کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4972454 1451047 2017 35 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Understanding and overcoming biases in online review systems
ترجمه فارسی عنوان
درک و غلبه بر تعصبات در سیستم های بررسی آنلاین
ترجمه چکیده
این مطالعه مسائل مربوط به نفوذ اجتماعی و اختلالات انتخاب را در چارچوب سیستم های بررسی آنلاین در نظر می گیرد. ما پیشنهاد می کنیم که یک راه برای کاهش این تعصبات، ارسال دعوت نامه های الکترونیکی برای نوشتن بازنگری به یک نمونه تصادفی از خریداران است، و نه در معرض آنها به بررسی های موجود در حالی که آنها بررسی خود را ارسال. ما شواهد تجربی را نشان می دهیم که نشان می دهد چگونه چنین مداخله ای ساده از خرده فروش، با تجزیه و تحلیل داده ها از چهار خرده فروش آنلاین مختلف در طول چندین سال، مقابله با تعصبات را کاهش می دهد. داده ها شامل بررسی های خود انگیزه ای می شوند که در آن زمان بازرسان دیگر بررسی ها را در زمان نوشتن می بینند و خرده فروشان از طریق دعوت نامه ایمیل به خریداران تأیید شده، که در آن بازرس بررسی های موجود را نمی بیند، انجام می شود. با توجه به تحقیقات قبلی در زمینه تعصب اجتماعی، متوجه می شویم که رتبه بندی ستاره های بررسی خود انگیزه ها در طول زمان (به عنوان مثال، روند نزولی) کاهش می یابد، در حالی که رتبه بندی ستاره ای از بررسی خرده فروشان ثابت باقی می ماند. همانگونه که توسط نظریه های انگیزه پیش بینی شده است، بررسی های خود انگیزشی منفی تر (والنتاز پایین تر)، طولانی تر و مفید تر است، که نشان می دهد که ماهیت بررسی های خود انگیزه و خرده فروشان، متفاوت است و هجوم بررسی خرده فروشان موجب افزایش تنوع در سیستم بازبینی کلی خواهد شد. با توجه به تعصب انتخاب، متوجه شدیم که دعوت نامه های الکترونیکی می تواند نمایندگی بررسی را با افزودن یک بخش جدید از خریداران تأیید شده بهبود بخشد. به طور خلاصه، پیاده سازی طراحی مناسب و سیاست در سیستم های بررسی آنلاین، کیفیت و اعتبار بررسی آنلاین را بهبود می بخشد و به تمرینکنندگان کمک می کند رتبه های معتبر و نماینده ای را برای مشتریان خود ارائه دهند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر سیستم های اطلاعاتی
چکیده انگلیسی
This study addresses the issues of social influence and selection biases in the context of online review systems. We propose that one way to reduce these biases is to send email invitations to write a review to a random sample of buyers, and not exposing them to existing reviews while they write their reviews. We provide empirical evidence showing how such a simple intervention from the retailer mitigates the biases by analyzing data from four diverse online retailers over multiple years. The data include both self-motivated reviews, where the reviewer sees other reviews at the time of writing, and retailer-prompted reviews generated by an email invitation to verified buyers, where the reviewer does not see existing reviews. Consistent with previous research on the social influence bias, we find that the star ratings of self-motivated reviews decrease over time (i.e., downward trend), while the star ratings of retailer-prompted reviews remain constant. As predicted by theories on motivation, the self-motivated reviews are shown to be more negative (lower valence), longer, and more helpful, which suggests that the nature of self-motivated and retailer-prompted reviews is distinctively different and the influx of retailer-prompted reviews would enhance diversity in the overall review system. Regarding the selection bias, we found that email invitations can improve the representativeness of reviews by adding a new segment of verified buyers. In sum, implementing appropriate design and policy in online review systems will improve the quality and validity of online reviews and help practitioners provide more credible and representative ratings to their customers.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Decision Support Systems - Volume 97, May 2017, Pages 23-30
نویسندگان
, , ,