This finding on its own is consiste

This finding on its own is consistent with the conformity hypothesis: reviews in aggregate are deemed more helpful when they are close to the product average. However, a closer look at the data raises complications, as we now see. First, to assess the brilliantbut-cruel hypothesis, it is natural to look not at the absolute difference between a review’s star rating and its product average, but at the signed difference, which is positive or negative depending on whether the star rating is above or below the average. Here we find something a bit surprising (Figure 2). Not only does the median helpfulness as a function of signed difference fall away on both sides of 0; it does so asymmetrically: slightly negative reviews are punished more strongly, with respect to helpfulness evaluation, than slightly positive reviews. In addition to being at odds with the brilliant-but-cruel hypothesis for Amazon reviews, this observation poses problems for the conformity hypothesis in its pure form. It is not simply that closeness to the average is rewarded; among reviews that are slightly away from the mean, there is a bias toward overly positive ones

ผลลัพธ์ (ไทย) 1:

ค้นพบนี้เองคือสอดคล้องกับสมมติฐานสอดคล้อง: ความคิดเห็นรวมกันถือว่าเป็นประโยชน์มากเมื่ออยู่ใกล้ค่าเฉลี่ยผลิตภัณฑ์ อย่างไรก็ตาม ข้อมูลยก ภาวะแทรกซ้อนที่เราเห็น ครั้งแรก การประเมินสมมติฐาน brilliantbut โหดร้าย เป็นธรรมชาติดูไม่แน่นอนต่างดาวความคิดเฉลี่ยผลิตภัณฑ์ แต่ ที่เซ็นต่าง กัน ซึ่งเป็นบวก หรือลบขึ้นอยู่กับว่าดาวอยู่เหนือ หรือต่ำ กว่าค่าเฉลี่ย ที่นี่เราพบสิ่งที่น่าแปลกใจเล็กน้อย (รูป 2) ไม่เพียงแต่ ไม่งามเฉลี่ยเป็นฟังก์ชันของเซ็นต่างอยู่ห่างกันทั้งสองด้านของ 0 มันไม่ให้ asymmetrically: ความคิดเห็นเชิงลบเล็กน้อยลงโทษอย่างรุนแรง เกี่ยวกับประเมินผลงาม กว่าเล็กน้อยดี นอกจากจะขัดแย้งกับสมมติฐานโหดร้ายยอดเยี่ยมแต่สำหรับความคิดเห็น Amazon สังเกตนี้ poses ปัญหาสำหรับสมมติฐานสอดคล้องในรูปแบบบริสุทธิ์ ไม่เพียงแค่ว่า ใกล้เคียงกับค่าเฉลี่ยที่ได้รับรางวัล ในความคิดเห็นที่ห่างหมายถึงเล็กน้อย มีอคติต่อคนบวกมากเกินไป

ผลลัพธ์ (ไทย) 2:

การค้นพบในตัวเองซึ่งสอดคล้องกับสมมติฐานสอดคล้อง: ความคิดเห็นในภาพรวมถือว่าเป็นประโยชน์มากขึ้นเมื่อพวกเขาอยู่ใกล้กับค่าเฉลี่ยของสินค้า แต่มองใกล้ที่ข้อมูลที่ก่อให้เกิดภาวะแทรกซ้อนที่เป็นตอนนี้เราเห็น ครั้งแรกในการประเมินสมมติฐาน brilliantbut-โหดร้ายมันเป็นธรรมชาติที่จะมองไม่ได้อยู่ที่ความแตกต่างแน่นอนระหว่างการจัดอันดับดาวทบทวนและเฉลี่ยผลิตภัณฑ์ของตน แต่ในความแตกต่างของการลงนามซึ่งเป็นบวกหรือลบขึ้นอยู่กับว่าการจัดอันดับดาวอยู่เหนือหรือ ต่ำกว่าค่าเฉลี่ย ที่นี่เราพบสิ่งที่น่าแปลกใจเล็กน้อย (รูปที่ 2) ไม่เพียง แต่ความเอื้ออาทรแบ่งเป็นฟังก์ชั่นที่แตกต่างลงนามร่วงลงไปทั้งสองด้านของ 0; มันไม่ได้แบบไม่สมมาตร: ความคิดเห็นเชิงลบเล็กน้อยจะต้องถูกลงโทษมากขึ้นอย่างมากเกี่ยวกับการประเมินผลประโยชน์กว่าคิดเห็นในเชิงบวกเล็กน้อย นอกจากจะเป็นที่ขัดแย้งกับสมมติฐานที่ยอดเยี่ยม แต่-โหดร้ายสำหรับความคิดเห็น Amazon, ข้อสังเกตนี้ poses ปัญหาสมมติฐานสอดคล้องในรูปของสารบริสุทธิ์ มันไม่ได้เป็นเพียงแค่ความใกล้ชิดกับค่าเฉลี่ยที่ได้รับรางวัล; ท่ามกลางความคิดเห็นที่อยู่ห่างออกไปเล็กน้อยจากค่าเฉลี่ยมีอคติต่อคนที่เป็นบวกมากเกินไป

ผลลัพธ์ (ไทย) 3:

นี้การค้นหาของตนเอง สอดคล้องกับสมมติฐาน : ตามรีวิวในการรวมถือว่ามีประโยชน์มากขึ้นเมื่อพวกเขาอยู่ใกล้กับค่าเฉลี่ยของผลิตภัณฑ์ อย่างไรก็ตาม ดูข้อมูลเพิ่มภาวะแทรกซ้อน อย่างที่เราเห็น ก่อน เพื่อประเมิน brilliantbut โหดร้ายสมมติฐาน เป็นธรรมชาติ ดูไม่แตกต่างแน่นอนระหว่างคะแนนดาวของการทบทวนและผลิตภัณฑ์เฉลี่ย แต่ที่เซ็นที่แตกต่างซึ่งเป็นบวกหรือลบขึ้นอยู่กับว่าดาวอยู่ด้านบนหรือด้านล่างเฉลี่ย ที่นี่เราพบบางสิ่งที่น่าประหลาดใจเล็กน้อย ( รูปที่ 2 ) ไม่เพียง แต่เป็นประโยชน์มัธยฐานเป็นฟังก์ชันของเซ็นแตกต่างไปบนทั้งสองข้างของ 0 ; มันไม่ได้ asymmetrically ความคิดเห็นเชิงลบเล็กน้อยมีโทษมากขึ้นอย่างยิ่ง ส่วนการประเมินผลประโยชน์กว่าความคิดเห็นบวกเล็กน้อย นอกจากจะหมางใจสดใส แต่โหดร้ายสมมติฐานสำหรับ Amazon รีวิว การสังเกตนี้ poses ปัญหาสำหรับสอดคล้องสมมติฐานในรูปแบบบริสุทธิ์ มันไม่ได้เป็นเพียงความใกล้ชิดกับเฉลี่ยรางวัล ระหว่างที่กำลังรีวิวอยู่ห่างจากค่าเฉลี่ย มีอคติทางบวกมากเกินไปที่