\n<\/aside>\n<\/p>\n
Este mes, los investigadores de LinkedIn revelaron en Science que la empresa pas\u00f3 cinco a\u00f1os investigando en silencio a m\u00e1s de 20 millones de usuarios. Al ajustar el algoritmo de la plataforma de redes profesionales, los investigadores estaban tratando de determinar a trav\u00e9s de pruebas A\/B si los usuarios terminan con m\u00e1s oportunidades de trabajo cuando se conectan con conocidos o completos extra\u00f1os.<\/p>\n
Para sopesar la fuerza de las conexiones entre usuarios como d\u00e9biles o fuertes, conocidos o extra\u00f1os, los investigadores analizaron factores como la cantidad de mensajes que enviaron de un lado a otro o la cantidad de amigos en com\u00fan que compartieron, midiendo c\u00f3mo estos factores cambiaron con el tiempo despu\u00e9s de conectarse. la plataforma de redes sociales. El descubrimiento de los investigadores confirm\u00f3 lo que describen en el estudio como \u00abuna de las teor\u00edas sociales m\u00e1s influyentes del siglo pasado\u00bb sobre la movilidad laboral: cuanto m\u00e1s d\u00e9biles son los v\u00ednculos que tienen los usuarios, mejor es la movilidad laboral. Si bien LinkedIn dice que estos resultados conducir\u00e1n a cambios en el algoritmo para recomendar conexiones m\u00e1s relevantes a los buscadores de empleo como \u00abPersonas que quiz\u00e1s conozcas\u00bb (PYMK) en el futuro, The New York Times inform\u00f3 que los expertos en \u00e9tica dijeron que el estudio \u00abplante\u00f3 preguntas sobre la transparencia de la industria\u00bb. y supervisi\u00f3n de la investigaci\u00f3n\u00bb.<\/p>\n
Una de las mayores preocupaciones de los expertos era que ninguno de esos millones de usuarios analizados por LinkedIn fueron informados directamente de que estaban participando en el estudio, lo que \u00abpodr\u00eda haber afectado el sustento de algunas personas\u00bb, sugiri\u00f3 el informe del NYT.<\/p>\n
Michael Zimmer, profesor asociado de inform\u00e1tica y director del Centro de Datos, \u00c9tica y Sociedad de la Universidad de Marquette, dijo al NYT que \u00ablos hallazgos sugieren que algunos usuarios ten\u00edan un mejor acceso a las oportunidades laborales o una diferencia significativa en el acceso a las oportunidades laborales\u00bb. oportunidades.\u00bb<\/p>\n
LinkedIn aclara las preocupaciones sobre las pruebas A\/B<\/h2>\n Un portavoz de LinkedIn le dijo a Ars que la compa\u00f1\u00eda cuestiona esta caracterizaci\u00f3n de su investigaci\u00f3n y dice que los experimentos no perjudicaron a nadie. Desde que NYT public\u00f3 su informe, el vocero de LinkedIn le dijo a Ars que la compa\u00f1\u00eda ha estado respondiendo preguntas debido a \u00abmuchas representaciones inexactas de la metodolog\u00eda\u00bb de su estudio.<\/p>\n\n Anuncio publicitario <\/span> <\/p>\n<\/aside>\nEl coautor del estudio y cient\u00edfico de datos de LinkedIn, Karthik Rajkumar, dijo a Ars que informes como el del NYT combinan \u00ablas pruebas A\/B y la naturaleza de observaci\u00f3n de los datos\u00bb, lo que hace que \u00abse sienta m\u00e1s como una experimentaci\u00f3n con personas, lo cual es inexacto\u00bb.<\/p>\n
Rajkumar dijo que el estudio surgi\u00f3 porque LinkedIn not\u00f3 que el algoritmo ya recomendaba una mayor cantidad de conexiones con v\u00ednculos m\u00e1s d\u00e9biles para algunos usuarios y una mayor cantidad de v\u00ednculos m\u00e1s fuertes para otros. \u00abNuestras pruebas A\/B de PYMK ten\u00edan el prop\u00f3sito de mejorar la relevancia de las recomendaciones de conexi\u00f3n y no para estudiar los resultados laborales\u00bb, dijo Rajkumar a Ars. En cambio, el objetivo de su equipo era averiguar \u00abqu\u00e9 conexiones son m\u00e1s importantes para acceder y asegurar trabajos\u00bb.<\/p>\n
Aunque se llama \u00abprueba A\/B\u00bb, lo que sugiere que est\u00e1 comparando dos opciones, los investigadores no solo observaron los lazos d\u00e9biles versus los lazos fuertes, sino que probaron exclusivamente un par de algoritmos que generaron cualquiera de los dos. M\u00e1s bien, el estudio experiment\u00f3 con siete \u00abvariantes de tratamiento\u00bb diferentes del algoritmo, y se\u00f1al\u00f3 que las diferentes variantes arrojaron resultados diferentes, como que los usuarios formaran menos lazos d\u00e9biles, crearan m\u00e1s lazos, crearan menos lazos o hicieran la misma cantidad de lazos d\u00e9biles o fuertes. . Dos variantes, por ejemplo, hicieron que los usuarios formaran m\u00e1s lazos en general, incluidos m\u00e1s lazos d\u00e9biles, mientras que otra variante llev\u00f3 a los usuarios a formar menos lazos en general, incluidos menos lazos d\u00e9biles. Una variante condujo a m\u00e1s lazos, pero solo lazos fuertes.<\/p>\n
\u00abNo variamos al azar la proporci\u00f3n de contactos d\u00e9biles y fuertes sugeridos por PYMK\u00bb, dijo un portavoz de LinkedIn a Ars. \u00abNos esforzamos por hacer mejores recomendaciones a las personas, y algunos algoritmos recomiendan v\u00ednculos m\u00e1s d\u00e9biles que otros. Debido a que algunas personas terminan obteniendo los mejores algoritmos una o dos semanas antes que otras durante el per\u00edodo de prueba, esto crea suficiente variaci\u00f3n en los datos. para que apliquemos los m\u00e9todos causales observacionales para analizarlos. No se est\u00e1 experimentando con nadie para observar los resultados del trabajo \u00ab.<\/p>\n<\/p><\/div>\n
Source link-49<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"Este mes, los investigadores de LinkedIn revelaron en Science que la empresa pas\u00f3 cinco a\u00f1os investigando en silencio a m\u00e1s de 20 millones de usuarios. Al ajustar el algoritmo de…<\/p>\n","protected":false},"author":1,"featured_media":197387,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[21980],"tags":[25336,7878,12702,45390,7301,25223,8,1576,6512],"_links":{"self":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/197386"}],"collection":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/comments?post=197386"}],"version-history":[{"count":1,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/197386\/revisions"}],"predecessor-version":[{"id":197388,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/197386\/revisions\/197388"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media\/197387"}],"wp:attachment":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media?parent=197386"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/categories?post=197386"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/tags?post=197386"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}