解析社会信号的影响

同伴推荐是一项众包任务，利用众人的意见来识别有趣的在线内容，如新闻、图像或视频。同伴推荐应用通常使用社会信号（例如先前推荐的数量）来引导人们关注更有趣的内容。人们对社会信号的反应，结合内容质量及其呈现顺序，决定了同伴推荐的结果，即条目流行度。我们利用 Amazon Mechanical Turk 通过实验测量了同伴推荐中社会信号的影响。具体而言，在控制了条目内容及其位置带来的变异后，我们发现社会信号对条目流行度的影响约为位置和内容影响的一半。这些效应存在一定的关联性，因此社会信号加剧了“富者愈富”现象，导致流行度的方差增大。此外，社会信号改变了个人偏好，产生了一种“从众”效应，使人们对内容的判断产生偏差。尽管如此，我们发现社会信号通过减少评估内容所需的努力，同时保持推荐质量，提高了同伴推荐的效率。