就業是影響經濟的關鍵問題，隨著全球數千萬個工作崗位的消除或轉型，就業獲得了更多的關注。隨著大部分經濟數字化，重要的是要考慮社交媒體和社交網絡對就業的影響。來自哈佛大學，斯坦福大學，麻省理工學院和LinkedIn的研究人員團隊，由斯坦福大學和麻省理工學院最近的博士畢業生Karthik Rajkumar和紀堯姆·圣雅克領導，包括麻省理工學院斯隆管理學院教授Sinian Aral教授，斯坦福大學教授Erik Brynjolfsson和哈佛商學院教授。 伊亞沃爾·博吉諾夫(Iavor Bojinov)最近對社交媒體對勞動力市場的影響進行了迄今為止最大的實驗研究，發現較弱的社會關系對工作流動性的有利影響大于較強的聯系。

“'弱關系的力量'是過去一百年來最有影響力的社會理論之一，它認為，不頻繁的、公平的關系——被稱為弱關系——比強關系更有利于就業機會、晉升和工資。盡管在過去50年中被引用了65，000多次，但該理論與就業有關，沒有大規模的實驗因果測試，“Aral說。

“在我們最近的論文中，我和我的同事們提出了第一個關于強關系和弱聯系對工作流動性的因果影響的大規模，縱向實驗證據，”Rajkumar說。他們的論文“弱聯系強度的因果測試”剛剛由《科學》雜志發表。

弱聯系理論的優勢是基于這樣一種觀點，即弱聯系允許遙遠的人群獲得可以帶來新機會，創新和提高生產力的新信息。該理論的作者馬克·格拉諾維特(Mark Granovetter)在1973年認為，弱聯系在提供新的就業機會方面特別有用，因為它們將新的勞動力市場信息引入了更廣泛的社交網絡。然而，迄今為止對這一理論最大規模的實證檢驗發現了科學家所說的“弱聯系悖論”，在這種悖論中，強聯系，而不是弱聯系，是提供就業機會的人。不幸的是，由于這些先前的研究不是實驗性的，它們無法可靠地確定弱和強聯系對勞動力流動性的因果影響。

在他們的研究中，研究小組克服了這些障礙，對全球2000萬人進行了為期五年的LinkedIn實驗，在此期間創造了60萬個新工作崗位。正如Saint-Jacques所指出的：“我們使用LinkedIn'你可能認識的人'(PYMK)算法上進行的大規模隨機實驗的數據來測試弱領帶理論及其對勞動力市場的影響。

通過隨機分配一些LinkedIn用戶從PYMK算法接收更多弱領帶建議，其他用戶從PYMK算法接收更強的領帶建議，然后檢查兩組在五年內的勞動力流動性，他們的分析證實，較弱的領帶增加了工作流動性的可能性最大。但研究人員還發現，領帶強度和工作流動性之間存在倒U形關系，適度較弱的紐帶增加工作流動性最大，最強的聯系增加工作流動性最少。

“這不是'越弱越好'或'越強越壞'的問題，”Bojinov解釋說。“我們的研究結果表明，最大的工作流動性來自適度較弱的關系 - 最弱的聯系與平均關系強度之間的關系之間的社會聯系。

此外，研究人員研究了各行各業的差異，發現增加薄弱的聯系會在經濟的數字和高科技領域創造更多的勞動力市場流動性。弱聯系導致更多的工作申請，而不是IT強度更高的行業，軟件強度，機器人化和更適合機器學習，人工智能和遠程工作的行業。“弱關系效應的強度平均而言是正確的，但對于更多數字行業的就業來說甚至更強，”Brynjolfsson指出。

他指出，政策制定者用來分析勞動力市場的傳統方法并不完整，很快就會過時。“政策制定者需要認識到，與經濟的各個方面一樣，勞動力市場正在被數字化。Brynjolfsson強調了了解數字平臺算法如何影響勞動力市場，就業率和全球經濟整體健康狀況的重要性。“這些數字平臺和運行它們的算法已成為勞動力市場必不可少的驅動力。

此外，Aral指出，社交媒體公司可以在其平臺設計中使用這些信息來增加雇主和雇員的經濟價值。“LinkedIn在科學的平臺設計方法方面處于領先地位。他們積極尋求有關其平臺健康狀況及其對雇主，雇員和整個經濟的影響的最基本問題的科學答案。

至于雇主和求職者，這項研究強調了積極管理社交網絡的重要性，以確保它們盡可能廣泛。“社交網絡上的弱聯系可能是管理你的職業，晉升，晉升甚至工資的一個非常有用的部分，”Aral補充道。