या साइटवरील सामग्री कृत्रिम बुद्धिमत्ता (AI) किंवा मशीन भाषांतर तंत्रज्ञानाचा वापर करून भाषांतरित केली आहे आणि त्यात त्रुटी असू शकतात.

Skip to content
Safety & Civility
Data Science

यादृच्छिकीकरणशिवाय नागरी संवादाचे कारणीभूत परिणाम मोजणे

Author

टोनी लियू (पेंसिल्व्हेनिया विद्यापीठ आणि Roblox), लाइल उंगार (पेंसिल्व्हेनिया विद्यापीठ), कोनराड कॉर्डिंग (पेंसिल्व्हेनिया विद्यापीठ), मॉर्गन मॅकग्वायर (Roblox)

Venue

एएएआय आयसीडब्ल्यूएसएम २०२४

Abstract

ऑनलाइन सामाजिक संवादाचे विश्लेषण करताना शिष्टाचाराच्या कारणीभूत परिणामांना समजून घेणे अत्यंत महत्त्वाचे आहे, परंतु कारण-परिणाम मोजणे अवघड आहे. A/B चाचण्या आणि इतर यादृच्छिक प्रयोग हे कारणीभूत परिणाम सिद्ध करण्यासाठी सुवर्णमानक आहेत, परंतु या परिस्थितीत ते लागू होत नाहीत कारण 1) प्रयोगात शिष्टाचाराच्या पातळीवर नियंत्रण ठेवता येत नाही, आणि अधिक महत्त्वाचे म्हणजे, 2) शिष्टाचाराच्या पातळीवर जानबूजून यादृच्छिक बदल करण्यावरील नैतिक बंधने. आम्ही Roblox सोशल 3D प्लॅटफॉर्मवरील ऑनलाइन समुदायांमध्ये शिष्टाचाराचा कारणीभूत परिणाम स्पष्ट यादृच्छिकीकरणाशिवाय मोजण्यासाठी एक नवीन अर्ध-प्रयोगात्मक पद्धत विकसित केली आहे. ही पद्धत निरीक्षणात्मक ऐतिहासिक डेटामध्ये वापरकर्त्यांना सर्व्हरवर "matchmaking" द्वारे नियुक्त करताना उरलेली यादृच्छिकता (residual stochasticity) अर्ध-यादृच्छिकीकरण यंत्रणा म्हणून वापरते. आम्हाला आढळले की वापरकर्त्याला उच्च शिष्टाचार पातळी असलेल्या सर्व्हरवर नियुक्त केल्याने विशिष्ट अनुभवांमध्ये सहभागाचा वेळ 1.5% इतका वाढू शकतो. प्लॅटफॉर्मवर दरमहा 4.8 अब्ज व्यक्ती-तास खर्च होणाऱ्या गोष्टींचा विचार करता, याचा अर्थ दरमहा 8,000 पेक्षा जास्त व्यक्ती-वर्षांच्या सामाजिक संवादात संभाव्य वाढ होऊ शकते. याव्यतिरिक्त, गैर-कारणपर पद्धतींनी या परिणामाचा चुकीचा अंदाज लावला आहे. अर्ध-प्रयोगात्मक दृष्टिकोन ऑनलाइन समुदायांमध्ये वापरकर्त्यांच्या वर्तनाचा कारणपर प्रभाव मोजण्यासाठी नवीन मार्ग उघडण्याचे वचन देतात, तेही यादृच्छिक प्रयोगांद्वारे वापरकर्त्यांवर प्रतिकूल परिणाम न करता.