论文标题：Offline biases in online platforms: a study of diversity and homophily in Airbnb

期刊：EPJ Data Science

作者： Victoria Koh, Weihua Li,Giacomo Livan,Licia Capra

发表时间：2019/03/29

数字识别码：10.1140/epjds/s13688-019-0189-5

原文链接：https://epjdatascience.springeropen.com/articles/10.1140/epjds/s13688-019-0189-5?utm_source=sciencenet&utm_

medium=display&utm_content=mpu&utm_campaign=JRCN_2_JG_sciencenet_ajpme_epjds_offline_biases

微信链接：https://mp.weixin.qq.com/s/Z9X8quEVxGRBuvzQZqSucQ

Airbnb及Uber等在线预订平台总是在努力呈现出对所有用户一视同仁的姿态，但越来越多的时间和科学证据表明，这些平台对其用户存在歧视行为。在发表于EPJ Data Science 的一项研究中，伦敦大学学院的研究人员评估了Airbnb内部的交互模式，以了解线下人类偏见对其用户的影响程度。

图1

过去几年，Uber和Airbnb等共享经济平台呈指数增长。这些平台标榜为普通人提供赚取额外收入的机会，推广一种平等主义制度，依据所提供服务的质量给予用户奖励，以及通过支持不同文化之间的互动来倡导多样性。

然而，这并不是全部事实。分享经济平台最近因多起用户歧视行为的报道而受到抨击。例如，研究表明，非裔美国用户在Uber上的乘车请求及Airbnb上的预订更有可能会被取消。此外，平台常常被指责加速了大城市中正在发生的贫富分化，这些现象往往与之前存在的种族分化相一致。

在EPJ Data Science 最近发表的一项研究中，我们对共享经济平台进行了大规模调查，以了解实证证据究竟支持什么样的观点：共享经济平台真的能促进多样性和包容性吗？抑或它们充当了线下人类偏见的大型在线聚合器？

图2：研究表明，非裔美国用户在Uber上的乘车请求及Airbnb上的预订更有可能会被取消。

我们收集了来自世界不同大陆的五个主要城市的全部Airbnb预定历史。从这些数据中，我们通过人脸识别和标注软件提取了用户性别、年龄、种族等信息，获得这些城市Airbnb用户群的人口统计信息。此外还进一步标注了哪些客人曾住过哪些房源，从而构建了一个便于分析的交互网络。

调查结果显示，Airbnb的用户不出所料主要是年轻女性。相反，令人惊讶的是，这一用户群体的绝大多数是白人，即使在种族构成明显多样化的城市也是如此。例如，在最新的人口普查中，香港92%的人口是亚裔，而Airbnb的房东中约有60%是白人。同样，我们发现，在芝加哥和纳什维尔等种族多元化的美国城市，Airbnb 90%以上的房产都是由白人房东拥有的，尽管那里的非裔美国人约占30%。

我们还研究了不同用户组之间的交互频率，并将其与随机主客匹配下的预期交互频率进行了比较。这能够识别实际互动模式与预订前主人和客人互不知道对方性别或种族时可能发生的互动模式之间的偏差。我们发现统计数据表明，Airbnb用户倾向于对相似的人（性别及种族方面）有偏好，这种行为都被称为趋同性。同样，也有证据表明，不同性别和种族之间的预订频率低于预期。

上述研究结果表明，共享经济平台的用户基础并不像宣传的那样多样化，平台创造的财富往往有利于更富裕的社区，加剧了大城市之前存在的经济和种族不平等。此外，共享经济平台无法消除经常阻碍面对面交流的线下偏见，需要有针对性的干预措施来阻止这种偏见的发生。在这方面，Airbnb的“即时预订”选项便朝着正确的方向迈出了模范的一步。在该选项下，客人的预定请求在没有得到房东明确同意的情况下，就会被平台自动接受。

摘要：How diverse are sharing economy platforms? Are they fair marketplaces, where all participants operate on a level playing field, or are they large-scale online aggregators of offline human biases? Often portrayed as easy-to-access digital spaces whose participants receive equal opportunities, such platforms have recently come under fire due to reports of discriminatory behaviours among their users, and have been associated with gentrification phenomena that exacerbate preexisting inequalities along racial lines. In this paper, we focus on the Airbnb sharing economy platform, and analyse the diversity of its user base across five large cities. We find it to be predominantly young, female, and white. Notably, we find this to be true even in cities with a diverse racial composition. We then introduce a method based on the statistical analysis of networks to quantify behaviours of homophily, heterophily and avoidance between Airbnb hosts and guests. Depending on cities and property types, we do find signals of such behaviours relating both to race and gender. We use these findings to provide platform design recommendations, aimed at exposing and possibly reducing the biases we detect, in support of a more inclusive growth of sharing economy platforms.

阅读论文全文请访问：https://epjdatascience.springeropen.com/articles/10.1140/epjds/s13688-019-0189-5?utm_source=sciencenet&utm_

medium=display&utm_content=mpu&utm_campaign=JRCN_2_JG_sciencenet_ajpme_epjds_offline_biases

期刊介绍：EPJ Data Science offers a publication platform to address this evolution by bringing together all academic disciplines concerned with the same challenges:

•how to extract meaningful data from systems with ever increasing complexity

•how to analyse them in a way that allows new insights

•how to generate data that is needed but not yet available

•how to find new empirical laws, or more fundamental theories, concerning how any natural or artificial (complex) systems work

（来源：科学网）