图片来源：百度图片

文章来源：Qiu J, Chen Y, Cohn A, et al. Social Media and Job Market Success: A Field Experiment on Twitter[J]. Available at SSRN 4778120, 2024.

原文链接：

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4778120

01

写在前面

在互联网时代，社交媒体已经逐渐成为人们日常生活中交流沟通的一个重要渠道。随着社交媒体的进一步普及与发展，许多企业开始借助社交媒体招贤纳士。社交媒体凭借其运用范围广、普及人群大和独特的互动性，很快吸引了雇主雇员双方的眼球。企业可以利用社交媒体接收求职者的反馈信息，并利用多媒体平台进行企业文化的传播和扩展。

在不断变化的职场环境的大背景下，无论是寻找新工作，还是希望把握时机，都可以运用社交媒体改变传统求职流程。今天，笔者将分享一篇Working paper。这篇文章采用随机实验的方法，探究社交媒体推广求职学者的代表作，对于其知名度和找工作的效果。尽管研究方法较为简单，但是实证分析非常严谨，且结论具有很强的现实意义。

02

引言

社交媒体已经成为快速和广泛传播个人最新研究成果的媒介工具，这对于即将步入求职市场的学者而言同样如此。然而，现有文献并未考察社交媒体推广代表作，对于求职者就业情况的因果影响。这篇文章通过在2022-2023年期间，在经济学就业市场上开展的一项Twitter现场试验，探究社交媒体在多大程度上可以作为一种低成本和可扩展的干预措施来增强经济学专业的多样性。此外，考虑到女性在经济学领域存在代表性不足（“歧视”），因而往往面临更高的标准要求，最终出现她们在好期刊的发表较少、合著文章得到的认可较少、引用较少的现象。同样，在少数种族和少数民族中的这种差异更为明显（经济学的学术讲座中，一般只有不到24%是女性，只有1%来自少数种族和少数民族，远低于总体比例）。因此，这篇文章还评估了社交媒体推广代表作，对于改善弱势群体就业前景的潜力。这有助于个人的职业发展，完善领域内群体的多样性。文章采用领域“大牛”在Twitter带评论转发即将步入求职市场学者的代表作作为干预，这起到了桥梁的作用，提高了求职学者在领域内的知名度和认可度。结果发现，社交媒体推广代表作显著提高了求职学者在Twitter上的可见性和认可性，实验组Twitter推文的浏览量增加了442%，点赞量增加了303%。在就业市场的结果方面，实验组的参与者平均比对照组多一次面试机会。此外，实验组的女性获得的工作机会比对照组的女性多0.9个。这篇文章利用随机现场试验的方法，研究发现社交媒体推广代表作，提高了求职学者在领域内的知名度，并对他们的学术就业市场结果产生了积极影响。

03 

实验设计

随机现场试验在2022-2023年经济学求职市场中进行。具体步骤如下图所示：

2022年9月，作者从AEA’s Job Openings for Economists、European Job Market for Economists、部门网站等找到了2714名求职学者。2022年10月，作者创建了一个专门的Twitter账号（Econ Job Market Helper），来推广求职的代表作，并宣传和邀请朋友和同事们关注此账号。整个实验期间，该账号收获了2000多名粉丝（大概位于所有账户中前85%的位置）。同时，邀请了4000多名经济学“大牛”作为干预者参与实验，这些大牛的粉丝数量分布如下图所示：

（一）阶段一：预调研

2022年11月初，向2714名求职学者分发了调查问卷，收集他们的学术背景、工作偏好、个人特征、Twitter账号等信息，并要求他们撰写自己求职代表作的Twitter推文（在撰写前会对他们进行培训）。为了激励这些求职学者完成问卷，作者向他们提供一个参加关于就业市场准备的虚拟研讨会的机会，以及推广他们求职代表作的机会。最终，有849名求职学者完成了问卷，有590名求职学者还撰写了自己求职代表作的Twitter推文。考虑到有些求职学者已经在自己的Twitter账号上宣传了自己的求职代表作。因此，作者在2022年11月9日-2022年12月1日期间，在专用Twitter账号上发布了这590篇Twitter推文，保证每个参与者的推文都被暴露给类似的受众，从而减少可能产生的不平等。总体而言，实验组和对照组在干预前没有明显区别。同时，作者还对存在区别的变量（有无Twitter账号、是否US公民等）在后续回归中进行了控制。

（二）阶段二：实验干预

接下来，作者进行了分层随机化，保证实验组的每个实验对象都有与之相似的在对照组的对象。随机分组：求职学者们被分成了Underrepresented group（女性、少数民族、少数种族）和non-Underrepresented groups两组，然后根据其所在学术机构是否位于美国前30名进行进一步划分。在每个组内，又根据求职学者导师在Google Scholar上的引用情况进行排序，实施匹配三重组设计（有效匹配对实验设计的扩展）。匹配：随机化后，将实验组的每个实验对象与各自领域内的其它实验参与者进行配对，配对依据为其代表作的摘要和“大牛”在Google Scholar上引用前20名的论文摘要的余弦相似度（cosine similarity），具体算法在此不加赘述，感兴趣的读者可以详细阅读原文这一部分。干预过程：在2022年11月28日-2022年12月8日期间，作者联系了“大牛”并告知分给其转发的论文代表作，要求他们使用统一的模板并结合自己的观点评论，同时要求在专用的Twitter账号上进行转发。平均而言，每个“大牛”分到了三篇论文代表作转发的任务。为了保证推送的有效传播，作者还对邮件进行了定时，防止所有“大牛”在同一天转发，实际中转发内容的合规情况非常高。数据收集：2023年4月，在招聘结束后，作者从Twitter API和Twitter Analytics收集数据，以检验“大牛”转发如何影响求职代表作的可见性和认可性。具体包括：浏览量（可见性）、点赞量（认可性）。98%的浏览和点赞都发生在2022年12月，即进行干预的期间。

（三）阶段三：后期跟访

2023年5月，作者进行了后期跟访，收集求职学者的就业情况，包括面试次数、线下体验次数、收到录用通知次数、工资范围、工作满意度等。为了激励这些求职学者完成问卷，作者向他们提供一张10美元的亚马逊礼品卡，并对始终没有回应的人发送了多达6次提醒。为了确保数据的真实性，作者还针对工资高于60万美元/年（低于2.5万美元/年）、面试次数（超过50次）等存在异常值可能性的变量的求职学者进行了联系，然后对异常数据进行了修正。最终数据的统计描述如下：大部分变量的统计情况与美国经济协会（AEA）在2023年5月的调查相似。

预测研究。作者还将干预结果与就业专家的预测进行了比较。具体而言，通过社会科学预测平台（SSPP）将调查情况分发给73名早期职业经济学家。2023年12月18日，又将调查范围扩大到81位“大牛”，最终收到了31份预测结果。作者要求SSPP专家和“大牛”使用0到100的滑动量表预测实验组所有个体的就业结果。其中，预测最准确的三位将获得一张100美元的亚马逊礼品卡。

04

结果

文章主要考察了实验干预对于Twitter推文的浏览量和点赞量、求职学者的就业结果（面试次数、线下体验次数、收到录用通知次数、工资范围、工作满意度）的影响。考虑到干预的高合规率（88%），因此LATE和ITT的效果接近。正文主要报告ITT的结果，将LATE的结果放在了附录中。考虑到推文整体的可读性，本推文仅汇报ITT的结果，对LATE结果感兴趣的读者可以详细阅读原文附录。具体回归模型如下：

其中，Y为被解释变量，Treatment group为个体是否被分配到实验组中，URG为是否属于Underrepresented group（女性、少数民族、少数种族），X为个体特征的控制变量，Z为学术背景特征的控制变量。

上图展示了干预对求职代表作的可见性（浏览量）和认可性（点赞量）的影响。

结论1：可见性和认可性。社交媒体推广代表作显著提高了求职学者在Twitter上的可见性和认可性，实验组Twitter推文的浏览量增加了442%（3970次），点赞量增加了303%（11.8个）。下图展示了干预对求职学者的就业结果（面试次数、线下体验次数、收到录用通知次数、工资范围、工作满意度）的影响。

结论2：面试。社交媒体推广代表作对于求职学者的面试次数没有影响。作者推测这可能是由于干预时间进行的较晚。由于疫情，相比于之前的年份，2022-2023年就业市场的面试邀请的发布时间更早。截至11月28日（12月8日），即干预的开始（结束）日期，已经发出了199（2931）份面试邀请。结论3：线下体验。社交媒体推广代表作对于求职学者的线下体验次数具有显著提升作用，平均增加了1次。结论4：收到录用通知次数。社交媒体推广代表作对于求职学者收到录用通知次数具有显著提升作用，平均增加了0.4次。接下来，作者通过增加Underrepresented group（女性、少数民族、少数种族）的虚拟变量，与实验干预虚拟变量的交互项，考察了社交媒体推广代表作的异质性效果。

结论5：性别。社交媒体推广代表作对于女性而言，比对照组的女性多获得0.9个收到录用通知次数。为了正确看待这些效应的经济意义，作者将它们分别与“大牛”和就业专家的预测结果进行了比较。“大牛”和就业专家均预测，从面试次数、到线下体验次数、再到收到录用通知次数，干预的效果会逐渐减弱。然而，与就业专家相比，“大牛”的估计在每一项中均更低（保守）。有趣的是，他们都高估了对面试次数的积极影响，低估了对线下体验次数和收到录用通知次数的积极影响。综上所述，这也再一次验证文章发现干预对面试次数没有影响，可能是由于干预的时间太晚。

接下来，作者考察了实验干预对于工资、工作满意度的影响。

结果发现，社交媒体推广代表作对于工资没有影响，对于工作满意度同样也没有影响。最后，作者考察了分配给不同“大牛”的特征是否会影响异质的干预效果，分别从“大牛”的引用情况、粉丝情况进行了探究。研究发现，分配给引用数高于中位数的“大牛”的求职学者获得了额外的2.9次面试机会、2.1次线下体验、0.5次收到录用通知。

分配给粉丝数低于中位数的“大牛”的求职学者获得了额外的3.4次面试机会、1.4次线下体验、0.6次收到录用通知。作者认为，该结论不能归因于Twitter的可见性或是认可性。虽然分配给中位数以上“大牛”的求职学者的浏览量的影响是中位数以下影响的三倍，但点赞量的差异很小且不显著。这表明，尽管中位数以上“大牛”拥有更多的粉丝，但这些粉丝中的许多人可能并不是积极参与的学者。

为了探究粉丝较少的“大牛”是否更努力地编写他们的转发评论，作者还请了一位研究助理和两个大型语言模型（ChatGPT-4和Claude-3），以1-5的等级对转发评论的特异性和认可性进行分类。结果发现，来自中位数以下和中位数以上“大牛”的转发评论在具体指标方面基本相似。

05

讨论

这篇文章考察了领域“大牛”在Twitter带评论转发即将步入求职市场学者的代表作，是否增加了其知名度，改善就业情况，同时特别关注了那些弱势群体（女性、少数民族、少数种族）。研究结果表明，社交媒体推广代表作显著提高了求职学者在Twitter上的可见性（浏览量）和认可性（点赞量），实验组Twitter推文的浏览量增加了442%，点赞量增加了303%。在就业市场的结果方面，实验组的参与者平均比对照组多一次面试机会。此外，实验组的女性获得的工作机会比对照组的女性多0.9个。这意味着，社交媒体推广可以作为改善就业情况的有效且可扩展的工具，特别是对那些在经济学研究领域中一直处于弱势地位的女性。当然，这篇文章也有一些不足：1.样本量并不大，这限制了结论的稳健性。2.数据都是在一年内收集的，因而无法评估干预的长期效果。

06

写在最后

过去人们找工作多半通过熟人介绍和学习包分配等方式。随着互联网的到来，招聘网站开始成为人们获取招聘信息的新渠道。在互联网+时代，各种微招聘、基于位置服务招聘形式开始渗透到就业主力军们求职渠道中，这些新招聘方法能够缩小职位空缺与可用劳动力之间的差距。暑假进度即将过半，秋招即将来临。对于每一个应届毕业生来说，求职都是一段修行的过程。投出的简历石沉大海，会让人不禁怀疑自己。求职的过程会焦虑、会后悔，各种情绪会萦绕脑中。行动是实干家的通行证，也是取得理想成果的必经之路。你若盛开，清风自来。宇宙的尽头可能不是大厂也不是考公，而是心态平和、积极且满足的自己。

 Abstract 

We conducted a field experiment on Twitter to examine the impact of social media promotion on job market outcomes in economics. Half of the 519 job market papers tweeted from our research account were randomly assigned to be quote-tweeted by prominent economists. Papers assigned to be quote-tweeted received 442% more views and 303% more likes. Moreover, candidates in the treatment group received one additional flyout, with women receiving 0.9 more job offers. These findings suggest that social media promotion can improve the visibility and success of job market candidates, especially for underrepresented groups in economics such as women.

推文作者：杨杰，中国人民大学应用经济学院博士生。推文可能存在纰漏与不足，非常欢迎大家批评和指正！交流方式：yangjie__2000@163.com

声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点。