五年未公开的社会实验，测试了弱关联或熟人在对个人工作流动性产生积极影响的过程中的重要性。
“作者分析了 LinkedIn 的 People You May Know 算法的多项大规模随机实验数据，该算法建议与 LinkedIn 成员建立新联系，以测试弱联系在多大程度上增加了世界上最大的专业社交网络中的工作流动性，”研究摘要，于 9 月 15 日发表在《科学》杂志上。
在 2015 年至 2019 年之间进行的算法实验是通过随机更改建议的联系人进行的，“在此期间创造了 20 亿个新关系和 600,000 个新工作岗位”。 该研究由领英、麻省理工学院、斯坦福大学和哈佛商学院的研究人员共同撰写。
在向用户提供连接建议后，研究人员分析了新连接带来的新工作。 该研究的作者正在研究一种社会科学理论，该理论基于这种理论，与强联系相比，“朋友的朋友”等弱联系有助于获得更好的工作机会。
斯坦福大学教授 Mark Granovetter 提出的理论得到了 Linkedin 研究的证实，但作者也对该理论进行了一些修改。
研究摘要说：“实验表明，弱关系会增加工作传递，但只是在一定程度上，关系弱的边际回报会递减。” 矛盾的研究表明，“最弱的关系对工作流动性的影响最大，而最强的关系对工作流动性的影响最小。”
建议的修订
首先，尽管最初对工作流动性产生了积极影响，但并没有持续下去，研究人员发现“与疲软有关的边际回报正在递减”。
其次，基于互动强度和相互联系的数量会产生不同的影响，因为“中等弱的联系（以相互联系衡量）和最弱的联系（以互动强度衡量）创造了最大的工作流动性。”
第三，弱联系对就业流动的影响在数字产业中最为显着。 在数字化程度较低的行业，牢固的联系有利于就业前景。
社会实验伦理
尽管 Linkedin 的隐私政策规定该公司保留使用“可供我们研究社会、经济和工作场所趋势”和“进行研究”的个人数据的权利，但隐私权倡导者已经指出，他们不同意在未经他们同意的情况下使用人们的数据。
麻省理工学院管理和数据科学教授、该研究的主要作者 Sinan Aral 告诉《今日美国》，研究人员“在研究期间没有收到任何私人或个人识别数据，只提供汇总数据用于复制目的，以确保进一步的隐私保护。”
“这项研究得到了麻省理工学院人类受试者在研究中使用委员会的审查和批准，这些类型的算法实验除了帮助平台改进外，也是整个行业的标准，”Aral 说。
