不想宅的冷同学

本文通过理论框架和实证研究，深入探讨了管理者对在线正面评论的回应策略及其对用户行为的影响。研究结果为管理者提供了具体的行动指南，帮助他们在在线评论平台上更有效地与客户互动，同时也为未来的研究提供了新的方向和方法。欢迎关注我的后续博文，我将分享更多关于人工智能、自然语言处理和计算机视觉的精彩内容。

这篇论文《Content Length Limit: How Does It Matter for a Consumer-to-Consumer Media Platform?》由 Zheyin (Jane) Gu 和 Xuying Zhao 撰写，发表于《Information Systems Research》2024年第35卷第4期。

这篇论文《Do “Likes” in a Brand Community Always Make You Buy More?》由Chen Liang、Ji Wu和Xinxin Li撰写，发表于2024年的《Information Systems Research》杂志第35卷第4期。

吸收能力是指组织从环境中获取有价值机会和知识的能力。它可以被视为组织资源（组织在特定时间点所拥有的相关知识存量）或组织能力（吸收知识的能力）。在与外部专家合作的背景下，持续吸收知识的能力更为重要。吸收能力可以是单维度的，也可以是多维度的。本文将吸收能力视为多维度的，重点关注其三个维度：识别（identification）、同化（assimilation）和利用（exploitation）外部知识。这种多维度的划分有助于明确各个维度背后的流程及其相互关系。

文章通过模拟方法研究了偏好偏差对推荐系统性能的纵向影响，探讨了偏好偏差的大小对系统预测性能以及用户消费结果的影响，并提出了减少偏好偏差的方法。进一步分析发现，偏差用户和无偏差用户之间存在溢出效应，偏差用户的反馈会影响无偏差用户的推荐，反之亦然。高偏差导致消费项目的评分膨胀加速，这些膨胀的评分被添加到系统训练数据中，削弱系统学习用户真实偏好的能力。推荐平台可通过获取用户暴露于推荐信息的记录和估计用户群体的偏差水平，采用全局或个体去偏差方法处理用户提交的评分，从而提高系统的预测准确性和用户的消费体验。

这篇文章发表在《Nature Human Behaviour》2025年2月刊，题为《How human–AI feedback loops alter human perceptual, emotional and social judgements》，作者是Moshe Glickman和Tali Sharot。文章探讨了人类与人工智能（AI）之间的交互如何通过反馈循环改变人类的感知、情感和社会判断，并放大人类的偏见。

AI系统在选择能够激发用户互动的封面图片方面优于群体智慧系统。具体而言，AI系统在两个关键页面（搜索结果页面和餐厅主页）上均显著提高了用户的点击率和互动率。

文章通过实证研究，阐明了在客户服务中披露人类参与的复杂性及其对客户行为和员工工作的影响。结果显示，透明度不仅改变了客户的沟通方式，还增加了员工的工作量。因此，企业在实施混合服务代理时需要谨慎考虑披露策略，以平衡客户体验与员工工作负载。