211service.com
Kan du stole på Crowd Wisdom?
Når de søger online efter en ny gadget at købe eller en film at leje, er mange mennesker meget opmærksomme på antallet af stjerner, der tildeles af kundeanmeldere på populære websteder. Men ny forskning bekræfter, hvad nogle måske allerede har mistanke om: disse vurderinger kan nemt blive påvirket af en lille gruppe meget aktive brugere.
Vassilis Kostakos , en adjunkt ved University of Madeira i Portugal og en adjungeret adjunkt ved Carnegie Mellon University (CMU), siger, at vurderingssystemer kan udnytte mængdens visdom for at give nyttig indsigt, men de kan også tegne et forvrænget billede af et produkt, hvis et lille antal brugere står for det meste af stemmerne. Det viser sig, at folk har meget forskellige stemmemønstre, siger han, og de varierer både mellem individer og blandt brugerfællesskaber.
Kostakos studerede stemmemønstre på Amazon, Internet Movie Database (IMDb) og boganmeldelsessiden BookCrossings. Forskningen blev præsenteret i sidste måned på 2009 IEEE International Conference on Social Computing . Hans team så på hundredtusindvis af genstande og millioner af stemmer på tværs af de tre websteder. I hvert tilfælde fandt de ud af, at et lille antal brugere stod for et stort antal vurderinger. For eksempel afgiver kun 5 procent af aktive Amazon-brugere stemmer på mere end 10 produkter. En håndfuld brugere stemte på hundredvis af genstande.
Hvis du har to eller tre personer, der stemmer 500 gange, siger Kostakos, er resultaterne muligvis ikke repræsentative for samfundet generelt. Han formoder, at dette kan være grunden til, at vurderinger ofte tenderer mod ekstremer.
Jahna Otterbacher , en assisterende professor ved Illinois Institute of Technology, der studerer online vurderingssystemer, siger, at tidligere forskning har antydet, at vurderingssystemer kan være skæv af faktorer såsom en anmeldelses alder. Men hun bemærker, at nogle websteder, inklusive Amazon, allerede inkorporerer mekanismer designet til at kontrollere kvaliteten af vurderinger - for eksempel giver brugerne mulighed for at stemme om hjælpsomheden af andre brugeres anmeldelser.
Kostakos foreslår yderligere måder at gøre anbefalinger mere pålidelige på. Han foreslår at gøre det nemmere at stemme, for at tilskynde flere brugere til at deltage.
Niki Kittur , en adjunkt ved CMU, som studerer brugersamarbejde på Wikipedia og ikke var involveret i Kostakos’ arbejde, siger, at det også kunne være nyttigt at give flere oplysninger om stemmemønstre til brugere. Kittur foreslår, at websteder kan skabe måder, hvorpå man nemt kan opsummere og repræsentere andre brugeres bidrag for at afsløre indlysende skævheder. Der er både tilsigtede og utilsigtede kilder til bias, siger Kittur. I sidste ende er det, vi virkelig har brug for værktøjer og gennemsigtighed.
Kostakos foreslår også at fjerne alt for negative og alt for positive anmeldelser, så et websted generelt ikke vil være for positivt eller for negativt. Men Otterbacher, som undersøger anmeldelser fra IMDb, Amazon og Yelp, bekymrer sig om, at en sådan politik kan afskrække mange mennesker fra at deltage. Folk, der skriver anmeldelser, vil gerne sige noget om varen, og de kan godt brænde for deres meninger, siger hun.