211service.com
Czy możesz ufać mądrości tłumu?
Szukając w Internecie nowego gadżetu do kupienia lub filmu do wypożyczenia, wiele osób zwraca szczególną uwagę na liczbę gwiazdek przyznawanych przez recenzentów klientów w popularnych witrynach. Jednak nowe badania potwierdzają to, co niektórzy mogą już podejrzewać: te oceny mogą łatwo zostać przechylone przez niewielką grupę bardzo aktywnych użytkowników.
Vassilis Kostakos , adiunkt na Uniwersytecie Madery w Portugalii i adiunkt na Uniwersytecie Carnegie Mellon (CMU), twierdzi, że systemy ocen mogą czerpać z mądrości tłumu, aby oferować przydatne informacje, ale mogą również malować zniekształcony obraz produkt, jeśli większość głosuje niewielka liczba użytkowników. Okazuje się, że ludzie mają bardzo różne wzorce głosowania, mówi, różniące się zarówno wśród osób, jak i społeczności użytkowników.
Kostakos studiował wzorce głosowania w Amazon, Internet Movie Database (IMDb) oraz w witrynie BookCrossings z recenzjami książek. Badanie zostało zaprezentowane w zeszłym miesiącu na 2009 Międzynarodowa Konferencja IEEE na temat Informatyki Społecznej . Jego zespół przyjrzał się setkom tysięcy pozycji i milionom głosów w trzech witrynach. W każdym przypadku stwierdzili, że niewielka liczba użytkowników odpowiada za dużą liczbę ocen. Na przykład tylko 5 procent aktywnych użytkowników Amazona oddało głosy na więcej niż 10 produktów. Garstka użytkowników głosowała na setki pozycji.
Jeśli masz dwie lub trzy osoby głosujące 500 razy, mówi Kostakos, wyniki mogą nie być reprezentatywne dla całej społeczności. Podejrzewa, że może to być powodem, dla którego oceny często dążą do skrajności.
Jahna Otterbacher , adiunkt w Illinois Institute of Technology, który bada systemy ocen online, mówi, że wcześniejsze badania wskazywały, że systemy ocen mogą być wypaczone przez takie czynniki, jak wiek recenzji. Zauważa jednak, że niektóre witryny, w tym Amazon, zawierają już mechanizmy zaprojektowane do kontrolowania jakości ocen – na przykład umożliwiające użytkownikom głosowanie na przydatność recenzji innych użytkowników.
Kostakos proponuje dalsze sposoby na zwiększenie wiarygodności zaleceń. Sugeruje ułatwienie głosowania, aby zachęcić więcej użytkowników do przyłączenia się.
Niki Kittur , adiunkt w CMU, który bada współpracę użytkowników w Wikipedii i nie był zaangażowany w pracę Kostakosa, mówi, że przydatne może być również dostarczenie użytkownikom większej ilości informacji na temat wzorców głosowania. Kittur sugeruje, że witryny mogą tworzyć sposoby łatwego podsumowywania i przedstawiania wkładu innych użytkowników w celu ujawnienia wszelkich oczywistych uprzedzeń. Istnieją zarówno zamierzone, jak i niezamierzone źródła uprzedzeń, mówi Kittur. W końcu to, czego naprawdę potrzebujemy, to narzędzia i przejrzystość.
Kostakos sugeruje również usunięcie nadmiernie negatywnych i nadmiernie pozytywnych recenzji, aby witryna nie była ogólnie ani zbyt pozytywna, ani zbyt negatywna. Ale Otterbacher, który analizuje recenzje z IMDb, Amazon i Yelp, obawia się, że taka polityka może zniechęcić wiele osób do wzięcia udziału. Ludzie, którzy piszą recenzje, chcą coś powiedzieć o produkcie i mogą być bardzo pasjonatami w swoich opiniach, mówi.