مارک گرانوتر، جامعه‌شناس آمریکایی، در سال ۱۹۷۳ ایده‌ای مطرح کرد که بعدها یکی از پرارجاع‌ترین ایده‌های علوم اجتماعی شد: پیوندهای ضعیف، یعنی آشنایانی که زیاد نمی‌بینیم، برای پیدا کردن شغل از دوستان نزدیک مفیدترند، چون اطلاعات تازه‌ای می‌آورند که در حلقه نزدیک ما نیست. مشکل این بود که این ایده را نمی‌شد آزمایش کرد. نمی‌توان به کسی گفت «یک سال فقط با آشنایان دور معاشرت کن».
پژوهشی که سال ۲۰۲۲ در مجله Science منتشر شد، راهی برای این آزمایش پیدا کرد. کارتیک راج‌کومار از لینکدین، همراه با ایاور بوجینوف از هاروارد، اریک برینیولفسون از استنفورد، سینان آرال از ام‌آی‌تی و گیوم سنت‌ژاک، از الگوریتم «کسانی که شاید بشناسید» لینکدین استفاده کردند.
آزمایش چطور طراحی شد
در دو موج آزمایش، یکی در ۲۰۱۵ با بیش از ۴ میلیون نفر و دیگری در ۲۰۱۹ با بیش از ۱۶ میلیون نفر، الگوریتم برای گروه‌های تصادفی کاربران، پیشنهادهای متفاوتی نشان داد: به برخی بیشتر آشنایان دورتر و به برخی بیشتر آشنایان نزدیک‌تر. قدرت پیوند با دو معیار سنجیده شد: شمار دوستان مشترک و میزان پیام‌رسانی میان دو نفر. موج دوم به حدود ۲ میلیارد ارتباط تازه، بیش از ۷۰ میلیون درخواست شغلی و ۶۰۰ هزار شغل تازه انجامید.
سه یافته اصلی
- رابطه خطی نیست: بیشترین اثر بر انتقال فرصت شغلی را پیوندهای «نسبتاً ضعیف» داشتند. وقتی پیوند از حدود ده دوست مشترک قوی‌تر می‌شد، احتمال اینکه از آن شغلی برسد کم می‌شد. بر پایه میزان تعامل، ضعیف‌ترین پیوندها بیشترین اثر را داشتند.
- داده‌های غیرآزمایشی گمراه‌کننده بودند: در تحلیل همبستگی ساده، پیوندهای قوی با شغل بیشتر همراه بودند. تنها وقتی تصادفی‌سازی وارد شد، تصویر وارونه شد. این همان چیزی است که پژوهشگران «تناقض پیوندهای ضعیف» نامیدند.
- صنعت مهم است: در صنایع دیجیتال‌تر، مثل نرم‌افزار و کارهای قابل دورکاری، پیوندهای ضعیف درخواست‌های شغلی بیشتری ساختند. در صنایع کمتر دیجیتال، پیوندهای قوی مؤثرتر بودند.
چرا پیوند نسبتاً ضعیف؟ منطق پژوهشگران ساده است: دوست بسیار نزدیک معمولاً همان اطلاعاتی را دارد که شما دارید، چون در همان حلقه‌ها رفت‌وآمد می‌کنید. غریبه کامل هم انگیزه و اعتمادی برای معرفی شما ندارد. آشنای نیمه‌دور، کسی که چند دوست مشترک دارید اما هر هفته نمی‌بینیدش، هم اطلاعات تازه دارد و هم آن‌قدر شما را می‌شناسد که فرصتی را برایتان بفرستد. این همان نقطه‌ای است که آزمایش آن را پیدا کرد.
محدودیت‌ها
لینکدین یک شبکه حرفه‌ای است و کاربرانش در برخی صنایع بیشترند؛ پس نتیجه را نمی‌توان بی‌واسطه به روابط بیرون از اینترنت تعمیم داد. کاربران را نمی‌شد مجبور کرد پیشنهادها را بپذیرند و تحلیل بر پایه «قصد درمان» انجام شده است. دو نویسنده کارمند فعلی یا پیشین لینکدین‌اند و در مایکروسافت منافع مالی دارند؛ نکته‌ای که خود مقاله اعلام کرده است. و افق زمانی موج دوم کوتاه بود؛ برای همین، اثر صنعت فقط روی درخواست‌های شغلی سنجیده شد، نه روی استخدام نهایی. داده‌های فردی هم عمومی نیست و فقط داده‌های تجمیعی و کد منتشر شده است.
برای سازمان و جوینده کار ایرانی یعنی چه
در فرهنگ کاری ما «آشنا» و «پارتی» اغلب به معنای پیوند قوی است: فامیل، هم‌کلاسی نزدیک، دوست قدیمی. این پژوهش یادآوری می‌کند که فرصت تازه معمولاً از جایی می‌رسد که کمتر به آن فکر می‌کنیم: همکار پروژه سه سال پیش، کسی که در یک دوره آموزشی دیدیم، آشنای آشنا. البته در صنایع سنتی‌تر، اعتماد شخصی و پیوند قوی هنوز وزن بیشتری دارد و نباید این را نادیده گرفت.
برای منابع انسانی هم درسی دارد. برنامه‌های معرفی کارکنان معمولاً به پیوندهای قوی تکیه می‌کنند و ممکن است همان حلقه‌های بسته را بازتولید کنند. شبکه درونی سازمان هم همین‌طور است: کارمندی که فقط با تیم خودش در ارتباط است، فرصت‌های داخلی را نمی‌بیند. پروژه‌های میان‌واحدی، حلقه‌های یادگیری و شبکه کارکنان پیشین، پیوندهای نسبتاً ضعیفی می‌سازند که هم برای کارکنان مسیر شغلی باز می‌کند و هم برای سازمان استعداد تازه می‌آورد. برای جست‌وجوی فرصت‌ها از همین زاویه، فرصت‌های شغلی را ببینید.
گفت‌وگو
شما در سازمان‌تان با این موضوع چه تجربه‌ای داشته‌اید؟
نخستین دیدگاه را شما بنویسید