BAGIKAN
Linked In (Credit: Greg Bulla)

Katakanlah Anda sedang mencari pekerjaan baru. Anda menuju ke LinkedIn untuk merapikan profil Anda dan melihat-lihat jaringan sosial Anda tersebut.

Tetapi siapa yang harus Anda hubungi untuk memperkenalkan calon majikan baru? Sebuah studi baru terhadap lebih dari 20 juta orang, yang diterbitkan di Science, menunjukkan bahwa teman dekat Anda (di LinkedIn) bukanlah pilihan terbaik Anda: sebaliknya Anda harus mencari kenalan yang tidak cukup Anda kenal untuk berbagi hubungan pribadi.

Kekuatan ikatan yang lemah

Pada tahun 1973, sosiolog Amerika Mark Granovetter menciptakan frasa “kekuatan ikatan yang lemah” dalam konteks jejaring sosial. Dia berpendapat bahwa semakin kuat ikatan antara dua individu, semakin banyak jaringan pertemanan mereka akan tumpang tindih.

Sederhananya, Anda kemungkinan besar mengenal semua teman dari seorang teman dekat, tetapi hanya sedikit dari teman seorang kenalan.

Jadi, jika Anda mencari pekerjaan, Anda mungkin sudah tahu semua yang ditawarkan lingkungan terdekat Anda. Secara intuitif, ikatan yang lemah – kenalan Anda – yang menawarkan peluang paling besar untuk penemuan baru.

Ikatan dan pekerjaan yang lemah

Teori Granovetter terasa benar, tapi benarkah? Sebuah tim peneliti dari LinkedIn, Harvard Business School, Stanford dan MIT mengumpulkan beberapa bukti empiris tentang bagaimana ikatan yang lemah memengaruhi mobilitas pekerjaan.

Penelitian mereka mendukung upaya para insinyur di LinkedIn untuk menguji dan meningkatkan algoritme rekomendasi “Orang yang Mungkin Anda Kenal”. LinkedIn secara teratur memperbarui algoritme ini, yang merekomendasikan orang baru untuk ditambahkan ke jaringan Anda.

Salah satu pembaruan ini menguji efek mendorong pembentukan ikatan yang kuat (merekomendasikan untuk menambahkan teman dekat Anda) versus ikatan yang lemah (merekomendasikan kenalan dan teman dari teman). Para peneliti kemudian mengikuti pengguna yang berpartisipasi dalam “pengujian A/B” ini untuk melihat apakah perbedaan tersebut berdampak pada hasil pekerjaan mereka.

Lebih dari 20 juta pengguna LinkedIn di seluruh dunia secara acak ditugaskan ke kelompok perawatan yang terdefinisi dengan baik. Pengguna di setiap grup diperlihatkan rekomendasi kontak baru yang sedikit berbeda, yang mengarahkan pengguna di beberapa grup untuk membentuk ikatan yang lebih kuat dan pengguna di grup lain untuk membentuk ikatan yang lebih lemah.

Selanjutnya, tim mengukur berapa banyak pekerjaan yang dilamar oleh pengguna di setiap grup, dan berapa banyak “transmisi pekerjaan” yang terjadi. Transmisi pekerjaan sangat menarik, karena didefinisikan sebagai mendapatkan pekerjaan di perusahaan yang sama dengan kontak baru. Transmisi pekerjaan menunjukkan bahwa kontak baru membantu mendapatkan pekerjaan.

Ikatan yang cukup lemah adalah yang terbaik

Studi ini menggunakan analisis kausal untuk melampaui korelasi sederhana dan menghubungkan pembentukan hubungan dengan pekerjaan. Ada tiga temuan penting.

Pertama, mesin pemberi rekomendasi secara signifikan membentuk formasi tautan. Pengguna yang direkomendasikan tautan yang lebih lemah secara signifikan membentuk tautan yang lebih lemah, dan pengguna yang direkomendasikan tautan yang lebih kuat membentuk tautan yang lebih kuat.

Kedua, eksperimen memberikan bukti kausal bahwa ikatan yang cukup lemah lebih dari dua kali lebih efektif daripada ikatan kuat dalam membantu pencari kerja bergabung dengan majikan baru. Apa itu dasi lemah yang “cukup”? Studi ini menemukan transmisi pekerjaan kemungkinan besar dari kenalan dengan siapa Anda berbagi sekitar 10 teman bersama dan jarang berinteraksi.

Ketiga, kekuatan ikatan lemah bervariasi menurut industri. Sementara ikatan yang lemah meningkatkan mobilitas pekerjaan di lebih banyak industri digital, ikatan yang kuat meningkatkan mobilitas pekerjaan di industri yang lebih sedikit digital.

Rekomendasi yang lebih baik

Studi LinkedIn ini adalah yang pertama membuktikan teori Granovetter secara kausal di pasar tenaga kerja. Analisis kausal adalah kuncinya di sini, karena studi skala besar tentang korelasi antara kekuatan ikatan dan transmisi pekerjaan telah menunjukkan ikatan yang kuat lebih bermanfaat, dalam apa yang sampai sekarang dianggap sebagai paradoks.

Studi ini memecahkan paradoks dan sekali lagi membuktikan keterbatasan studi korelasi, yang melakukan pekerjaan yang buruk dalam menguraikan faktor-faktor pengganggu dan kadang-kadang mengarah pada kesimpulan yang salah.

Dari sudut pandang praktis, penelitian ini menguraikan parameter terbaik untuk menyarankan tautan baru. Ini mengungkapkan bahwa koneksi yang paling membantu dalam mendapatkan pekerjaan adalah kenalan Anda, orang yang Anda temui di lingkungan profesional, atau teman dari teman, bukan teman terdekat Anda – orang yang dengannya Anda berbagi sekitar 10 kontak timbal balik dan dengan siapa Anda cenderung tidak berinteraksi secara teratur.

Ini dapat diterjemahkan ke dalam rekomendasi algoritmik, yang dapat membuat mesin rekomendasi dari jaringan profesional seperti LinkedIn bahkan lebih mahir dalam membantu pencari kerja mendapatkan pekerjaan.

Kekuatan kotak hitam

Publik sering waspada ketika perusahaan media sosial besar melakukan eksperimen pada para penggunanya (lihat eksperimen emosi terkenal Facebook tahun 2014).

Jadi, apakah eksperimen LinkedIn dapat merugikan penggunanya? Secara teori, pengguna dalam kelompok perlakuan “tautan kuat” mungkin melewatkan tautan lemah yang bisa membawa pekerjaan mereka berikutnya.

Namun, semua kelompok memiliki tingkat mobilitas pekerjaan tertentu – beberapa hanya sedikit lebih banyak daripada yang lain. Selain itu, karena para peneliti mengamati eksperimen teknik, penelitian itu sendiri tampaknya hanya menimbulkan sedikit masalah etika.

Meskipun demikian, ini adalah pengingat untuk menanyakan seberapa banyak keputusan profesional kita yang paling intim – seperti memilih karier atau tempat kerja baru – ditentukan oleh algoritme kecerdasan buatan kotak hitam yang cara kerjanya tidak dapat kita lihat.


Marian-Andrei Rizoiu , Dosen Senior Ilmu Data Perilaku, Universitas Teknologi Sydney

Artikel ini diterbitkan ulang dari The Conversation di bawah lisensi Creative Commons. Baca artikel aslinya .