如果你想找一份新工作，不要僅僅依靠朋友或家人。根據社會科學中最有影響力的理論之一，你更有可能透過你的“弱關係”——與你幾乎沒有共同聯絡的泛泛之交——找到新職位。社會學家馬克·格蘭諾維特最早在1973 年的論文中闡述了這個觀點，該論文已被引用超過 65,000 次。但這個被稱為“弱關係的力量”的理論，以格蘭諾維特研究的標題命名，幾十年來一直缺乏因果證據。現在，一項針對專業社交網站 LinkedIn 上超過 2000 萬人的大型研究，歷時五年，終於表明建立弱關係確實有助於人們找到新工作。並且它揭示了哪些型別的聯絡對於求職者來說最重要。
西北大學凱洛格管理學院教授達順·王（Dashun Wang）說，弱關係的力量“確實是社會科學的基石”，他沒有參與這項新研究。在 1973 年的原始研究中，格蘭諾維特採訪了職業生涯後期的人們，並詢問了他們關於工作變動的經歷。在他的開創性論文之前，許多人認為新職位來自親密的朋友（他們會說好話）、獵頭（他們會尋找優秀的候選人）或公開廣告等來源。但格蘭諾維特的分析表明，人們實際上最常透過朋友的朋友找到新工作——通常是求職者在開始尋找新職位之前不認識的人。“這真的讓人震驚，因為關於人們如何在生活中找到最好工作的假設似乎不是真的——看起來實際上陌生人可能是你最好的聯絡人，”同樣是凱洛格管理學院教授的布萊恩·烏茲（Brian Uzzi）說，他也沒有參與這項新研究。
為什麼陌生人比朋友更有優勢？格蘭諾維特認為，密切的聯絡——同一圈子的人——在很大程度上掌握著相同的事實和職業選擇。但是，屬於不同社群的人可以提供全新的資訊和有用的聯絡。共同的朋友可以充當橋樑，將求職者與不同群體中的聯絡人聯絡起來，從而提供新的機會。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
這種解釋是基於觀察性資料，這些資料表明弱關係與工作流動性之間存在相關性。但相關性並不等於因果關係，在格蘭諾維特首次提出這個想法以來的近 50 年裡，研究人員尚未證明申請人的弱關係是導致他們獲得新工作的特定原因。二十年前，當西南·阿拉爾還是研究生時，他不禁注意到這個差距。“在這個文獻的房間中間有一個 500 磅重的大猩猩，那就是我們沒有任何關於這些理論的因果證據，”阿拉爾說，他是這項新研究的資深作者，現在是麻省理工學院的管理學教授。“我們不知道弱關係與良好結果[例如新工作]相關，是因為弱關係本身是好的，還是因為建立弱關係的人有一些未觀察到的特徵，這些特徵也使他們更有效率、有好的想法並獲得更好的工作、晉升和工資。”正如王所說，“人們使用這個理論和相關概念來解釋廣泛的現象，但還沒有對弱關係是否與工作機會存在因果關係進行因果檢驗。而這正是這篇論文所做的。”該研究於週四發表在《科學》雜誌上。
開發該理論的實驗證據極具挑戰性。為了以隨機臨床試驗的嚴謹性來檢驗因果關係，研究人員必須選取兩組同等的人，透過實驗操作他們的社交網路，一組給予更多的弱關係，另一組給予更少的弱關係，然後觀察這些組是否經歷了不同的結果。但阿拉爾和他的同事發現，領英已經做了一些幾乎同樣好的事情。由於這家專業社交網站的工程師調整了推薦“你可能認識的人”的演算法，他們最終進行了許多自然的社會實驗。在一種情況下，領英會隨機改變為使用者顯示的弱關係、強關係和總推薦的數量，其中關係的強度取決於共同聯絡人與非共同聯絡人的比例。這為檢驗格蘭諾維特的想法提供了一個完美的實驗。由領英應用研究科學家卡提克·拉傑庫馬爾和麻省理工學院研究生紀堯姆·聖雅克領導的研究人員分析了五年來的這些資料，比較了演算法分配到更多弱關係推薦（因此形成了更多弱關係）的領英使用者與演算法分配到更多強關係建議的使用者。接下來，他們估計了新增強關係或弱關係如何影響受試者隨後的工作流動性。由於領英的演算法實驗，該團隊可以將關係強度的影響與新關係的總數的影響區分開來。
結果不僅支援了格蘭諾維特的理論，而且還增加了一些改進。首先，並非所有的弱關係都同樣有幫助。如果關係的強度取決於共同聯絡人的數量，那麼兩個人共享大約 10 個熟人的中等弱關係最為重要。但是，關係的強度也可以透過互動強度來衡量，即你與弱關係熟人聯絡的頻率。當研究人員檢查這個指標時，他們發現最有用的關係是人們不經常互動的關係。最後，該團隊發現這些影響因行業而異：與需要面對面出席的“模擬”行業相比，領英上的弱關係在數字行業中尤其有益，數字行業往往涉及機器學習、人工智慧、機器人技術、軟體使用以及遠端和混合工作。
這些結果可能使正在思考如何建立和發展其社交網路的求職者受益。例如，當涉及到領英的聯絡人推薦時，“你可能不想忽略這些，”阿拉爾說。“如果你收到某個人的推薦，而你看不出可能有什麼聯絡，”他們仍然可能值得探索。“這些是……弱關係，它們實際上可能是你下一份工作的來源，”他補充道。
儘管有這些結果，但重要的是不要忽視強關係，王說。這項研究側重於成功——即獲得新工作的人。但它沒有檢查成功之前發生的所有失敗和拒絕。為了堅持艱苦的求職，我們需要強關係來提供社會支援。“只觀察成功只會告訴我們故事的一部分，”王指出。“為了最終真正取得成功，你真的需要你的強關係。”這些強關係對於移民等群體至關重要，他們經常形成緊密的社群來應對他們經歷的歧視和其他壓力。但這同時也意味著他們可能更難獲得弱關係機會。“阻礙移民群體或弱勢群體發展的一些因素恰恰是他們更難擁有這些弱關係，”烏茲說。
除了求職者，政策制定者也可以從這篇新論文中學習。“這項研究突出表明，演算法在多大程度上指導著基本的、基準的、重要的結果，例如就業和失業，”阿拉爾說。領英的“你可能認識的人”功能在獲得新工作中所起的作用表明“演算法對就業以及可能對經濟的其他因素具有巨大的槓桿作用”。這也表明，此類演算法可以為經濟變化創造晴雨表：正如美聯儲關注消費者價格指數以決定是否加息一樣，阿拉爾建議，領英等網路可能提供新的資料來源，以幫助政策制定者解析經濟中正在發生的事情。“我認為這些數字平臺將成為重要的來源，”他說。