[논문 리뷰] Who Will You Share a Ride With: Factors that Influence Trust of Potential Rideshare Partners

Yang Zhou, Yan Huang외 2명|arXiv (Cornell University)|2017. 07. 13.

Sharing Economy and Platforms참고 문헌 14인용 수 5

한 줄 요약

이 연구는 인스타그램을 포함한 소셜 미디어 프로필이 릴레이스퍼링 파트너에 대한 신뢰에 어떤 영향을 미치는지 조사한다. 최근 10张의 사진과 소셜 미디어 지표를 분석하여, 사회적 증거(40% 분산), 사회적 승인(33% 분산), 자기 공개(13% 분산)라는 세 가지 핵심 신뢰 요소를 규명하였으며, 이는 종합적으로 신뢰 예측 정확도를 F-측정치 87.4%로 향상시켰다. 이는 모든 수집된 요소를 사용한 모델(78.6%)보다 뛰어난 성능을 보였다.

ABSTRACT

Ridesharing can save energy, reduce pollution, and alleviate congestion. Ridesharing systems allow peer-to-peer ride matching through mobile-phone applications. In many systems people have little information about the driver and co-riders. Trust heavily influences the usage of a ridesharing system, however, work in this area is limited. In this paper, we investigate the role of social media in shaping trust and delineate factors that influence the decisions of trust placed on a driver or co-rider. We design a ridesharing system where a rider can see the Instagram profile and 10 recent pictures of a co-rider and ask them to make judgments on six trust related questions. We discovered three important factors that shape trust forming: extit{social proof}, extit{social approval}, and extit{self-disclosure}. These three factors account for 40\%, 33\%, and 13\% of the variance, and subsequent factors extracted accounted for substantially less variance. Using these three factors, we successfully build a trust prediction model with F-measure of 87.4\%, an improvement from 78.6\% on using all factors collected.

연구 동기 및 목표

• 제한된 정보가 제공될 때 잠재적 릴레이스퍼링 파트너에 대한 신뢰에 영향을 미치는 요인을 이해하는 것.
• 특히 인스타그램을 포함한 소셜 미디어 프로필이 릴레이스퍼링 환경에서 신뢰 인식을 어떻게 향상시킬 수 있는지 분석하는 것.
• 피어 투 피어 릴레이스퍼링에서 신뢰를 형성하는 데 가장 영향력 있는 소셜 미디어 속성을 규명하고 검증하는 것.
• 핵심 소셜 미디어 요소를 활용해 개선된 정확도를 얻기 위한 신뢰 예측 모델을 개발하고 평가하는 것.
• 릴레이스퍼링 애플리케이션에서 신뢰 유도 소셜 미디어 신호의 조작 가능성과 내구성에 대한 평가

제안 방법

• 사용자에게 최근 10장의 사진과 소셜 미디어 지표를 표시하는 인스타그램 프로필을 통합한 릴레이스퍼링 프로토타입을 설계했다.
• 아마존 메커니컬 터크를 통해 크라우드소싱 설문조사를 실시하여, 인스타그램 프로필 기반의 신뢰 인식을 평가했다.
• 게시물 수, 팔로워 수, 팔로잉 수, 좋아요 수, 댓글 수, 사진에 등장하는 사람 수 등 총 여덟 가지 소셜 미디어 속성을 수집했다.
• 기초 요인 분석(EDA)을 적용하여 여덟 가지 속성을 사회적 증거, 사회적 승인, 자기 공개라는 세 가지 핵심 신뢰 요인으로 압축했다.
• 원래의 여덟 가지 요소와 추출된 세 가지 요소를 사용해 로지스틱 회귀 모델을 구축하여, 여섯 개의 이진 신뢰 관련 질문에 대한 신뢰 예측을 수행했다.
• 정밀도, 재현율, F-측정치를 사용해 모델 성능을 평가하였으며, 두 요인 집합 간 성능을 비교했다.

실험 결과

연구 질문

• RQ1 인스타그램 프로필의 어떤 소셜 미디어 속성이 잠재적 릴레이스퍼링 파트너에 대한 신뢰 인식에 가장 크게 기여하는가?
• RQ2 사회적 증거, 사회적 승인, 자기 공개가 피어 투 피어 릴레이스퍼링 상황에서 신뢰 형성에 어떻게 통합적으로 기여하는가?
• RQ3 핵심 소셜 미디어 요소를 기반으로 한 신뢰 예측 모델이 모든 수집된 속성을 사용한 모델보다 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 규명된 신뢰 요소들은 얼마나 조작 가능하며, 릴레이스퍼링 시스템 설계에 대한 그 내구성의 함의는 무엇인가?
• RQ5 각 신뢰 요소가 전체 신뢰 인식 분산에 기여하는 상대적 비중은 얼마인가?

주요 결과

• 사회적 증거—인스타그램 사진에 보이는 사람 수로 측정—신뢰 인식의 분산의 40%를 차지하며 가장 강력한 예측 요소였다.
• 사회적 승인—게시물의 좋아요와 댓글 수로 표현—신뢰 인식 분산의 33%를 차지하며 신뢰성 있는 인식을 크게 향상시켰다.
• 자기 공개—총 게시물 수와 팔로잉 계정 수로 나타남—신뢰 인식 분산의 13%를 설명했으며 개방성과 사회성과 연관되었다.
• 이 세 가지 핵심 요소(사회적 증거, 사회적 승인, 자기 공개)는 신뢰 형성의 총 분산의 86%를 설명했다.
• 오직 이 세 가지 핵심 요소만을 사용한 신뢰 예측 모델은 F-측정치 87.4%를 달성했으며, 원래의 여덟 가지 요소를 모두 사용한 모델의 78.6%보다 뚜렷한 성능 향상을 보였다.
• 결과는 핵심 신뢰 요소에 집중할 경우 모델 성능 향상이 가능하며, 릴레이스퍼링 플랫폼이 사용자 신뢰와 참여도를 높이기 위한 실질적인 통찰을 제공함을 시사한다.