社会科学的一个开创性发现是，人们更有可能通过他们的社会关系而不是通过广告或直接的求职申请找到高薪工作。出乎意料的是，最有用的关系并不是求职者的牢固关系——亲密的朋友或家人。相反，最有用的关系是朋友的朋友，或弱关系——最不被期望有能力或愿意帮助的接触。尽管许多在不同背景下的面对面和在线社交网络的研究已经使用弱联系的强度(SWT)来解释他们的发现，但其理论基础还需要进行因果检验。现在，在追踪了LinkedIn社交网络平台上超过2000万的用户之后，Rajkumar等人在《科学》上报告了SWT论文的因果检验。这些数据证实了弱联系的力量，但也提出了关于人际联系对成功和失败的影响的问题。

Mark Granovetter里程碑式的SWT出版物揭示了更多关于社交网络的信息，而不仅仅是它们在求职中的作用。研究表明，不同类型的网络联系在塑造我们的生活中扮演着不同的角色。强关系倾向于知道相同的信息，以相似的方式思考。相比之下，弱联系获取新信息是因为它们连接了原本不相连的社交圈。特别是，在过去的20年里，网络科学发展迅速，改变了我们对互联网、社交网络和人类细胞等多种系统的理解。与此同时，大规模社交网络数据和实验的使用出现了爆炸式增长，这些数据和实验帮助隔离了社交网络驱动政治行为的方式、个人偏好和社会规范的形成。

尽管数据和计算能力取得了进步，但对SWT理论的因果理解一直缺乏。这凸显了研究人员必须克服的许多核心挑战，即使拥有大量的观察数据。一个人的社会网络中弱联系的盛行率和他们的工作结果之间的关联并不意味着这两者之间有因果关系。

考虑一个梦想实验，在这个实验中，社会网络中强联系和弱联系的流行率被随机改变，看看这些变化是否会导致找到工作的概率发生变化。想象一下，这个实验在世界上最大的职业社交网络上进行了多次，在全球范围内有数千万受试者。这个梦想刚刚实现了，多亏了LinkedIn对数据的巧妙使用。

社交网络平台的一个关键特征是所谓的“你可能认识的人”(PYMK)算法，它向用户推荐新的联系。社交网络公司经常进行实验来调整他们的领带推荐引擎。LinkedIn尝试了不同版本的PYMK算法，在5年的时间里，在超过2000万LinkedIn用户的职业网络中，对弱联系的流行率产生了随机变化，在这期间记录了约20亿新联系和60万次工作变化。Rajkumar等人利用了弱联系的这些外源性变异，并通过LinkedIn对这些PYMK实验进行了回顾性分析。具体而言，为了推断因果关系，作者将用户随机分配到7种不同的PYMK算法变体中作为一种工具，这将根据分配给用户的实验变体，改变每个用户暴露于更少或更多数量的弱或强联系的情况。他们通过测量工作申请和工作转换来检验工作结果(见图示)。他们用两种常用的测量方法来估算两个人之间的联系强度——计算他们共同的朋友的数量和他们的互动强度。

他们的发现证实了格兰诺维特的论点，但也增加了进一步的细微差别。首先，他们发现弱联系确实很重要。例如，只和一个共同的朋友联系。也就是非常弱的关系——比强的关系(比如有25个或更多共同朋友的关系)更有可能导致工作变动。然而，与此同时，他们也发现了联系强度和工作结果之间的倒U型关系。例如，与那些与一个共同朋友关系非常弱的人相比，与10个共同朋友关系紧密的人换工作的概率几乎翻倍。也就是说，适度的弱联系似乎对工作结果最有利。

这些结果令人着迷的原因有几个。首先，在线社交网络的兴起极大地改变了“朋友”或“朋友的朋友”的含义，今天的在线社交网络似乎与格兰诺维特50年前研究的线下社交网络一样，在解释就业流动性等经济结果方面具有相关性。

此外，虽然这种倒U型关系与Granovetter的发现并不矛盾，但它提示需要进一步概念化。那些与你几乎没有共同关系或经历的熟人却愿意帮助你，这不仅是社会学上的有趣之处，也说明了一系列社会心理学的发现。研究表明，人们更有可能帮助与他们有共同之处的人，即使有时这些共同的身份是随机的，比如同一天生日。考虑到联系强度遵循长尾分布，这就特别有趣，这意味着非常弱的联系比强的联系多得多。然而，这一发现表明，较弱的社会联系并不总是更好的，这对如何最好地管理一个人的社交网络有启示。它表明，在LinkedIn上，对你寻找更好的工作最有价值的联系人不是你最亲近的人，也不是你接受邀请的数千名联系人，而是介于两者之间的某个位置。这些人与你分享一些可以激励他们提供帮助的联系方式，同时，他们之间的距离也足够远，可以让你接触到你和你的亲密联系人所没有的新的和有用的工作信息。

在未来工作的许多方向中，有两个广泛的机会特别值得注意。首先，对于不同性别、种族或其他人口统计学特征的人来说，社交网络的作用有何不同?SWT暗示社会联系是工作流动性不平等的主要来源。例如，考虑到弱关系涉及到在你的强关系之外有不同的联系，倾向于在他们的飞地内形成社会网络的群体可能很少有机会与他们社区之外的弱关系建立联系。因此，了解一个社区的文化和约束可能是减少工作场所不平等的关键。这是作者无法研究的问题，因为没有人口统计学信息。

缺乏人口统计学信息也意味着作者无法说明通过社会网络获得工作对男性和女性有何不同。最近一项关于科学、技术、工程和数学(STEM)和其他专业领域的研究生就业情况的研究表明，弱联系假设似乎只适用于男性学生。在其他条件相同的情况下，竞争相同工作的女性学生似乎需要与其他女性既有弱联系又有强联系才能获得最好的工作。大概是因为这种紧密的联系向雇主传达了公司对女性领导职位的文化取向。这些发现呼应了Granovetter最初对不平等的关注，并进一步强调了社交网络在理解社会许多方面的不平等方面的重要性。

同样重要的是要认识到，社交网络文献不成比例地关注网络如何驱动成功，而忽略了经常发生在个人、团队和组织中的失败。例如，人们很少能通过第一次面试就找到理想的工作;相反，他们往往不得不忍受一轮又一轮的拒绝。关于失业的研究表明，强大的联系是那些在失败的尝试中支持求职者的联系。这些可能性突出了富有成效的研究机会，同时提出了一个更广泛的问题，即通过分析成功获得的见解是否能完整地说明失败在劳动力市场及其他领域培育成功中所起的作用。

幸运的是，由于新获得的大规模数据集记录了社会、科学和技术领域中普遍存在但经常被忽视的失败，以及它们的成功对手，情况正在彻底改善。一项专门关注失败的新研究已经开始揭示一系列令人着迷的见解，这些见解挑战了人们对成功的思考方式。例如，当人们在工作中经历负面冲击时，他们倾向于利用他们的强关系而不是适应性地激活弱关系来获取新信息。而且，尽管有广泛的证据支持“成功孕育成功”的观点，但失败似乎具有相当强大的抵消效应，促使个人获得更大的长期成功。结合数学工具和建模，分析失败——成功的前兆——可以帮助识别嵌入失败中的可检测的早期信号，这些信号将导致最终的胜利或失败。系统地理解失败不仅可以改变我们对失败的思考，也可以改变我们对成功的思考。

虽然科学可能已经成功地理解了网络如何帮助我们成功，但它未能理解网络如何在失败中支持我们。这凸显了一个深远的机遇。事实上，许多科学家通过研究成功来了解不平等的根源。但没有认真对待失败，这可能是不平等问题尚未解决的原因。

Weak ties, failed tries, and success | Science