搜索引擎使用中的人口统计差异及其对队列选择的启示
计算机与社会
2018-05-24 v1
摘要
用户人口统计特征与其所写文本之间的相关性已通过文学文本以及近期的社交媒体得到研究。然而，涉及搜索引擎中语言使用的差异尚未被透彻分析，尤其是年龄和性别差异。此类差异十分重要，特别是因为搜索引擎数据在人类健康研究中的使用日益增长，其中查询被用于识别患者群体。利用在一个月内收集的多个通用互联网搜索引擎的数据，我们研究了人口统计特征（年龄、性别和收入）与提交给搜索引擎的查询文本之间的相关性。我们的结果显示女性和年轻人使用更长的查询。这一差异表现为女性提交含10个或以上单词的查询大约多25%。对于标识用户具有特定医疗状况的查询，我们发现女性提交的查询比预期多50%，这导致患者队列在性别和年龄上高度偏斜，相较于已知的性别平衡。我们的结果表明，在人口代表性重要的研究中，例如用户健康方面研究或评估搜索引擎公平性时，应谨慎选择搜索引擎数据以创建具有代表性的数据集。
引用
@article{arxiv.1805.09139,
title = {Demographic differences in search engine use with implications for cohort selection},
author = {Elad Yom-Tov},
journal= {arXiv preprint arXiv:1805.09139},
year = {2018}
}