平台干预的非意图成本：黑人拥有的餐厅和Yelp声誉

研究背景与问题

• 发现的问题: 作者研究了 Yelp 平台的“Black-owned”属性增加后的影响，并揭示了这一设计干预可能带来的意外成本和伤害，包括 Black-owned 餐厅的星级评分下降以及平台对非 Black 使用者的偏向。
• 重要性: 数字平台的设计干预通常以提升可见性为目标，但对于边缘化群体，增加曝光可能导致意外的负面后果。在解决种族不平等问题的背景下，理解这些设计的效果和风险至关重要，尤其是在数字平台逐渐成为商业和社会互动的重要场所的时候。
• 研究动机与相关工作: 作者借鉴了有关平台资本主义、种族资本主义以及“掠夺性包容”等课题的批判理论，并指出像 Yelp 这样的干预设计可能在加强种族意识的同时引发隐性或显性种族偏见，最终对目标群体造成伤害。

解决方案

• 作者提出的方法:

  • 收集了超过 25 万条来自 Detroit 和 Los Angeles 地区 Black-owned 和非 Black-owned 餐馆的 Yelp 评论数据。
  • 运用了统计分析与趋势分析的方法，探讨 “Black-owned” 属性是否影响了用户的评论数量和星级评分。
  • 结合批判性种族理论（Critical Race Theory）和设计正义（Design Justice）框架分析干预效果。

• 解决方案的创新之处:

  • 作者采用了结合定量分析与定性内容探索的方法，从评论数据中识别提及“Black-owned”的评论以及这些评论是否与评分数据之间存在显著相关性。
  • 在现有文献的基础上，将平台资本主义和种族资本主义的视角应用到研究中，进一步深化对数字平台设计干预影响的理解。
  • 提出了一种以受影响社区为中心的评价方法，试图从设计正义的角度重新定义平台设计干预的成果。

• 实施步骤与关键技术:

  • 数据收集：利用 Python 工具从 Yelp API 和平台页面抓取评论数据。
  • 数据清理：处理重复数据、标准化日期以及移除特殊字符等。
  • 分析方法：统计测试（t 测试与比例测试）和可视化趋势分析。
  • 批判性分析：将“掠夺性包容”和平台可见性等概念融入数据分析，探讨干预措施的社会影响。

研究成果

• 具体成果:

  • 作者发现：在“Black-owned”属性添加后，评论中提及 Black-owned 餐馆的比例显著增加，但这些评论的星级评分平均值较低。
  • 对比分析显示，Black-owned 餐馆的平均星级评分在干预后一年显著下降；与非 Black-owned 餐馆相比，评分下降幅度较大。
  • Black-owned 餐馆在平台上的曝光率尽管有所提升，但未能持续改善其 Yelp 上的在线声誉，反而因评分下降可能对其商业表现产生负面影响。

• 与现有解决方案相比的优势:

  • 作者批判性地指出了平台干预设计中“隐性种族偏见”与“掠夺性包容”的动态，这为理解涉及边缘化群体的设计失败提供了新的视角。
  • 提出了一套社区参与和结构性挑战的设计框架，而不是简单依赖个体用户改进行为。

• 实验或评估结果:

  • 数据分析证实了用户在意识到 Black ownership 后更倾向于打较低的分数，这揭示了干预策略的局限性。
  • 评论总量增加的现象呈现短暂趋势，随后恢复到与疫情期间一致的水平。

• 局限性与未来方向:

  • 局限性：
    • 研究集中于餐饮业，未能涵盖其他类型商业。
    • 研究时间范围局限于 COVID-19 大流行期间，可能对数据产生额外影响。
    • Yelp 的数据 API 限制使得未来的扩展研究面临技术障碍。
  • 未来方向：
    • 探索用户审查行为背后的动机，特别是评论内容中的话语模式。
    • 深入调查设计干预如何与用户群体的种族和文化背景相关联。
    • 建立与目标群体（如 Black 餐馆老板和用户）的深度参与模式，以提出可操作性更高的设计策略。

总结与建议

• 作者强调，平台在进行类似标识化设计干预时，应深入了解其服务的目标用户群体及其背景，避免以拟解决方式将问题转嫁至边缘化群体自身。在设计过程中融入批判性种族理论和设计正义框架，可以帮助避免干预导致的有害后果。
• 建议未来的平台设计应不仅限于提升可见性，还应注重教育和反歧视策略，将资源和知识倾斜于适应边缘化群体需求。