Share to:

 

Bias pengaruh sosial

Bias pengaruh sosial adalah efek perilaku kawanan asimetris pada platform media sosial online yang membuat pengguna memberikan kompensasi berlebihan terhadap penilaian negatif namun memperkuat penilaian positif. Didorong oleh keinginan untuk diterima dalam kelompok tertentu, hal ini melingkupi gagasan bahwa orang-orang mengubah perilaku tertentu menjadi seperti perilaku orang-orang dalam suatu kelompok. Oleh karena itu, ini adalah istilah subkelompok untuk berbagai jenis bias kognitif. Beberapa jenis bias pengaruh sosial mencakup efek ikut-ikutan, bias otoritas, efek pemikiran kelompok, bias perbandingan sosial, bias media sosial, dan banyak lagi.[1] Memahami bias ini membantu kita memahami istilah ini secara keseluruhan.

Namun, komposisi istilah "bias pengaruh sosial" memerlukan kajian kritis untuk memahami pengaruhnya terhadap kehidupan individu dan kelompok. Istilah “pengaruh” mempunyai 2 jenis stigma yang berbeda. Pertama, hal ini melingkupi gagasan bahwa orang menunjukkan jati diri mereka yang sebenarnya ketika "di bawah pengaruh". Di sisi lain, ia juga mengajukan gagasan bahwa orang tidak menjadi dirinya sendiri ketika “di bawah pengaruh”. Ini cenderung merupakan konstruksi yang dibuat oleh orang-orang, yang juga cenderung menyesuaikan situasi berdasarkan sudut pandang mereka sendiri. Jadi, bahkan dalam konteks sosial, kedua belah pihak harus diperiksa untuk memahami apakah kita benar-benar terpengaruh oleh konteks, atau kita tetap bersikap dan berperilaku sesuai dengan diri kita sendiri. Istilah "pengaruh" tidak berarti bahwa terdapat kekuatan yang lebih besar dalam keinginan dan keputusan dalam diri kita, juga tidak berarti bahwa faktor eksternal mempunyai kekuatan yang lebih besar.[2] Dengan cara yang sama, penilaian sosial dan non-sosial harus dikaitkan dengan kecemasan, namun hal yang sama tidak dapat dikatakan dalam kasus konformitas sosial.[3] Jadi, area abu-abu dalam topik ini menimbulkan pertanyaan, "Apa yang bias pengaruh sosial katakan tentang kita, dan apakah hal itu berdampak sama pada kita semua?"

Bias media sosial

Bias media tercermin dalam sistem pencarian di media sosial. Kulshrestha dan timnya menemukan melalui penelitian pada tahun 2018 bahwa hasil peringkat teratas yang dihasilkan oleh mesin pencari ini dapat memengaruhi persepsi pengguna ketika mereka melakukan pencarian untuk peristiwa atau orang, yang khususnya tercermin dalam bias politik dan polarisasi topik.[4] Dipicu oleh bias konfirmasi, ruang gema online memungkinkan pengguna untuk mendalami ideologi mereka sendiri. Karena media sosial disesuaikan dengan minat Anda dan teman-teman pilihan Anda, media sosial merupakan jalan keluar yang mudah bagi ruang gaung politik.[5]

Bias media sosial juga tercermin dalam efek media yang bermusuhan. Media sosial mempunyai tempat dalam menyebarkan berita di masyarakat modern, dimana pemirsa dihadapkan pada komentar orang lain saat membaca artikel berita. Dalam studinya pada tahun 2020, Gearhart dan timnya menunjukkan bahwa persepsi bias pemirsa meningkat dan persepsi kredibilitas menurun setelah melihat komentar yang memiliki pendapat berbeda.[6]

Konteks penelitian

Dalam data observasi, bagaimana pengaruh sosial mempengaruhi penilaian yang dikumpulkan merupakan hal yang sulit untuk dipahami sepenuhnya. Pengaruh sosial yang positif dapat terakumulasi dan mengakibatkan gelembung peringkat, sedangkan pengaruh sosial yang negatif dinetralkan dengan koreksi penonton.[7] Fenomena ini pertama kali dijelaskan dalam makalah yang ditulis oleh Lev Muchnik, Sinan Aral[8] dan Sean J. Taylor[9] pada tahun 2014,[10] kemudian pertanyaan tersebut ditinjau kembali oleh Cicognani et al., yang percobaannya memperkuat teori Munchnik. dan hasil rekan penulisnya.[11]

Relevansi

Ulasan pelanggan online adalah sumber informasi tepercaya dalam berbagai konteks seperti pasar online, restoran, akomodasi, film, atau produk digital. Namun, pemeringkatan online ini tidak kebal terhadap perilaku kelompok, yang berarti bahwa peninjauan selanjutnya tidak independen satu sama lain. Seperti di banyak situs serupa, opini sebelumnya dapat dilihat oleh pengulas baru, dia dapat sangat dipengaruhi oleh evaluasi sebelumnya dalam keputusannya mengenai produk, layanan, atau konten online tertentu.[12] Bentuk perilaku menggiring ini menginspirasi Muchnik, Aral dan Taylor untuk melakukan percobaan pengaruh dalam konteks sosial.

Desain percobaan

Muchnik, Aral, dan Taylor merancang percobaan acak berskala besar untuk mengukur pengaruh sosial terhadap ulasan pengguna. Percobaan dilakukan di situs agregasi berita sosial seperti Reddit dan berlangsung selama 5 bulan. Penulis secara acak menugaskan 101.281 komentar ke salah satu kelompok perlakuan berikut: kelompok perlakuan atas (4049), perlakuan bawah (1942), atau kontrol (proporsinya mencerminkan rasio yang diamati dari naik dan turun). Komentar yang termasuk dalam kelompok pertama diberi suara positif setelah pembuatan komentar, kelompok kedua mendapat suara negatif setelah dibuat, komentar di kelompok kontrol tetap tidak tersentuh ke satu peringkat (+1 atau -1). Karena pengguna lain tidak dapat melacak suara pengguna, mereka tidak mengetahui percobaan tersebut. Karena pengacakan, komentar di kelompok kontrol dan kelompok perlakuan tidak berbeda dalam hal peringkat yang diharapkan . Komentar yang diolah telah dilihat lebih dari 10 juta kali dan diberi peringkat 308.515 kali oleh pengguna berturut-turut.[13]

Hasil

Perlakuan suara positif meningkatkan kemungkinan suara positif oleh pemirsa pertama sebesar 32% dibandingkan kelompok kontrol, sedangkan kemungkinan down-voting tidak berubah dibandingkan dengan kelompok kontrol, yang berarti bahwa pengguna tidak mengoreksi positif acak peringkat. Bias ke atas tetap terjadi selama periode 5 bulan yang diamati. Akumulasi efek herding meningkatkan rata-rata peringkat komentar sebesar 25% dibandingkan dengan komentar kelompok kontrol. Komentar yang dimanipulasi secara positif memang menerima peringkat yang lebih tinggi di semua bagian distribusi, yang berarti bahwa komentar tersebut juga cenderung memperoleh skor yang sangat tinggi.[14]

Implikasi

Sifat pemeringkatan online yang tidak seimbang membuat hasil ulasan berbeda dibandingkan jika tidak ada bias pengaruh sosial. Dalam percobaan di tahun 2009[15] yang dilakukan oleh Hu, Zhang, dan Pavlou menunjukkan bahwa distribusi ulasan produk tertentu yang dibuat oleh individu yang tidak berhubungan adalah kurang lebih normal, namun peringkat produk yang sama di Amazon mengikuti distribusi Berbentuk J dengan dua kali lebih besar. banyak peringkat bintang lima daripada yang lain. Cicognani, Figini dan Magnani sampai pada kesimpulan serupa setelah percobaan mereka dilakukan di situs web layanan pariwisata: peringkat positif sebelumnya lebih memengaruhi perilaku penilai dibandingkan peringkat biasa-biasa saja.[11] Koreksi massa yang positif membuat opini berbasis komunitas menjadi bias ke atas.

Referensi

  1. ^ "Social Influence and Conformity Biases" (dalam bahasa Inggris). Diakses tanggal 2024-12-19. 
  2. ^ "Everyone Wants to 'Influence' You (Published 2018)" (dalam bahasa Inggris). 2018-11-20. Diakses tanggal 2024-12-19. 
  3. ^ Kaneko, Asuka; Asaoka, Yui; Lee, Young-A; Goto, Yukiori (2021-08-01). "Cognitive and Affective Processes Associated with Social Biases". International Journal of Neuropsychopharmacology. 24 (8): 645–655. doi:10.1093/ijnp/pyab022. ISSN 1461-1457. PMC PMC8378077alt=Dapat diakses gratis Periksa nilai |pmc= (bantuan). PMID 33929492 Periksa nilai |pmid= (bantuan). 
  4. ^ Kulshrestha, Juhi; Eslami, Motahhare; Messias, Johnnatan; Zafar, Muhammad Bilal; Ghosh, Saptarshi; Gummadi, Krishna P.; Karahalios, Karrie (2019-04-01). "Search bias quantification: investigating political bias in social media and web search". Information Retrieval Journal (dalam bahasa Inggris). 22 (1): 188–227. doi:10.1007/s10791-018-9341-2. ISSN 1573-7659. 
  5. ^ Peck, Andrew (2020-07-01). "A Problem of Amplification: Folklore and Fake News in the Age of Social Media". Journal of American Folklore (dalam bahasa Inggris). 133 (529): 329–351. doi:10.5406/jamerfolk.133.529.0329. ISSN 0021-8715. 
  6. ^ Gearhart, Sherice; Moe, Alexander; Zhang, Bingbing (2020-03-05). "Hostile media bias on social media: Testing the effect of user comments on perceptions of news bias and credibility". Human Behavior and Emerging Technologies. 2 (2): 140–148. doi:10.1002/hbe2.185. ISSN 2578-1863. 
  7. ^ Centola, Damon; Willer, Robb; Macy, Michael (2005-01). "The Emperor's Dilemma: A Computational Model of Self‐Enforcing Norms". American Journal of Sociology. 110 (4): 1009–1040. doi:10.1086/427321. ISSN 0002-9602. 
  8. ^ "Sinan Aral". Sinan Aral (dalam bahasa Inggris). 2023-04-06. Diakses tanggal 2024-12-19. 
  9. ^ "Welcome". Sean J. Taylor (dalam bahasa Inggris). Diakses tanggal 2024-12-19. 
  10. ^ Muchnik, Lev; Aral, Sinan; Taylor, Sean J. (2013-08-09). "Social Influence Bias: A Randomized Experiment". Science. 341 (6146): 647–651. doi:10.1126/science.1240466. 
  11. ^ a b Cicognani, Simona; Figini, Paolo; Magnani, Marco (2016). "Social Influence Bias in Online Ratings: A Field Experiment". amsacta.unibo.it (dalam bahasa Inggris). doi:10.6092/unibo/amsacta/4669. Diakses tanggal 2024-12-19. 
  12. ^ Aral, Sinan (2013-12-19). "The Problem With Online Ratings". MIT Sloan Management Review (dalam bahasa Inggris). 
  13. ^ Muchnik, Lev; Aral, Sinan; Taylor, Sean J. (2013-08-09). "Social Influence Bias: A Randomized Experiment". Science. 341 (6146): 647–651. doi:10.1126/science.1240466. 
  14. ^ Aral, Sinan (2013-12-19). "The Problem With Online Ratings". MIT Sloan Management Review (dalam bahasa Inggris). 
  15. ^ Hu, Nan; Zhang, Jie; Pavlou, Paul A. (2009-10-01). "Overcoming the J-shaped distribution of product reviews". Commun. ACM. 52 (10): 144–147. doi:10.1145/1562764.1562800. ISSN 0001-0782. 
Kembali kehalaman sebelumnya