U zadnjih nekoliko mjeseci sve je glasnije pitanje kako LinkedIn algoritam određuje vidljivost naših objava i jesu li u igri neki skriveni mehanizmi pristranosti. Od studenog prošle godine, žene diljem svijeta sudjeluju u eksperimentu #WearthePants kako bi testirale hipotezu da spomenuti LinkedIn algoritam možda favorizira muški rod. U nastavku istražujemo kako taj algoritam funkcionira, zbog čega je pokrenut čitav pokret i što sve možemo naučiti iz tog izazova.
Što je LinkedIn algoritam i kako radi?
Prije nego što pređemo na detalje #WearthePants eksperimenta, važno je razumjeti temeljne principe na kojima počiva LinkedIn algoritam. Platforma, usmjerena na profesionalnu mrežu i dijeljenje vrijednog sadržaja, mora osigurati da korisnici vide relevantne objave, a ne spam ili irelevantne informacije.
Osnovni principi algoritma
- Interakcija korisnika: sviđa mi se, komentari, dijeljenja
- Relevancija sadržaja: ključne riječi i teme povezane s vašom mrežom
- Vrijeme objave: noviji postovi imaju prednost
- Kvaliteta profila: kompletiranost profila, iskustvo i stručnost
Uloga velikih jezičnih modela (LLM)
U kolovozu 2023., Tim Jurka, potpredsjednik inženjeringa LinkedIna, najavio je implementaciju LLM (Large Language Models) kako bi se poboljšalo filtriranje i preporuka sadržaja. Ovi modeli koriste strojno učenje za interpretaciju teksta, procjenu je li objava informativna, motivirajuća ili relevantna za profesionalce.
Faktori koji utječu na vidljivost objava
- Društvena interakcija: broj i brzina reakcija nakon objave.
- Vrsta sadržaja: tekst, slika, video ili poveznica.
- Povezanost mreže: bliski kontakti dobivaju veću prednost.
- Profilne značajke: industrija, titula i aktivnosti autora.
Eksperiment #WearthePants i njegovi rezultati
Krajem studenog članice profesionalne zajednice na LinkedInu pokrenule su hashtag #WearthePants, želeći provjeriti hipotezu o rodnoj pristranosti algoritma. Sudionice su privremeno promijenile svoje osobne podatke u muške i usporedile impresije, odnosno broj prikaza njihovih objava, prije i nakon izmjene.
Priprema i tijek eksperimenta
Sudionice su napravile sljedeće korake:
- Promijenile su spol u postavkama profila iz “žensko” u “muško”.
- Objavile su isti sadržaj, u istom formatu i u sličnom vremenskom okviru.
- Bilježile impresije i angažman (lajkove, komentare, dijeljenja).
- Usporedile su rezultate prije i nakon promjene.
Ključni nalazi
- Marilynn Joyner je zabilježila porast impresija od čak 238% u roku od 24 sata.
- Michelle (pseudonim) s više od 10.000 pratitelja prije promjene dobivala je u prosjeku isti broj impresija kao i njezin suprug s oko 2.000 pratitelja. Nakon promjene spola, impresije su joj skočile za više od 100%.
- Sveukupno je više od deset sudionica prijavilo značajan rast vidljivosti tek nakon što su se proglasile muškarcima.
Primjeri iskustava sudionica
Osim statistikama, najzanimljiviji su osobni dojmovi:
„Rezultati su me šokirali. Nisam mogla vjerovati da samo jedna varijabla – spol – može donijeti toliki skok u angažmanu.“ – Megan Cornish.
„Dok su moje objave prije imale oko 500 prikaza, nakon eksperimenta brojka je narasla na više od 3.000.“ – Lucy Ferguson.
Moguće pristranosti u algoritmu
Iako LinkedIn tvrdi da ne koristi demografske podatke poput spola ili dobi za rangiranje sadržaja, mnogi stručnjaci upozoravaju na implicitne mehanizme pristranosti. Prikriveni uzroci mogu biti ugrađeni u podatkovne modele i ljudske pretpostavke pri treniranju algoritma.
Implicitna vs. eksplicitna pristranost
- Eksplicitna pristranost – namjerno ugradnja diskriminatornih pravila (rijetko se javlja zbog pravnih i reputacijskih posljedica).
- Implicitna pristranost – nesvjesne pretpostavke trenera i neravnomjeran skup podataka (češći problem u strojnom učenju).
Zašto LLM može biti pristran
Veliki jezični modeli trenirani su na ogromnim količinama internetskog teksta. Ako je taj tekst već prepun stereotipa ili nejednakih prikaza raznih skupina, model može internalizirati te obrasce.
Utjecaj podataka i trenera
Stručnjaci ističu da su algoritamski sustavi „crna kutija“: točno ne znamo koliko su ljudski faktori utjecali na konačni rezultat. Treneri modela i povijesni podaci (koji su često podreprezentirali glasove žena ili manjina) mogu amplificirati postojeće nejednakosti.
LinkedIn-ov odgovor na optužbe
Iz LinkedIna su poručili: „Naši algoritmi ne koriste demografske podatke poput spola, dobi ili rase za određivanje vidljivosti sadržaja.“ Međutim, dodali su kako usporedni testovi feeda ne mogu samostalno dokazati pristranost jer:
- feed svakog korisnika je personaliziran
- različiti su obrasci angažmana
- vrijeme i format interakcije variraju
Unatoč tim obrazloženjima, mnogi ne prihvaćaju objašnjenje zadovoljavajućim. Stručnjaci poput Brandeis Marshall naglašavaju da je algoritam „složena simfonija matematičkih i društvenih poluga“. Jedna promjena profila samo je vrh ledenog brijega.
Kako prepoznati i reagirati na pad angažmana?
Svaki korisnik LinkedIna od vremena do vremena primijeti fluktuacije u vidljivosti. Evo nekoliko koraka za analizu i poboljšanje svojih rezultata:
1. Analiza metrika
- Pregledajte impresije i doseg objava u analitici.
- Usporedite objave različitih formata (tekst, slika, video).
- Bilježite vrijeme objave i dan u tjednu.
2. Prilagodba strategije
Na temelju prikupljenih podataka isprobajte sljedeće:
- Objavljujte u terminima kada su vaši pratitelji najaktivniji.
- Koristite relevantne hashtagove i ključne riječi poput umjetna inteligencija, strojno učenje i profilna slika.
- Povećajte interakciju pozivima na akciju (npr. „Podijelite svoje iskustvo“).
3. Savjeti za poboljšanje vidljivosti
- Redovito ažurirajte kompletan profil (obrazovanje, iskustvo, vještine).
- Stvarajte originalan i stručan sadržaj, primjerice tutorijale ili studije slučaja.
- Angažirajte se u tuđim objavama – komentirajte, dijelite i pohvalite relevantne stručnjake.
- Sudjelujte u LinkedIn grupama i događajima za širenje mreže kontakata.
Budućnost društvenih algoritama
Kako se tehnologije umjetne inteligencije razvijaju, pitanje transparentnosti algoritama postaje ključno. Regulatori i zajednica traže veća pojašnjenja o načinu treniranja i primjene modela u društvenim mrežama.
Transparentnost i regulacija
Europska unija i niz drugih jurisdikcija uvode zakone kojim će platforme morati objaviti osnovne mehanizme rangiranja sadržaja te osigurati mogućnost pritužbi korisnika.
Tehnološke inovacije
- Razvoj objašnjivih AI sustava (Explainable AI).
- Metode za otkrivanje i uklanjanje pristranosti u modelima.
- Alati za real-time praćenje performansi algoritma i varijacija u vidljivosti.
Što možemo očekivati od LinkedIna?
LinkedIn najavljuje dodatne izvještaje o radu algoritma te planira uvesti alate za boljitak korisničkog iskustva. Korisnici se nadaju da će ubrzati objavljivanje podataka o testiranjima i rezultatima svojih AI sustava.
Zaključak
Priča o eksperimentu #WearthePants otvorila je važno pitanje – koliko je naš LinkedIn algoritam zaista objektivan? Iako platforma negira korištenje demografskih podataka, nepobitni primjeri sudionica pokazuju da se iza kulisa događaju zanimljive promjene. Dok čekamo transparentnija izvješća i poboljšanja u sustavima strojnog učenja, svaki autor može samostalno pratiti metrike i prilagođavati svoju prisutnost na LinkedInu kako bi maksimizirao vidljivost i angažman.
Česta pitanja (FAQ)
1. Koristi li LinkedIn algoritam demografske podatke poput spola ili dobi?
Prema službenim izjavama, LinkedIn algoritam ne koristi eksplicitno demografske podatke. Međutim, implicitni obrasci u podacima i interakcijama mogu rezultirati razlikama u vidljivosti.
2. Zašto sam dobio/la manje impresija u zadnjem mjesecu?
Pad impresija može biti posljedica:
- Sezonskih fluktuacija aktivnosti korisnika.
- Promjene ponašanja vaših pratitelja.
- Nove verzije algoritma ili testnih postavki LinkedIna.
3. Kako mogu poboljšati vidljivost svojih objava?
Preporučujemo:
- Redovito objavljivanje relevantnog sadržaja.
- Interakciju s mrežom – komentari, dijeljenja i poruke.
- Korištenje kvalitetnih ključnih riječi i hashtagova.
4. Što je #WearthePants eksperiment?
#WearthePants je inicijativa u kojoj su žene na LinkedInu privremeno promijenile svoj spol u postavkama kako bi testirale hoće li objave dobiti veću vidljivost ukoliko se smatraju muškarcima.
5. Hoće li LinkedIn učiniti svoj algoritam transparentnijim?
Platforma najavljuje korake prema većoj transparentnosti, uključujući detaljnije izvještavanje o mjerilima koja koristi za rangiranje sadržaja i mogućnost povratnih informacija od korisnika.
Pratite umjetnAI.com za najnovije vijesti, analize i upute o umjetnoj inteligenciji te otkrijte kako optimizirati svoju digitalnu prisutnost na LinkedInu i drugim platformama.
