Řídit se chováním druhých lidí
může být často rozumné a výhodné. Předpokladem je, že druzí mají na rozdíl od
nás informace o tom, co je užitečné či prospěšné. Místo vynakládání času a
námahy na vlastní obstarání těchto informací nám pak stačí jejich chování
napodobit a dosáhnout stejných výsledků. Výsledný jev můžeme popsat jako stádní chování či informační kaskádu [1]. Nezáleží při tom, zda jde o pračlověka
pozorujícího členy jiné tlupy konzumující neznámou bylinu, o turistu vybírajícího
restauraci, kde již jí více hostů, anebo zákazníka digitálního obchodu
s hudbou kupujícího nejstahovanější album. Opravdu nezáleží? Zatímco
v prvních dvou situacích je chování druhých dobrým vodítkem pro vlastní
chování, v třetím případě tomu tak není. Proč? Pralidé by po snězení
jedovaté byliny zemřeli a šance vidět je u její konzumace by tak byla jen velmi
malá. Platit plnou restauraci figurantů předstírajících, že jim v ní
chutná, by se nikomu nevyplatilo. V těchto a podobných situacích je chybné
chování potrestáno, což vytváří tlak na jeho odstranění a snižuje pravděpodobnost,
že ho budeme moct vidět. Naopak chybný výběr hudebního alba s sebou nese jen
relativně nízké náklady a korekce chybného rozhodnutí je proto málo
pravděpodobná. Řídit se v takovýchto situacích chováním druhých tudíž
nemusí vést k zvlášť dobrým výsledkům [2].
Nicméně se zdá, že lidé mezi
těmito typy situací neumí rozlišovat, což může vést zejména na internetu, plném
agregovaných informací o chování, názorech a hodnocení tisíců lidí,
k nejrůznějším zkreslením. Osvětlit problematiku stádního chování při
hodnocení komentářů k článkům na zpravodajské webové stránce se pokouší
Muchnik, Aral a Taylor v nové studii v časopisu Science [3].Ve skutečném světě je prakticky nemožné odlišit
zkreslení hodnocení v důsledku stádního chování a vliv skutečné kvality
komentáře. Muchnik se svým týmem si proto pomohli experimentem. Náhodně zvolené
části komentářů při vzniku přidali jeden pozitivní hlas, jiné části jeden
negativní hlas a zbytek tvořil kontrolní skupinu ponechanou bez zásahu. Jelikož
byly komentáře do skupin rozděleny náhodně, dala se čekat u všech
v průměru stejná kvalita a jakýkoliv rozdíl oproti kontrolní skupině byl způsoben
prvotním kladným či záporným hodnocením.
Jediný pozitivní hlas zvýšil
pravděpodobnost, že první čtenář komentáře mu taktéž udělí pozitivní hlas a
tento efekt vedl na konci 5 měsíčního trvání experimentu k o 25% vyššímu
celkovému hodnocení takto upravených komentářů ve srovnání s kontrolní
skupinou. I podíl komentářů s extrémně vysokým hodnocením vzrostl ve
srovnání s kontrolní skupinou z 4,9% na 6,4%.
Oproti tomu negativní hlas sice
taktéž mírně zvýšil pravděpodobnost udělení negativního hlasu prvním čtenářem,
nicméně pravděpodobnost udělení pozitivního hlasu byla u těchto komentářů
dokonce ještě vyšší než u těch pozitivně upravených. Tyto dva efekty se
vzájemně vyrušily a celkové hodnocení komentářů v této skupině se tudíž nelišilo
od té kontrolní. Autoři jev interpretují jako korekci „neoprávněně“ udělených
negativních hodnocení. Jak ale bylo vidět výše, u „uměle“ pozitivně
ohodnocených komentářů k žádné korekci nedochází.
Když se Muchnik s kolegy podívali
na vliv stádního chování dle tématu, ke kterému komentáře patřily, zjistili, že
je pozitivní vliv prvního hlasu možno vysledovat pouze v sekcích „Byznys“,
„Kultura a společnost“ a „Politika“, zatímco v oblastech „IT“, „Zábava“,
„Ekonomika“ a „Obecné zprávy“ žádný pozorovatelný vliv není. (Vliv negativního
prvního hlasu nebyl zaznamenán v žádné tematické sekci.)
Opravdu změní první hlas vnímanou
kvalitu komentáře, nebo jen přitáhne různé hodnotitele s odlišnými hlasovacími
zvyklostmi? Například negativní hlas může přilákat uživatele, kteří mají
tendenci dávat komentářům spíše negativní hlasy, případně naopak. To se ale
nepotvrdilo. Když autoři rozdělili uživatele na „negativní“ a „pozitivní
hodnotitele“ dle jejich dřívějších hodnocení, obě skupiny se stejnou
pravděpodobností hlasovaly u pozitivně i negativně upravených komentářů.
Nicméně pravděpodobnost hlasování jako takového byla u komentářů
s experimentálním hlasem vyšší než u kontrolní skupiny bez hlasu.
Zdá se tedy, že jedno hodnocení
přitahuje další, což v kombinaci s tendencí nekorigovat, ale naopak
podporovat existující pozitivní hodnocení vytváří zkresleně vysoká hodnocení u
komentářů, kterým se na začátku povedlo získat několik pozitivních hlasů.
Že u negativně upravených
komentářů k podobnému zkreslení nedochází, je na první pohled potěšitelné,
na druhou stranu je ale možné, že při silnější manipulaci (ne jeden, ale
několik negativních hlasů) by se také mohlo místo korekce projevit stádní
chování. Pamatujte na to při čtení internetových diskusí před blížícími se
volbami – pro organizované placené diskutéry není problém udělit příspěvkům do
začátku pár pozitivních či negativních hlasů.
-- Marek Vranka
[1] Bikhchandani, S., Hirshleifer, D., &
Welch, I. (1998). Learning from the behavior of others: Conformity, fads, and
informational cascades. The Journal of
Economic Perspectives, 12, 151–170. [pdf
/ abstrakt]
[2] Salganik, M. J., Dodds, P. S.,
& Watts, D. J. (2006). Experimental study of inequality and
unpredictability in an artificial cultural market. Science, 311, 854–856. [pdf / abstrakt]
[3] Muchnik, L., Aral, S., &
Taylor, S. J. (2013). Social Influence Bias: A Randomized Experiment. Science, 341, 647–651. [abstrakt]
Žádné komentáře:
Okomentovat