1

Jurnal Teknologi Informasi (2016), 1–20

© 2016 JIT Palgrave Macmillan Semua hak dilindungi undang-undang 0268-3962 / 16

palgrave-journals.com/jit/

Artikel Penelitian

Pembagian informasi dan perilaku pengguna

dalam sistem peminjaman peer-to-peer yang
didukung internet: studi empiris
Joseph Feller, Rob Gleasure, Stephen Treacy
Jurusan Akuntansi, Keuangan dan Sistem Informasi, University College Cork, Cork, Irlandia

Korespondensi:
J Feller, Jurusan Akuntansi, Keuangan dan Sistem Informasi, University College Cork, O'Rahilly Building 2.130, College Road,
Cork, Irlandia.
Tel: +353 21 4903337;
Faks: +353 (21) 4271566;
E-mail: jfeller@afis.ucc.ie

Abstrak
Intern berbasis sistem informasi (IS) telah memungkinkan berbagai bentuk kecerdasan kolektif,
tindakan, dan sumber daya (misalnya perangkat lunak open source, pasar inovasi,
crowdsourcing, dan crowdfunding). Dalam domain crowdfunding, Sistem Peer-t -Peer sistem
pinjaman (IP2PLS) yang tersedia di Internet telah muncul sebagai teknologi yang mengganggu,
dengan implikasi untuk sektor jasa keuangan, strategi kapitalisasi bisnis, dan pengembangan
pribadi dan masyarakat. IS penelitian yang menyelidiki perilaku pengguna di IP2PLS telah
mengungkapkan pentingnya identitas sosial dan transparansi pribadi (seperti yang
diungkapkan melalui berbagi informasi) dalam sistem semacam itu. Penelitian sebelumnya
sebagian besar terfokus pada sejumlah kecil penyedia IP2PLS, oleh karena itu penelitian ini
menguji platform yang sangat besar tetapi kurang dipahami. Penelitian ini menguji model
teoritis berdasarkan Teori Identitas Sosial dan studi IP2PLS sebelumnya, melalui analisis
terhadap 116.667 catatan pinjaman, dan analisis selanjutnya dari 1000 catatan kode secara
manual, untuk menyelidiki dampak informasi yang terkait dengan perilaku pengguna (pemberi
pinjaman dan peminjam) . Studi ini mengungkapkan pentingnya data sosial (vs keuangan), dan
lebih lanjut mengungkapkan hubungan yang sering bertentangan dengan temuan sebelumnya
dari IP2PLS lainnya. Studi ini menyiratkan perlunya pandangan yang lebih heterogen dari
domain IP2PLS, dan kebutuhan untuk lebih memahami sepenuhnya sistem yang mendukung
perilaku pengguna dengan memungkinkan pertukaran informasi sosial.
Journal of Information Technology memajukan publikasi online, 23 Februari 2016; doi : 10.1057 / jit.2016.1
Kata kunci: Internet-enabled Peer-to-Peer Lending Systems (IP2PLS); crowdfunding; tindakan
kolektif; Berbagi informasi; transparansi pribadi; Teori Identitas Sosial

1
 pengantar
makalahnya menyajikan temuan - temuan studi empiris yang berteori tentang hubungan antara identitas sosial dan
transparansi pribadi (seperti yang diungkapkan melalui pembagian informasi), dan perilaku pengguna (pemberi
pinjaman dan peminjam) yang berakibat dalam bentuk yang muncul dari sistem informasi kerja bersih (IS) yang
dirancang untuk mendukung aksi kolektif, yaitu Sistem Peminjaman Peer-to-Peer (IP2PLS) yang Diaktifkan oleh
Internet .
Kami mengkategorikan IP2PLS sebagai anggota dari portofolio IS berbasis Internet yang berkembang yang
memungkinkan tindakan kolektif dalam skala global . Sistem seperti itu mencakup alat komunikasi, koordinasi dan
kolaborasi yang digunakan untuk menggabungkan keahlian dan pengetahuan terdistribusi dalam pengembangan
perangkat lunak open source (misalnya Linux) dan konten terbuka (misalnya Wikipedia), platform kontes yang
digunakan untuk menggabungkan kreativitas (misalnya Threadless) dan inovasi (misalnya InnoCentive), infrastruktur
yang memungkinkan kerja mikro kolektif (misalnya Mekanis Turk) dan pemrosesan informasi kolektif (misalnya
sistem penandaan), dan sistem yang memungkinkan penyatuan sumber daya om oming global (misalnya BOINC).
Secara khusus, IP2PLS adalah platform yang memungkinkan agregasi dan pertukaran sumber daya keuangan dan
dengan demikian terkait dengan platform pasar elektronik lainnya (misalnya Kickstarter) dirancang untuk mendukung
proses crowdfu nding.
Semua fenomena di atas telah menarik perhatian besar dari komunitas IS karena sifatnya yang mengganggu dan
transformatif. Sistem-sistem asli Internet ini (antara lain) telah memungkinkan munculnya bentuk-bentuk baru
kreativitas, produktivitas, dan pemecahan masalah yang menantang pemikiran kita tentang sifat inovasi dan kerja.
Sebagai generatif dan berkembang fenomena, mereka memungkinkan IS peneliti untuk menjelajahi beberapa
pertanyaan mendasar dari disiplin IS, secara khusus (sebagai Benbasat dan Zmud (2 003) frase itu) yang 'perilaku
manusia kembali tercermin dalam, dan diinduksi melalui kedua (1) perencanaan, merancang, membangun, dan
mengimplementasikan, dan (2) penggunaan langsung dan tidak langsung dari [IS] artefak ... [dan] ... dampak
(langsung dan tidak langsung, dimaksudkan dan un dimaksudkan) dari artefak ini pada manusia yang secara langsung
(dan tidak langsung) berinteraksi dengan mereka. '
Dalam domain crowdfunding, IP2PLS telah juga muncul sebagai genre teknologi mengganggu, dengan implikasi
untuk sektor jasa keuangan, strategi kapitalisasi bisnis, dan pengembangan pribadi dan masyarakat. IP2PLS dukungan
Peer-to-Peer Pinjaman (P2PL), suatu bentuk crowdfunding di mana pinjaman terjadi 'antara individu pribadi di
platform online di mana lembaga-lembaga finansial beroperasi hanya sebagai int ermediates diwajibkan oleh hukum'
(Bachman et al, 2011:. 2) . Asal-usul P2PL berhubungan dengan Zopa.com di Inggris, platform yang fi rst besar yang
didedikasikan untuk P2PL (Iacobuzio 2006, Kupp dan Anderson, 2007, Briceno Ortega dan Bell, 2008) dan sejak itu,
berbagai platform lainnya telah muncul di negara di seluruh dunia. Platform tersebut termasuk Prosper and Lending
Club di AS (Wang dan Greiner, 2011), PPDai dan My089 di China (Chen dan Han, 2012), Popfunding di Korea
Selatan (Jeong et al. , 2012), dan Smava in Germ any ( Pötzsch dan Böhme, 2010).
Dalam IP2PLS, interaksi teknologi dengan bias manusia halus dan isyarat-isyarat sosial yang memengaruhi
perilaku pinjaman (bagaimana data sosial bersama dan ditafsirkan) sangat menonjol, dan telah menarik peneliti di
tention dari kedua IS (misalnya Greiner dan Wang, 2009) dan disiplin kognitif termasuk Ekonomi (misalnya Dezs ő
dan Loewenstein, 2012), Sumber Daya Manusia (Pope dan Sydnor, 2011), Pendidikan Bisnis (Livingston dan
Glassman, 2009), dan Pemasaran (misalnya Herzenstein et al. , 2011b).
Pekerjaan saat ini didorong oleh interaksi antara domain manusia dan teknologi. Sementara kita mengakui
pentingnya ekonomi IP2PLS sebagai pasar elektronik (cf Chen et al., 2009), dalam penelitian ini kami mengandaikan
bahwa itu adalah e kemampuan th pengguna untuk memanusiakan pengguna lain (secara khusus dari pemberi
pinjaman untuk memanusiakan peminjam, dan kemampuan untuk menyimpulkan kepercayaan peminjam dan
identitas dari liations fi af sosial mereka), yang merupakan dasar untuk memahami dinamika syst ini ems. Secara
berangsur-angsur, walaupun ada konsensus seputar pentingnya informasi sosial di P2PL, hal ini sering dibahas dalam
istilah yang menganggap homogenitas di seluruh IP2PLS yang berbeda, terlepas dari bukti bahwa fungsi sistem ini
(dan dengan demikian motivasi dan perilaku pengguna mereka) dapat bervariasi. secara luas (Wang et al. , 2009,
Bachmann et al. , 2011). Hal ini semakin diperumit oleh bias dalam literatur penelitian empiris terhadap sejumlah
kecil platform P2PL, terutama Prosper, sehingga mengarah pada gambaran yang tidak lengkap dari fenomena tersebut.
Menanggapi situasi ini, penelitian kami telah secara khusus dirancang untuk menargetkan platform P2PL bawah
diselidiki, Lending Club, yang akan tampak berbeda dalam beberapa cara signifikan dari subyek dominan penelitian
sebelumnya, misalnya dengan menawarkan kurang ruang lingkup untuk informasi sosial yang tidak terstruktur, foto,
dan ikatan sosial dalam-platform formal. Akibatnya, kurang jelas bagaimana identitas sosial peminjam 'dapat
disimpulkan di IP2PLS tersebut, dan dengan demikian beberapa ortant imp dan pertanyaan yang belum terjawab
muncul. Melalui analisis 116.667 catatan kredit, dan analisis berikutnya 1000 catatan manual kode melalui proses
analisis isi, kita menyelidiki dampak dari berbagi pada pengguna pinjaman dan pembayaran perilaku dalam Lending
Klub IP2PLS informasi, mengungkapkan hubungan yang sering bertentangan dengan temuan dari penelitian
sebelumnya
Makalah kami disusun sebagai berikut. Pertama, kami mengkonsepkan fenomena minat melalui sintesis penelitian
sebelumnya, dan mengembangkan model teoritis yang digunakan dalam penelitian ini. Secara khusus, kami
menggunakan Teori Identitas Sosial (SIT) untuk berteori berbagi informasi dan berbagi informasi harapan dalam dan
di antara IP2PLS. Kedua, kami menyajikan desain studi kami. Kami menggambarkan strategi sampling dan pemilihan
situs lapang kami, mendiskusikan sifat data transaksi kami mengatur dan menjelaskan data kami proses coding
(dengan contoh-contoh coding juga diberikan dalam Lampiran C). Ketiga, kami menyajikan temuan kami, dalam dua
bagian. Iterasi 1 menjelaskan metode analisis regresi digunakan dan menyajikan temuan kami tentang cara berbagi
pengguna data 'keras' (data eksplisit diharapkan dan dibutuhkan oleh IP2PLS) memprediksi perilaku pengguna,
berdasarkan analisis dari 116.667 catatan pinjaman. Iterasi 2 menjelaskan metode analisis regresi digunakan dan
menyajikan temuan kami tentang cara berbagi pengguna data 'lunak' (data tidak secara eksplisit diharapkan atau
dibutuhkan oleh IP2PLS) memprediksi perilaku pengguna, berdasarkan analisis dari 1000 y randoml dipilih dan
pinjaman kode secara manual catatan. Akhirnya, kami menyimpulkan kertas dengan diskusi tentang kontribusi
pekerjaan 's menuju gambaran yang lebih lengkap dan heterogen dari perilaku pengguna di IP2PLS (jenis muncul
penting dari IS), dan implikasi untuk kembali pencari dari crowdfunding lainnya IS dan / atau lainnya yang muncul
bentuk-bentuk aksi kolektif yang mendukung, serta untuk perancang sistem, pengguna, dan penyedia.

SIT, IP2PLS, dan berbagi informasi

Sejumlah peneliti telah menyelidiki faktor-faktor yang mempengaruhi kemungkinan peminjam menarik investasi
(misalnya Iyer et al. , 2009, Herzenstein et al. , 2011a) dan kemungkinan pinjaman dilunasi (misalnya Klafft, 2008a,
b, Luo et al. , 2011) di IP2PLS. Sejalan dengan penelitian semacam itu, kami berpendapat bahwa identitas sosial dan
isyarat pribadi (melalui berbagi informasi) adalah faktor kunci yang mempengaruhi perilaku pengguna sistem tersebut.

SIT dan IP2PLS

Konstruk identitas sosial (alias 'identitas kolektif' (Ashmore et al., 2004)) muncul dalam bentuk kontemporer dari
studi antar-kelompok konflik yang mengungkapkan bahwa nafsu makan seseorang 's untuk mobilitas sosial vs
perubahan sosial / kompetisi adalah dipengaruhi oleh sejauh mana mereka mengidentifikasi dengan dominan mereka
di-kelompok (misalnya Tajfel, 1979, Tajfel dan Turner, 1979). Ide ini kemudian dieksplorasi lebih lanjut dan
diformalkan sebagai ' SIT ' , yang menyatakan bahwa individu terdiri dari banyak identitas, masing-masing
berhubungan dengan jaringan sosial yang berbeda di mana orang tersebut berinteraksi (Stryker, 1980, H oelter, 1983).
Identitas dalam jaringan ini berbasis peran, rinciannya dinegosiasikan selama interaksi terus-menerus dengan anggota
jaringan lainnya (lihat Stets dan Burke, 2000). Sementara peran ini bervariasi dalam detail, pola berulang memiliki
menjadi en diidentifikasi berdasarkan citra diri dari anggota jaringan, misalnya self-ragu vs tentara, pejuang vs stensil

Gambar 1 SIT dan Harapan Berbagi Informasi.

(Alvesson, 2010). Sebagai peran individu 's menjadi lebih tertanam dalam jaringan l overal dinamis identifikasi
dengan, dan keterikatan pribadi untuk, bahwa peningkatan jaringan (Burke dan Stets, 1999).
Hingga saat ini, konsep identitas sosial telah ditampilkan dalam penelitian IP2PLS dalam dua cara. Yang pertama
dari hal ini kesimpulan dari ulang kewajiban peminjam, berdasarkan jaringan sosial dalam IP2PLS yang bersangkutan
(misalnya Berger dan Gleisner 2009, Greiner dan Wang, 2009, Bachman et al., 2011). Studi ini mengasumsikan bahwa
jaringan sosial yang terkait dengan peminjam, serta identitas peminjam dalam jaringan mereka, memainkan peran
penting dalam menjelaskan 'keputusan investasi dan peminjam' baik pemberi pinjaman kemungkinan membayar
investasi yang. Asumsi ini didukung oleh pengamatan perilaku pemberian pinjaman dan pembayaran kembali dalam
kelompok peminjam ekspansioner yang difasilitasi pada Prosper (Freedman dan Jin, 2008, Herrero-Lopez, 2009, Lin,
2009). Dalam konteks ini, investasi yang lebih besar terjadi karena pemberi pinjaman membuat kesimpulan tentang
identitas peminjam berdasarkan karakteristik yang diketahui dari kelompok tersebut. Demikian pula, pembayaran
yang lebih besar terjadi sebagai hasil dari komitmen peminjam 'kelompok itu dan, akibatnya, kerentanan mereka yang
lebih tinggi ke tekanan normatif untuk membayar. Namun, identitas sosial yang lebih maju tidak selalu merupakan
reduksionis positif dari perilaku pinjaman / pelunasan. Dalam platform pinjaman Popfunding.com Korea, itu
menunjukkan bahwa gagal identitas sosial posting pinjaman kerusakan peminjam 'dalam hal kredibilitas keuangan
sosial dan fi mereka, dan menghambat investasi masa depan dalam m (Jeong et al., 2012). Demikian pula, dalam
PPDai, platform IP2PLS besar yang berbasis di China, telah ditunjukkan bahwa peminjam yang mengamati default
teman online mereka dua kali lebih cenderung gagal bayar di masa depan (Lu et al. , 2012).
Kedua, identitas sosial telah digunakan untuk memahami kesimpulan dari keandalan peminjam berdasarkan dari fl
ine, identitas sosial eksternal. Jumlah klaim identitas tersebut adalah lebih tinggi di antara peminjam dengan nilai
kredit yang buruk, menunjukkan niat o f peminjam mungkin untuk menyajikan fi kurang nancespeci fi c identitas
kepada para pemberi pinjaman (Herzenstein et al., 2011b). Namun, dampak dari klaim identitas tersebut pada
pinjaman tidak selalu positif, bahkan mereka tampaknya relevan dengan kemampuan peminjam 'dan / atau niat untuk
r EPAY (cf Pötzsch dan Böhme 2010, Larrimore et al., 2011, Herzenstein et al., 2011b).
Salah satu aspek kunci SIT yang belum dibahas dalam penelitian IP2PLS yang ada seputar peran bahasa dan harapan
informasi tentang bagaimana pemberi pinjaman dan peminjam tinggal. Semakin besar komitmen ke jaringan yang
lebih menonjol bahwa peran-identitas menjadi untuk individu individu s diri definisi, dibandingkan dengan peran lain
mereka melakukan (Stryker dan Serpe, 1994). Lebih tinggi arti-penting peran identitas memungkinkan individua l
untuk lebih mudah mengukur harapan peran dari anggota lain dari jaringan dan menyesuaikan perilaku mereka sesuai
(Callero, 1985, Haslam et al., 1999, Shih et al., 1999). Penyesuaian ini adalah proses timbal balik dan timbal balik
yang berangsur-angsur menumpuk dalam interaksi antara jaringan, menghasilkan budaya sinyal komunikasi implisit
dan eksplisit (bandingkan Eliasoph dan Lichterman, 2003). Dengan demikian, perilaku seorang individu yang kurang
tertanam dalam beberapa jaringan sosial dapat dianggap kurang koment dari pada individu lain, bukan karena
penilaian rasional namun karena metode interaksi mereka kurang sesuai dengan harapan (Stryker, 1968, Haslam et
al., 1999, Stets and Burke, 2000). Dengan kata lain, 'kepercayaan dalam lain' satu anggota jaringan kemampuan untuk
tampil peran mungkin dipengaruhi oleh mereka fl uency dengan 'interaksi simbolik terstruktur' (Stryker, 2008). Hal
ini diilustrasikan pada Gambar 1.
Karena batas jaringan semakin dalam dan pergerakan individu dari satu jaringan ke jaringan lain , persaingan dan
diskriminasi antar jaringan akan terjadi (Tajfel dan Turner, 1979). Dalam komunitas online, versi yang lebih ekstrim
dari kecenderungan ini telah diamati dalam pembentukan apa yang disebut ' xenonetworks ' oleh Reay Atkinson dkk
. (2013, 2014a, b), di mana komunitas gelembung tanpa-toleransi terbentuk di sekitar beberapa indikator inti
keserupaan . Mereka penulis mencatat bahwa kemiripan tersebut antara anggota biasanya dikomunikasikan dalam
informasi kurang terstruktur dalam bentuk 'lemah' sinyal (cf Granovetter, 1973). Sinyal lemah ini sering kemudian
dikodekan dalam prosedur informasi formal untuk jaringan tersebut dan karenanya bertindak sebagai prediktor
berguna untuk penataan informasi dan pengembangan tata kelola informasi masa depan (Ansoff, 1975, Hiltunen,
2008) .
Perspektif semacam itu menjelaskan mengapa perilaku yang dapat dipertukarkan secara fungsional dapat diterima
di beberapa jaringan tetapi tidak di tempat lain. Hal ini telah diamati dalam berbagai situasi, misalnya dalam hubungan
sosial intra-organisasi (Ashforth dan Mael, 198 9, Dutton et al., 1994, Haslam et al., 2000), dan dalam pemasaran
hubungan (Arnett et al. , 2003, Bhattacharya dan Sen, 2003, Michalski dan Helmig, 2008). Ini juga telah digunakan
untuk memperhitungkan partisipasi pengguna di komunitas online dalam pengaturan di luar IP2PLS, termasuk
kontribusi pengetahuan umum (Shen et al., 2010), serta diskusi dan ulasan produk konsumen (Forman et al., 2008).
Dari perspektif IP2PLS, ini menimbulkan pertanyaan penting apakah berbagai platform seperti Zopa, Prosper,
Lending Club, PPDai, Popfunding, dan Smava berbagi komunitas / jaringan peminjam dan pemberi pinjaman yang
sama, atau apakah masing-masing memiliki kelompok yang berbeda dari peserta. Karena masing-masing platform ini
mewakili pasar yang bersaing , yang terakhir tampaknya mungkin terjadi. Dalam kondisi seperti di mana pengguna
jaringan mendapatkan keuntungan dari jumlah pengguna lain yang hadir, eksternalitas jaringan bertindak untuk
menciptakan oligarki dari pesaing individual, dan akhirnya monopoli (bandingkan Katz dan Shapiro, 1985). Hal ini
terjadi becau se sedangkan persyaratan untuk pasar baru yang lebih terbuka, standar muncul dari waktu ke waktu
untuk meningkatkan pasar efisiensi, sehingga konvergensi sosial, ekonomi, dan teknologi di seluruh pemimpin pasar
(Katz, 1996, Uzi, 1996). Hal ini memiliki implikasi penting bagi penyedia IP2PLS individu, karena menunjukkan
bahwa ketika pasar matang, kemampuan TI akan menyatukan putaran subkumpulan platform dan persaingan antar-
jaringan untuk kelangsungan hidup mainstream dan dominasi akan meningkat, hingga merugikan mobilitas sosial di
antara pengguna mereka . Dengan demikian, penyedia IP2PLS tersebut

Gambar 2 Harapan Berbagi Informasi di dalam dan di antara n Sistem.

tidak hanya bersaing untuk pangsa pasar, mereka juga bersaing untuk menetapkan paradigma masa depan kemampuan
TI mendiktekan jenis informasi eksplisit (keras) dan implisit (lunak) yang diharapkan oleh pemberi pinjaman (lihat
Gambar 2).
Berdasarkan hal di atas, kami thorize bahwa dampak berbagi informasi pada perilaku pengguna di IP2PLS tidak
hanya ditentukan oleh kualitas informasi, tetapi juga oleh kesesuaian dengan harapan eksplisit dan implisit dari peserta
jaringan vs harapan yang ditemukan di exte rnal (sering bersaing) jaringan. Teori umum ekspektasi berbagi informasi
dalam IP2PLS ditunjukkan pada Gambar 3.

Jenis data 'sulit' yang diharapkan secara eksplisit yang memprediksi perilaku peminjaman
Risiko yang dirasakan terkait dengan individu tertentu seringkali merupakan faktor akumulasi pengalaman masa lalu
antara pihak yang bertransaksi (Pavlou dan Gefen, 2004). Namun, sifat dari P2PL berarti bahwa akumulasi seperti
interaksi tidak mungkin, sebagai 'yang paling pinjaman ‘satu-shot’ peristiwa, yaitu, peminjam biasanya mengajukan
permohonan (dan menerima) pinjaman hanya sekali. Oleh karena itu, jalan utama yang tersedia dalam pengaturan
relasional untuk menimbulkan kepercayaan diri di lain 's perilaku, yaitu, melalui perilaku teladan dari waktu ke waktu,
tidak tersedia'. Oleh karena itu, informasi kredit standar yang diperlukan digunakan untuk menggambarkan fi identitas
keuangan peminjam 's di IP2PLS merefleksikan akumulasi interaksi keuangan di berbagai domain. Salah satu bagian
yang paling menonjol dari informasi yang saya n hal ini adalah 'nilai kredit, yang dianggap sebagai alat yang berguna
memprediksi pemohon pinjaman' peminjam kemungkinan pembayaran di keputusan pemberian kredit tradisional (cf
Mester, 1997). Skor kredit tersebut telah terbukti berdampak positif pada keduanya dalam bentuk vestasi (Klafft,
2008b, Iyer et al. , 2009, Puro et al. , 2011) dan pelunasan (Freedman dan Jin, 2008, Livingston and Glassman, 2009)
dalam studi perilaku pada Prosper. Platform IP2PLS dapat mencakup nilai kredit internal dan eksternal. Misalnya,
Lending Club menyediakan satu nilai kredit yang menghitung berdasarkan informasi yang diberikan oleh peminjam,
tetapi juga nilai kredit FICO, yang dihasilkan oleh pihak ketiga yang berbasis di AS (lihat http://www.my fi co. Com
/ my fi co / Credit Central / ScoringWorks.asp) . Diperkirakan bahwa skor kredit yang lebih baik, baik secara internal
maupun eksternal
Gambar 3 Teori Generik Harapan Berbagi Informasi dalam sebuah IP2PLS.

dihasilkan, akan memprediksi tingkat investasi dan pembayaran yang lebih tinggi.
IP2PLS juga menyediakan pemberi pinjaman dengan data historis lainnya mengenai perilaku keuangan pelamar
sebelumnya. Ini mungkin datang dalam bentuk jumlah catatan publik yang dipegang oleh pemohon, serta catatan dari
setiap kenakalan akun yang berhubungan dengan mereka . Sebagai masing-masing kembali fl Ects pengalaman
sebelumnya negatif antara kreditur lainnya dan pemohon, diperkirakan bahwa frekuensi mereka harus merugikan
kedua kemungkinan mereka menerima dan membayar kembali investasi. Data tersebut selanjutnya cont extualized
dengan data yang menggambarkan jumlah bulan sejak rekor terbaru pemohon 's atau kenakalan. Mengingat bahwa
pemberi pinjaman lebih mungkin untuk peduli dengan pelanggaran baru daripada dengan mereka yang mengambil
tempat beberapa tahun yang lalu (Guiral-Contreras et a l., 2007), juga meramalkan bahwa jumlah yang lebih tinggi
dari bulan sejak rekor terbaru pemohon 's atau kenakalan akan meningkatkan kemungkinan mereka menerima dan
membayar kembali investasi.
Pemberi pinjaman di IP2PLS juga dipengaruhi oleh eksplisit diminta dalam formasi tentang situasi keuangan
peminjam 's berlangsung. Ini termasuk pendapatan peminjam yang (Puro et al., 2010, Lu et al., 2012), status
kepemilikan rumah mereka (HerreroLopez 2009, Larrimore et al., 2011), dan jumlah mereka dari tahun dalam
pekerjaan (Livings ton dan Glassman, 2009, Larrimore et al. , 2011). Faktor-faktor ini memungkinkan peminjam untuk
menunjukkan kekuatan identitas keuangan mereka, dan begitu harus mendukung investasi dan pembayaran.
Peminjam 'penggunaan kredit dari pihak lain yang ada telah lebih lanjut telah ditunjukkan untuk berdampak pada
pengambilan keputusan di IP2PLS, termasuk data yang berkaitan dengan jalur kredit yang dimiliki oleh pemohon dan
pemohon' pemanfaatan saat ini s kredit bergulir mereka (Herrero-Lopez, 2009, Iyer et al. , 2009, Puro et al. , 2010).
Pemberi pinjaman juga dapat menyimpulkan 'kesulitan-fi dif dalam mengelola utang mereka menggunakan informasi
seperti yang peminjam' peminjam utang terhadap kredit rasio dan jumlah permohonan kredit untuk peminjam yang
dibuat oleh calon pemberi pinjaman (Klafft, 2008a, Lin, 2009, Larrimore et al. , 2011 ). Catatan-catatan ini mampu
kesempatan untuk memvalidasi identitas keuangan peminjam dengan menunjukkan bahwa mereka dapat mengelola
utang dengan tepat.
Akhirnya, data yang 'keras' yang berkaitan dengan syarat dan kondisi dari pinjaman biasanya disajikan dalam
konteks IP2PLS. Ini termasuk jumlah pinjaman, durasi pinjaman, tingkat suku bunga, dan pembayaran bulanan.
Sebuah lebih tinggi jumlah pinjaman dan permintaan durasi lebih banyak investasi untuk memenuhi persyaratan
pinjaman, berarti ada kesempatan intuitif kurang memenuhi tujuan investasi dan lebih kesulitan untuk dalam
pelunasan. Mengingat bahwa pemberi pinjaman setidaknya sebagian didorong oleh hasil keuangan, suku bunga yang
lebih tinggi dan pembayaran bulanan cenderung untuk menarik investasi yang lebih besar. Namun, karena faktor-
faktor ini menempatkan tambahan tanggung jawab keuangan pada rrowers bo, mereka muncul kurang mungkin untuk
mendorong pembayaran. Menariknya, sementara tiga bagian terakhir dari data telah terbukti berdampak pada perilaku
peminjaman (Puro et al. , 2010, Ceyhan et al. , 2011, Herzenstein et al. , 2011a), data tentang Prosper menunjukkan
tidak ada impac t pada salah satu investasi. atau pembayaran kembali untuk tujuan pinjaman (Pope and Sydnor, 2011).
Hipotesis di atas dinyatakan secara resmi dalam Lampiran A.

Jenis data 'lunak' yang diantisipasi secara implisit yang memprediksi perilaku pemberian pinjaman
Selain informasi yang dibutuhkan secara eksplisit untuk peminjam pada platform P2PL, individu memiliki kesempatan
untuk membuat informasi lain transparan dalam konteks deskripsi pinjaman mereka. Dilihat dari segi kepercayaan,
memberikan informasi tambahan ma y mengurangi asimetri informasi antara peminjam dan pemberi pinjaman,
sehingga dapat diartikan sebagai sikap kebajikan dimaksudkan untuk menyampaikan niat yang kuat peminjam dari
pembayaran (Pötzsch dan Böhme, 2010). Hal ini didukung oleh penelitian P2PL yang ada, yang menunjukkan bahwa
deskripsi pinjaman yang lebih panjang umumnya terkait dengan tingkat pinjaman yang lebih tinggi (Larrimore et al.
, 2011). Namun, dari perspektif SIT, pengungkapan semacam itu mungkin tidak bermanfaat. Hal ini karena penyediaan
data yang tidak antic ipated oleh pemberi pinjaman merusak arti makna bersama (Burke dan Reitzes, 1991) dan jarak
pemohon dari ' standar identitas ' (Burke, 1991) untuk pemohon pinjaman yang dimiliki oleh pemberi pinjaman.
Dengan demikian, menyimpang dari norma, bahkan dengan maksud menunjukkan kebajikan, dapat merusak pemberi
pinjaman kepercayaan diri dalam pelamar komitmen untuk peran mereka. Ini berarti bahwa sementara kualitas data
keras yang dibutuhkan adalah kemungkinan untuk menentukan dampaknya pada perilaku pinjaman, itu adalah normal
data yang lembut opsional yang mungkin sedang dampaknya. Ini menyulitkan untuk menentukan terlebih dahulu
apakah berbagai bentuk informasi akan memiliki dampak positif atau natif terhadap perilaku investasi dan
pembayaran. Namun, penelitian ini akan dimulai dengan asumsi bahwa sifat kompetitif platform P2PL berarti bahwa
informasi yang diharapkan secara implisit untuk beberapa platform akan memiliki dampak negatif pada investasi dan
perilaku pembayaran kembali pada platform yang berbeda dengan harapan masyarakat yang berbeda. Dalam kasus
Lending Club ini menyiratkan semua data yang lembut diamati secara positif dalam perilaku memengaruhi pada P2PL
dalam penelitian yang ada secara teoritis memiliki negatif saya mpact, dan sebaliknya, karena penelitian sampai saat
ini sudah ada hanya berfokus pada platform pesaing dengan komunitas pengguna lainnya
Bentuk data lunak opsional yang dijelaskan dalam literatur yang ada dalam jangkauan P2PL di tiga dimensi, yaitu
informasi kredit tambahan , informasi sosial, dan permintaan langsung yang diajukan kepada kreditur. Dalam konteks
banding dilakukan untuk pemberi pinjaman, ini tampaknya memiliki efek negatif, misalnya ada bukti dari Prosper
yang menunjukkan bahwa kation fi membenarkan untuk saat ini fi situasi nan resmi lender berkecil peminjam 's
(Larrimore et al., 2011) . Ini mungkin karena Prosper, tidak seperti situs nance fi mikro seperti Kiva, menampilkan
dirinya sebagai fi platform yang termotivasi finansial; karenanya, klaim semacam itu mungkin tampak tidak pada
tempatnya. Hal ini juga didukung oleh fi n bantingan pada SMAVA (Pötzsch dan Böhme, 2010), yang menunjukkan
respon negatif oleh pemberi pinjaman atas laporan membangkitkan kasihan tentang situasi peminjam.
Sebaliknya, informasi kredit tambahan positif tentang satu identitas keuangan harus memiliki t effec berlawanan,
seperti yang digambarkan dalam konteks narasi pengguna di Prosper (cf Herzenstein et al., 2011b) di mana klaim
positif tentang bagaimana seorang individu dilakukan sendiri secara finansial di masa lalu, dan juga bagaimana
mereka berniat untuk berperilaku di masa depan, mendorong investasi (walaupun, yang menarik, membuat
pembayaran lebih sedikit kemungkinannya). Klaim positif ini juga telah diamati di Prosper dalam bentuk penjelasan
/ pengakuan pelanggaran keuangan sebelumnya, atau alternatif penjelasan / penolakan pelanggaran keuangan
sebelumnya - yang keduanya positif di pemberi pinjaman memengaruhi oleh reframing atau kualifikasi informasi
negatif yang disajikan dalam peminjam 'sejarah kredit dan catatan keuangan (Sonenshein et al., 2011).
Data lembut lainnya yang dapat di fl pinjaman pengaruh Behav IOR berhubungan dengan deskripsi dari status
pekerjaan peminjam 'dan pendudukan. Hal ini menarik karena, sementara Prosper mulai memperkenalkan
'pendudukan dengan bahwa peminjam' peminjam daftar pada tahun 2007 (Freedman dan Jin, 2008), informasi ini
tidak disajikan di situs lain seperti Lending Club. Namun, informasi ini memainkan peran penting dalam Prosper,
khususnya dalam pembentukan kelompok peminjam yang menguntungkan. Informasi tersebut juga berperan dalam
menunjukkan stabilitas peminjam Prosper, yang consi dered prediktor penting dari pembayaran (misalnya Livingston
dan Glassman, 2009). Untuk alasan yang sama, peminjam juga sering daftar latar belakang pendidikan mereka,
meskipun ini memanifestasikan hanya sebagai dampak marjinal pada preferensi pemberi pinjaman pada kedua
SMAVA (Pötzsch dan Böhme, 2010) dan pada PPDai.org (Lu et al., 2012).
Jenis informasi sosial yang peminjam memanfaatkan untuk menarik investasi juga bervariasi secara signifikan.
Sebagaimana dicatat sudah, Prosper anggota biasanya menggunakan liations fi af antara anggota untuk membangun
kepercayaan dengan asso ciation (Greiner dan Wang, 2009, Herrero-Lopez, 2009, Bachman et al., 2011). Namun, data
peminjam eksternal-platform juga diamati memiliki dampak positif pada beberapa platform. Sebagai contoh, studi
dari foto-foto di Prosper menunjukkan bahwa pemberi pinjaman dipengaruhi oleh usia peminjam '(Duarte et al., 2012),
jenis kelamin, etnis (Paus dan Sydnor 2011, Duarte et al., 2012), obesitas, kebahagiaan yang dirasakan (Paus dan
Sydnor, 2011), status perkawinan, anak-anak / tanggungan (Duarte et al. , 2012), dan daya tarik fisik. Ada juga
beberapa bukti yang menunjukkan bahwa klaim moralitas, religiusitas, dan politik-pikiran dapat juga diuntungkan
peminjam di Prosper (Herzenstein et al., 2011b), seperti klaim oleh peminjam pada SMAVA masa lalu atau kebaikan
masa depan yang diaktifkan oleh pinjaman dan / atau hutang yang dikonsolidasikan (Pötzsch dan Böhme, 2010).
Sementara beberapa klaim ini muncul untuk menunjukkan pemberi pinjaman prasangka, misalnya jenis kelamin, etnis,
orang lain tampaknya ditafsirkan sebagai indikator normatif diterima keandalan pribadi peminjam 'dan tanggung
jawab. Hipotesis di atas dinyatakan secara formal di Appendix B. Sekali lagi hipotesis berteori efek terbalik dari yang
diamati di platform lain (bersaing).
Desain studi

Gambar 4 Teori Awal Ekspektasi Berbagi Informasi dalam Lending Club.

Bagian sebelumnya identifikasi ed hubungan antara berbagai bentuk berbagi informasi dan perilaku pengguna di
IP2PLS, baik di dalam dan di antara jaringan (lihat Gambar 2 dan 3), dan penelitian sebelumnya Ulasan untuk
berhipotesis dampak yang berbeda jenis spesifik dari berbagi i nformation di IP2PLS of interest (Lending Club).
Berdasarkan karya ini, kita mampu menyajikan teori awal berbagi harapan dalam Lending Informasi klub, dibingkai
dalam hal konstruksi SIT harapan eksplisit dan implisit baik w engan jaringan dan vis-à-vis bersaing jaringan (lihat
Gambar 4 ). Model ini sehingga dapat dipahami sebagai platform-spesifik Instansiasi model generik pada Gambar 3.
Hubungan berteori muncul dari pengamatan perilaku pengguna yang dilakukan dalam penelitian di berbagai
IP2PLS, termasuk Prosper, Smava, Popfunding, dan PPDai. org. Ini sekarang harus menyelidiki apakah hubungan ini
konsisten di IP2PLS (berarti jaringan sosial pemberi pinjaman dan peminjam tidak berbeda signi fi cantl y di berbagai
platform) atau apakah pengguna IP2PLS yang berbeda menafsirkan berbagi informasi dengan cara yang berbeda
secara fundamental. Untuk menjawab pertanyaan ini, kami selanjutnya menjelaskan Lending Club dan membenarkan
kesesuaiannya sebagai lingkungan untuk membandingkan dengan situasi penelitian yang ada. Suatu pendekatan untuk
pengumpulan data kemudian dijelaskan untuk menguji hubungan ini.

Pemilihan situs IP2PLS

Seperti dicatat, berbagai IP2PLS telah dipelajari dalam penelitian yang ada. Ini adalah re fl tercermin pada Tabel 1,
yang berisi daftar pl atforms dipelajari dalam semua penelitian akademis yang ada diketahui penulis, dan di mana
kemungkinan investasi pemberi pinjaman dan / atau pembayaran peminjam di P2PL diselidiki.
Sejauh ini, IP2PLS yang paling populer bagi para periset tampaknya adalah Prosper. Menariknya, Lending Club
tidak termasuk dalam studi ini, walaupun disebutkan dalam beberapa diskusi IP2PLS yang lebih luas, misalnya dalam
konteks peraturan hukum (Chaffee and Rapp, 2012), atau kontras dengan Prosper (Wang and Greiner , 2011). Ini
mengejutkan, mengingat skala dan kematangan Lending Club sebagai platform, yang, seperti Prosper, diluncurkan
pada tahun 2006. Meskipun Zopa.com sering dianggap sebagai fi IP2PLS pertama yang sah, Prosper dikreditkan
dengan mendorong paling ilmiah fi c kepentingan dalam su bject dengan membuat platform ' data publik pada tahun
2007 (Bachmann et al. , 2011). Namun, dalam beberapa tahun terakhir ini, jumlah pinjaman yang dikeluarkan oleh
Lending Club memiliki signi fi cantly melampaui bahwa dari Prosper (Cunningham, 2013), seperti digambarkan pada
Gambar 5.
Dari sisi nilai pinjaman, baik Prosper and Lending Club menawarkan kemampuan untuk mengajukan pinjaman
antara $ 2000 dan $ 35.000. Nilai kredit minimum juga sebanding, dengan Lending Club dan Prosper yang masing-
masing membutuhkan skor minimum 660 dan 640. Baik Pemberi Pinjaman Clu b dan Prosper membebankan biaya
kepada peminjam untuk mengambil pinjaman dalam kisaran 1 - 5% tergantung pada peminjam (Prosper menyebut ini
sebagai ' Biaya Penutupan ' , sedangkan Lending Club menyebutnya sebagai ' Biaya Originasi ' ) dan sebagai dari
2012, imbal hasil untuk investor serupa (9,79% untuk Klub Pemberian L dan 9,26% untuk Prosper (LendStats.com,
diambil pada bulan Desember 2014)).
Tabel 1 Platform Online yang Digunakan untuk Pengumpulan Data dengan Penelitian yang Ada yang Menyelidiki Kemungkinan Investasi Pemberi Pinjaman dan / atau Pelunasan
Pinjaman

Prosper Freedman dan Jin (2008), Klafft (2008a), Klafft (2008b), Berger dan Gleisner (2009), Duarte et al. (2009),
Greiner dan Wang (2009), Herrero-Lopez (2009), Iyer dkk. (2009), Lin (2009), Livingston dan Glassman
(2009), Collier dan Hampshire (2010), Greiner dan Wang (2010), Puro et al. (2010), Wang dan Greiner
(2010), Berkovich (2011), Ceyhan dkk. (2011), Herzenstein dkk. (2011a), Herzenstein dkk. (2011b),
Larrimore dkk. (2011), Luo dkk. (2011), Paus dan Sydnor (2011), Puro et al. (2011), Sonenshein dkk. (2011),
Chaffee dan Rapp (2012), Chen dan Han (2012), Duarte dkk. (2012), Zhang dan Liu (2012)
Popfunding Do et al. (2012), Jeong dkk. (2012), Lee dan Lee (2012), Yum et al. (2012)
Kiva Sinanan (2009), Barry (2012), Moodie (2013)
PPDai Chen dan Han (2012), Lu et al. (2012)
Zopa Bachmann dkk. (2011)
My089 Chen and Han (2012)
Smava Pötzsch and Böhme (2010)
Namun, tiga signi fi perbedaan tidak bisa ada dalam mekanika pinjaman dipekerjakan oleh Prosper dan Lending
Club. Pertama, sementara suku bunga di Lending Club ditentukan oleh platform sendiri sesuai dengan peminjam '
kredensial, Prosper mengadopsi sistem lelang yang memungkinkan le nders untuk jumlah tawaran pada tingkat bunga
yang berbeda-beda. Kedua, mekanisme pencatatan untuk 160
140
120
100
80
60
40
20
0

Klub Pemberian Kredit Menerbitkan Pinjaman (dengan juta per bulan)

Prosper Issued Loans (oleh juta per bulan)

Gambar 5
The Nilai dari Pinjaman Dikabarkan di itu Prosper dan Pinjaman
Klub
Platform.

Prosper memungkinkan peminjam untuk memposting informasi sosial tambahan, seperti gambar peminjam dan
keluarga mereka. Hal ini telah dibuktikan untuk memperkenalkan sejumlah signi fi tidak bisa social merupakan
anteseden budaya d berdampak pada pemberi pinjaman dan perilaku peminjam, seperti peminjam ' s jenis kelamin,
usia, etnis, apakah mereka memiliki anak, apakah mereka bagian dari pasangan, seorang peminjam ' s obesitas, dan
peminjam ' tarik fisik s (Klafft, 2008b, Paus dan Sydnor 2011, Duarte et al. , 2012). Ketiga, Prosper memungkinkan
anggota untuk membentuk kelompok, yang berarti bahwa anggota mapan dapat mendukung peminjam, maka pemberi
pinjaman dapat menyimpulkan kepercayaan dari peminjam ' sosial jaringan (Berger dan Gleisner 2009, Greiner dan
Wang, 2009, Herrero-Lopez, 2009).
Sementara mekanisme lelang penting untuk sejumlah alasan ekonomi (cf Chen et al. , 2009), kedua perbedaan
terakhir sangat penting dalam konteks identitas sosial . Kemampuan untuk memanusiakan peminjam dan kemampuan
untuk menyimpulkan peminjam ' kepercayaan dan identitas dari af sosial mereka fi liations, menginformasikan
mayoritas penelitian IP2PLS peduli dengan identitas sosial. Dengan demikian, beberapa pertanyaan penting dan tidak
terjawab muncul seputar IP2PLS seperti Lending Club, yang menyediakan lebih sedikit fitur sistem untuk berbagi
informasi yang kaya secara pribadi dan sosial; akibatnya tidak jelas bagaimana pemberi pinjaman dapat
menyimpulkan peminjam ' identitas sosial. Hal ini menjadikan Lending Cl sebagai sumber perbandingan yang
berharga dengan platform P2PL yang lebih umum dipelajari, dan khususnya dengan Prosper.
Pengumpulan data

Mengingat bahwa Lending Klub menyajikan signi fi dukungan sistem cantly kurang untuk berbagi informasi sosial
dalam hal data yang lembut, dua po ssibilities harus dipertimbangkan. The fi pertama adalah bahwa data lunak seperti
tidak fitur dalam cara yang berarti pada Lending Klub, yang berarti bahwa peminjam ' identitas sosial yang relevan
(dan ke mana perilaku Lender-pengguna) ditentukan dari hanya ' keras ' data yang rela ting ke pinjaman diminta.
Kemungkinan kedua adalah bahwa ' lembut ' data sosial yang tergabung dalam beberapa format lain (perilaku tak
terduga oleh Peminjam-pengguna). Untuk mengatasi dua kemungkinan ini, dua iterasi pengumpulan data dan analisis
dilakukan dengan hati-hati , masing-masing memanfaatkan catatan transaksi yang tersedia secara publik dari Lending
Club. Tujuan dari fi iterasi pertama adalah untuk menentukan kekuatan penjelas dari data keras dan apakah itu saja
suf fi sien untuk menjelaskan perilaku pengguna di Lending Club. Sebaliknya, tujuan dari iterasi kedua adalah untuk
menentukan frekuensi dimana berbagai bentuk data sosial lembut dibagi, serta hubungan antara bentuk berbagi
informasi dan perilaku pengguna ini.
The fi pertama iterasi digunakan set lengkap catatan yang tersedia untuk menganalisis kekuatan prediksi dari
peminjam ' data keras. Catatan ini termasuk 119.419 aplikasi pinjaman dari tanggal 7 Juni 2007 sampai 19 Juni 2013
(diambil 23 Juli 2013 melalui dipublikasikan tersedia fi le-download dari situs Lending Club). Pembersihan data
mengharuskan 2749 dari ini dihapus untuk memastikan integritas dari keseluruhan kumpulan data, karena ini terkait
dengan pinjaman yang tidak memenuhi persyaratan kebijakan saat ini. Tiga daftar lainnya dihapus yang tidak sesuai
dengan informasi standar yang diperlukan, seperti ID pinjaman atau nama pengguna pemohon.
Iterasi kedua menganalisis kekuatan prediksi peminjam ' berbagi data lembut s berdasarkan informasi yang secara
sukarela diberikan dalam ' Pinjaman Keterangan 'fi eld melekat permintaan pinjaman. Sebagaimana telah dijelaskan,
IP2PLS Lending Club tidak menghadirkan pengguna dengan kesempatan yang sama seperti situs seperti Prosper untuk
membocorkan data sosial tambahan. Namun, pinjaman ini Deskripsi fi eld menawarkan peminjam beberapa
kesempatan untuk membocorkan informasi tersebut, jika mereka memilih demikian. Oleh karena itu, ini fi ladang
secara manual kode dengan mengumpulkan sampel acak dari 1000 catatan. Rekaman dikodekan secara independen
oleh dua asisten peneliti di blok 10, 40, 50, 100, 200, 200, 200, 250, dan 150. Saat pengkodean selesai untuk blok ea
ch, asisten penelitian membandingkan hasilnya untuk mengidentifikasi ketidakcocokan. Resolusi ketidaksesuaian ini
sangat mudah dalam beberapa kasus, sementara yang lain diselesaikan dalam konsultasi dengan penulis studi ini. Para
penulis juga independen mengevaluasi hasil pengkodean dengan secara mandiri mengkodekan sub-set acak dari setiap
blok untuk memverifikasi keakuratannya dan mengidentifikasi masalah tambahan apa pun. Pengambilan sampel
validasi acak ini menunjukkan konsistensi pengkodean > 95% pada akhir proses.
 Appe ndix C menyediakan tabel rinci dari kode yang digunakan bersama dengan teks contoh dari deskripsi
pinjaman. Delapan kode mencerminkan informasi kredit tambahan. Ini diberi kode pada tiga tingkatan ordinal, yaitu
' tidak ada informasi baru, ' ' beberapa informasi baru, ' dan ' subs tantial informasi baru. ' Kode-kode itu adalah sebagai
berikut:

1. Informasi pinjaman tambahan

2. Justí fi kasi fi situasi keuangan
3. Klaim masa depan fi tanggung jawab keuangan
4. Klaim dari masa fi tanggung jawab keuangan
5. Pengakuan / Denial of fi pelanggaran keuangan
6. Detail pendidikan
7. Status Pekerjaan
8. Rincian pekerjaan
Empat belas kode lebih re fl jenis kunci tercermin dari informasi sosial yang mungkin disediakan oleh peminjam. Ini
dikodekan dalam istilah biner, yaitu itu ada atau tidak. Ini termasuk yang berikut:

1. Tautan ke anggota lain

2. Link ke kehadiran online lainnya
3. Tautan ke foto
4. Usia
5. Jenis kelamin
6. Etnis
7. Detail pernikahan
8. Anak-anak dan tanggungan
9. Hobi
10. Kesehatan dan kegemukan
11. Pandangan agama atau politik
12. Klaim kebaikan
13. Tolong atau terima kasih
14. Adanya tindak lanjut komentar
Langkah-langkah tambahan ini memungkinkan kami untuk mengeksplorasi hubungan yang teramati pada IP2PLS
seperti Prosper, PPDai, dan Smava, serta pengamatan yang dilakukan oleh Lee dan Lee (2012) di platform Popfunding
(yaitu bahwa jumlah posting yang dilakukan oleh peminjam pada T & J papan positif di fl dipengaruhi pemberi
pinjaman-pengguna ' perilaku).

Analisis data dan fi temuan

Iterasi 1: seberapa keras Data memprediksi perilaku pada pinjaman club catatan Loan ( N = 116.667) termasuk
internal Lending Klub kelas kredit mulai dari tinggi A1 yang rendah dari G5, dengan fi ve-jumlah ringkasan (A1, B1,
B5, C5, G5). Angka-angka ini diwakili secara numerik untuk tujuan pengujian dari 1 sampai 35, di mana A1 = 1 dan
G5 = 35. Semua kecuali dua dari daftar ( N = 116,665) juga mencakup rentang FICO eksternal, bervariasi fr om 660 -
664 sampai 846 - 850, dengan fi ringkasan lima-jumlah [660 - 664, 680 - 684, 695 - 699, 725 - 729, 846 - 850]. Untuk
keperluan pengujian, rentang FICO ini diwakili oleh angka tengah dalam setiap rentang, misalnya seperti yang 660 -
664 diganti dengan 662.
Salah satu lakh 11.046 (95,2%) dari pelamar yang dimiliki tidak ada catatan pada fi le, sementara 5230 (4,5%)
dimiliki hanya satu record pada fi le, dan hanya 343 (0,2%) memiliki lebih dari satu record. Sebuah fi ve-jumlah
ringkasan dari 5623 listing melibatkan applica nts memiliki satu atau lebih catatan publik [1, 81, 95, 107, 129]. Hanya
54 aplikasi (0,05%) dibuat oleh pelamar yang terdaftar kenakalan akun sebelumnya, dengan fi ve-jumlah Ringkasan
dari jumlah tunggakan antara 54 aplikasi ini dari [17.00, 5 3,25, 862, 4526,75, 65000] dan fi ve- jumlah rangkuman
bulan sejak kenakalan terjadi pada [0, 1, 1, 2, 11]. Pemilik rumah penuh terdiri 9026 (7,7%) dari aplikasi (tidak
termasuk yang saat melunasi hipotek), sementara fi venumber summ ary dari jumlah saat ini tahun dalam pekerjaan
dan penghasilan bulanan terdaftar di antara aplikasi adalah [0, 1, 2, 5 , 9] dan [333.33, 3583.33, 5000.00, 7083.33,
595148.17], masing-masing.
Untuk menguji dampak dari data keras yang tersedia untuk pemberi pinjaman dalam platform Lending Clu b, regresi
logistik ganda digunakan untuk menentukan dampak dari variabel-variabel ini pada apakah atau tidak seluruh proporsi
pendanaan yang diterima. Regresi logistik ganda lainnya digunakan untuk menentukan dampak dari variabel-variabel
ini pada li kemungkinan pinjaman yang dikenakan. Hasil tes ini diilustrasikan pada Tabel 2.
Data keras menjelaskan 10,5% dari varians dalam pendanaan. Data yang berkaitan dengan peminjam menunjukkan
bahwa pemohon ' kemungkinan s menerima semua yang diminta berinvestasi ment berkorelasi positif dengan rendah
(lebih baik) kelas kredit, lebih rendah (lebih baik) Kisaran FICO, lebih sedikit catatan publik pada fi le, lebih bulan
sejak catatan publik terbaru, rasio hutang terhadap pendapatan yang lebih rendah, dan saldo kredit revolving yang
lebih tinggi. Data rela ting dengan syarat dan kondisi dari acara pinjaman yang jumlah pinjaman, durasi pinjaman,
suku bunga, dan pembayaran bulanan juga berdampak pemohon ' kemungkinan s menerima investasi. Tidak ada
variabel lain menunjukkan setiap signi fi dampak tidak bisa.
T ia Data keras pada pembayaran pinjaman menjelaskan 12,2% dari peminjam varians untuk siapa pinjaman telah
didakwa off. Data yang berkaitan dengan peminjam menunjukkan bahwa pemohon ' kemungkinan s default pada
investasi berkorelasi negatif dengan yang lebih rendah (lebih baik) kredibilitas itu kelas, lebih rendah (lebih baik)
Kisaran FICO, dan penghasilan bulanan yang lebih tinggi. Data yang berhubungan dengan syarat dan kondisi dari
acara pinjaman bahwa pemohon ' kemungkinan s default pada investasi berkorelasi negatif dengan suku bunga yang
lebih tinggi. Data juga menunjukkan bahwa status kepemilikan rumah peminjam adalah signi fi tidak bisa prediktor
default pada pinjaman. Hal ini disebabkan oleh proporsi peminjam yang sedikit lebih rendah dengan KPR di antara
mereka yang gagal (39,6%) dibandingkan dengan mereka yang tidak gagal (47,5%), dan proporsi peminjam yang
sedikit lebih tinggi menyewa rumah mereka secara default (51,6%) dibandingkan dengan mereka tidak default
(44,7%). Tidak ada variabel lain menunjukkan setiap signi fi dampak tidak bisa.
The fi Penemuan peminjam sekitarnya untuk siapa pinjaman didakwa off acara tha t sedikit informasi kredit standar
untuk peminjam andal memprediksi kemungkinan mereka default pada investasi. Demikian pula, dari syarat dan
kondisi dari pinjaman, baik jumlah pinjaman, maupun durasi pinjaman, maupun re bulanan kuantitatif pembayaran
memprediksi peminjam ' kemungkinan default.
 Berbagi informasi dalam sistem IP2PL J Feller dkk
9

Tabel 2 Output regresi untuk data keras

Variabel prediktor Kekuatan penjelasan untuk proporsi yang didanai Kekuatan penjelasan untuk
(Nagerkerle R 10,5%)
2
pinjaman
B default (Nagerkerle R 12.1%)
2

B
Nilai kredit - 0.106 *** 0,136 ***
Kelas FICO - 0,025 ** 0,026 ***
Catatan publik 0,327 * - 1,255NS

Bulan sejak catatan terakhir 0,005 ** 0.007NS

Jumlah yang menunggak < 0,001 NS

- 0.002NS

Bulan sejak kenakalan terakhir 0,002 NS

0.005NS

Kepemilikan rumah - 0,016 NS

0.310 *
Pendapatan bulanan < 0,001 NS
< 0,001 **
Durasi kerja 0,028 - 0,052NS

Rasio hutang terhadap pendapatan 2,588 ** - 1,556NS

Buka jalur kredit 0,016 NS

- 0,040NS

Total jalur kredit - 0,003 NS

0,023NS

Permintaan kredit selama 6 bulan 0,004 NS

0,112NS

Saldo kredit bergulir < 0,001 * < 0,001NS

Penggunaan garis bergulir - 0,405 NS

0,646NS

Jumlah pinjaman < 0.001 *** < 0,001NS

Panjang pinjaman 0,046 *** - 0,017NS

Suku bunga 2.558 * - 9.576 ***

Pembayaran bulanan 0.005 *** < 0,001NS

* P <0,05, ** P <0,01, *** P <0,001, NS = Tidak signifikan.

Tabel 3 Ringkasan Analisis Regresi Hierarki untuk Variabel yang Memprediksi Proporsi Permintaan Pinjaman yang Diterima

Variabel Model 1 B Model 2 B Model 3

B

Nilai kredit - 0.106 *** - 0.106 *** - 0,104 ***

Kelas FICO - 0,025 ** - 0,025 ** - 0,024 **
Catatan publik 0,327 * 0,322 * 0.316 *
Bulan sejak catatan terakhir 0,005 ** 0,005 ** 0,005 **
Jumlah yang menunggak < 0,001 NS
< 0,001NS
< 0,001 NS

Bulan sejak kenakalan terakhir 0,002 NS

0,002NS
0,002 NS

Kepemilikan rumah - 0,016 NS

- 0,017NS
- 0,024 NS

Pendapatan bulanan < 0,001 NS

< 0,001NS
< 0,001 NS

Durasi kerja 0,028 0,028 0,028

Rasio hutang terhadap pendapatan 2,588 ** 2,580 ** 2,471 **
Buka jalur kredit 0,016 NS
0,016NS
0,016 NS

Total jalur kredit - 0,003 NS

- 0,003NS
- 0,003 NS

Permintaan kredit selama 6 bulan 0,004 NS

0.005NS
0,004 NS

Saldo kredit bergulir < 0,001 * < 0,001 * < 0,001 *

Penggunaan garis bergulir - 0,405 NS
- 0,398 NS
- 0,372 NS

Jumlah pinjaman < 0.001 *** < 0.001 *** < 0.001 ***
Panjang pinjaman 0,046 *** 0,046 *** 0,045 ***
Suku bunga 2.558 * 2.528 * 2.427 *
Pembayaran bulanan 0.005 *** 0.005 *** 0.005 ***
Deskripsi pinjaman disediakan - 0,068 NS
0,055 NS

Panjang deskripsi pinjaman < 0,001 *

Nagerkerle R 2
0,105 0,105 0,109

* P <0,05, ** P <0,01, *** P <0,001, NS = Tidak signifikan.

Model 1 = Hanya Data Keras.
Model 2 = Data Hard ditambah Deskripsi yang Disediakan / Tidak.
Model 3 = Data Hard ditambah Keterangan Disediakan / Tidak ditambah Panjang Deskripsi.

10

Tabel 4 Ringkasan Regresi Logistik Hierarki untuk Variabel yang Memprediksi Kemungkinan Pinjaman Ditagih

Variabel Model 1 B Model 2 B Model 3

B
Nilai kredit 0,136 *** 0.142 *** 0.138 ***
Kelas FICO 0,026 *** 0,027 *** 0,025 ***
Catatan publik - 1,255 NS
- 1.148 NS
- 1,121 NS

Bulan sejak catatan terakhir 0.007 NS

0.007 NS
0.007 NS

Jumlah yang menunggak - 0.002 NS

- 0.002 NS
- 0.002 NS

Bulan sejak kenakalan terakhir 0.005 NS

0.005 NS
0.005 NS

Kepemilikan rumah 0.320 * 0,329 * 0.345 *

Pendapatan bulanan < 0,001 * < 0,001 * < 0,001 *
Durasi kerja - 0,052 NS
- 0,051 NS
- 0,053 NS

Rasio hutang terhadap pendapatan - 1,556 NS

- 1,442 NS
- 1,166 NS

Buka jalur kredit - 0,040 NS

- 0,043 NS
- 0,043 NS

Total jalur kredit 0,023 NS

0,025 * 0,024 *
Permintaan kredit selama 6 bulan 0,112 NS
0,106 NS
0,105 NS

Saldo kredit bergulir < 0,001 NS

< 0,001 NS
< 0,001 NS

Penggunaan garis bergulir 0,646 NS

0,538 NS
0,486 NS

Jumlah pinjaman < 0,001 NS

< 0,001 NS
< 0,001 NS

Panjang pinjaman - 0,017 NS

- 0,018 NS
- 0,017 NS

Suku bunga - 9.576 *** - 9.419 *** - 9.312 ***

Pembayaran bulanan < 0,001 NS
- 0,001 NS
- 0,001 NS

Deskripsi pinjaman disediakan 0,872 *** 0,668 **

Panjang deskripsi pinjaman

0.001 **
Nagelkerke R 2
0,121 0.141 0.149
* P <0,05, ** P <0,01, *** P <0,001, NS = Tidak signifikan.
Model 1 = Hanya Data Keras.
Model 2 = Data Hard ditambah Deskripsi yang Disediakan / Tidak.
Model 3 = Data Hard ditambah Keterangan Disediakan / Tidak ditambah Panjang Deskripsi.

Tabel 5 Frekuensi Kode dalam 1000 Contoh Rekaman s

Variabel ordinal Tidak ada informasi Beberapa informasi baru Informasi baru yang
baru substansial
Informasi pinjaman tambahan 351 551 98
Justí fi kasi fi situasi keuangan 925 56 19
Klaim masa depan fi tanggung jawab keuangan 882 107 11
Klaim dari masa fi tanggung jawab keuangan 769 200 31
Pengakuan fi pelanggaran keuangan 977 23 -
Denial of fi pelanggaran keuangan 994 5 1
Detail pendidikan 944 46 10
Status Pekerjaan 733 140 127
Pendudukan 902 18 80
Variabel biner Tidak disebutkan Tersebut

-
Tautan ke anggota lain 1000
Link ke kehadiran online lainnya 1000 -

Tautan ke foto 1000 -

Usia 997 3

Jenis kelamin 969 31

Etnis 1000 -

Detail pernikahan 932 68

Anak-anak dan tanggungan 950 50

Hobi 995 5

Kesehatan dan kegemukan 955 45

Pandangan agama atau politik 998 2

Klaim kebaikan 969 31

Tolong atau terima kasih 818 182

Adanya tindak lanjut komentar 826 174

* P <0,05, ** P <0,01, *** P <0,001, NS = Tidak signifikan.

Sebuah b

11

Tabel 6 Output regresi untuk data lunak

Variabel prediktor Kekuatan penjelasan untuk proporsi yang Kekuatan penjelasan untuk kredit
didanai macet
(Nagerkerle R 12,5%) 2
(Nagerkerle R 12,3%) 2

B B
- 0,371 *** 0,389 NS

Informasi pinjaman tambahan

Justí fi kasi fi situasi keuangan - 0,085 NS
0,725 *
Klaim masa depan fi tanggung jawab - 0,190 NS
1,114 **
keuangan
Klaim dari masa fi tanggung jawab 0,098 NS
- 0,272 NS

keuangan
Ucapan terima kasih atas pelanggaran - 0,032 NS
- 1,191 NS

sebelumnya
Penolakan pelanggaran sebelumnya - 3.339 NS
1.560 NS

Usia - 20.855 NS
- 19.271 NS

Jenis kelamin - 0,329 NS

0,153 NS

Detail pendidikan 0.164 NS

- 1.532 NS

Status Pekerjaan - 0,363 ** - 0,068 NS

Rincian pekerjaan - 0,401 ** 0,252 NS

Hobi - 0,424 NS
- 18.830 NS

Detail pernikahan - 0,287 * 0,111 NS

Anak-anak dan tanggungan 0.182 NS

0,081 NS

Kesehatan dan kegemukan 0,379 NS

- 0,707 NS

Pandangan agama atau politik 0,466 NS

- 21,124 NS

Klaim kebaikan 0,627 NS

- 0,314 NS

Tolong atau terima kasih - 0,117 NS

0,608 NS

Adanya tindak lanjut komentar 0,172 NS

0,128 NS

Tidak Ada Substansial Tidak ada tambahan Beberapa tambahan tambahan

informasi baru tambahan informasi baru informasi informasi informasi informasi

Gambar 6 Rincian Variabel Biner dalam Ketentuan Proporsi Pendanaan Diterima. (A) Informasi yang diberikan mengenai tujuan
pinjaman. (b) Informasi yang diberikan mengenai status pekerjaan peminjam. (c) Informasi yang diberikan berkenaan dengan pemilikan
peminjam . (d) Informasi yang diberikan mengenai status perkawinan peminjam.

Ini fi temuan menarik karena beberapa alasan. Pertama, sehingga tidak mengherankan mereka hadir signi fi skor
kredit prediktif tidak bisa dibilang merupakan ringkasan dari semua kekuatan data lain untuk pinjaman. Namun,
kurangnya dukungan untuk data yang berkaitan dengan fi sejarah keuangan dan identitas peminjam, yang berkaitan
dengan Speci fi cs peminjam fi ' sejarah keuangan menyarankan
 1
Tabel 7 Tabel kontinjensi pernyataan terima kasih peminjam dan default pinjaman
Tidak Terima Total
disebutkan kasih Silahkan
Pinjaman tidak 797 (82,7%) 153 (15,9%) 14 (1,5%) 964
dikenakan biaya
Pinjaman 21 (58,3%) 14 (38,9%) 1 36
dibebankan (2,8%)
Total 818 167 15

bahwa pemberi pinjaman tidak peduli dengan rincian peminjam ' masa lalu dan sekarang s fi Data keuangan. Kedua,
pentingnya keempat faktor yang terkait dengan syarat dan ketentuan pinjaman menggambarkan bahwa ini mungkin
lebih diminati oleh pemberi pinjaman daripada rincian peminjam itu sendiri. Ketiga, banyak variabel memprediksi
berinvestasi ment tidak benar-benar memprediksi pembayaran, dengan pengecualian dari peminjam ' nilai kredit dan
suku bunga pinjaman. Keempat, dan mungkin yang paling menarik, daya penjelas keseluruhan dari semua variabel
ini sangat rendah, menunjukkan bahwa pemberi pinjaman tidak membuat keputusan berdasarkan data hard ini dalam
isolasi (dengan asumsi pilihan tidak acak dan pemberi pinjaman berbagi beberapa kriteria pengambilan keputusan) .
Dengan demikian, perilaku meminjamkan pada platform Lending Club mungkin hanya cukup diinformasikan oleh
data keras yang berkaitan dengan peminjam yang bersangkutan dan pinjaman yang diminta. Semua ini memperkuat
kemungkinan bahwa data lunak pada Lending Club memainkan peran penting dalam memprediksi perilaku pinjaman.

Iterasi 2: bagaimana soft data memprediksi perilaku di klub peminjaman

T ia Data menunjukkan bahwa 44.982 (38,6%) dari pelamar memilih untuk meninggalkan deskripsi pinjaman fi eld
kosong, dengan sisa peminjam membuat beberapa usaha tambahan untuk mengontekstualisasikan permintaan mereka.
Penyediaan data lunak oleh peminjam Prosper telah mengemukakan untuk mewakili keinginan untuk mengurangi
asimetri informasi dan meningkatkan kepercayaan yang dirasakan dari peminjam tersebut (Pötzsch dan Böhme, 2010,
Herzenstein et al. , 2011b). Demikian pula, deskripsi pinjaman yang lebih panjang dapat membesar-besarkan efek ini
dengan mewakili bahkan upaya reater dari pihak peminjam (Larrimore et al. , 2011). Dari mereka yang memberikan
deskripsi pinjaman pada Lending Club panjang dari deskripsi ini (diukur dalam jumlah karakter) bervariasi terutama,
dengan fi ve- fi Ringkasan angka dari [1, 110, 207, 333, 39 66]. Namun, bertentangan dengan fi temuan pada Prosper,
regresi hirarkis menunjukkan bahwa pemberian ( vs non-ketentuan) dari deskripsi pinjaman tidak signi fi dampak tidak
bisa pada peminjam ' kemungkinan s menerima investasi untuk peminjam menggunakan Lending Club, dan bahwa
Deskripsi panjang relatif dari deskripsi pinjaman (jika ada) memiliki kekuatan penjelasan yang tidak dapat diabaikan
(lihat Tabel 3). Hal ini menunjukkan bahwa - jika ada - itu adalah isi dari deskripsi ini s yang penting bagi pemberi
pinjaman ' keputusan investasi; bukan eksistensi mereka atau panjang.
Penelitian tentang Prosper juga menunjukkan peminjam ' keinginan untuk mengurangi asimetri informasi mungkin
memiliki indikasi positif dari kemungkinan mereka untuk membayar kembali investasi (Sonenshein et al. , 2011,
Herzenstein et al. , 2011b). Berbeda dengan dampak campuran dari deskripsi pinjaman tentang investasi dalam
Lending Club, dampak dari pemberian deskripsi pinjaman pada pembayaran adalah signi fi cant. Namun, tidak seperti
Prosper, efek pada Lending Club negat ive, yaitu mereka yang memberikan deskripsi pinjaman yang signi fi cantly
lebih mungkin untuk default pada pinjaman. Regresi logistik hierarkis menunjukkan bahwa baik pemberian deskripsi
pinjaman, maupun lamanya deskripsi pinjaman tersebut, memperkirakan lebih banyak yang akan dilunasi (lihat Tabel
4).
Namun, dif fi kultus untuk menarik kesimpulan berdasarkan ini fi nding, karena hal ini mungkin karena
meningkatnya tekanan bagi peminjam untuk mengatasi masalah ketika mereka berjuang untuk memenuhi pembayaran
mereka (dan dengan demikian communic Ating dengan kreditur melalui keterangan pinjaman fi eld).
Dampak campuran dari deskripsi pinjaman pada pemberi pinjaman ' keputusan investasi yang diamati pada Lending
Klub bergema dengan penelitian yang ada dari dampak gambar di peminjam pro fi les di Prosper. St udies telah
menemukan bahwa itu belum tentu kehadiran gambar yang di fl uences pemberi pinjaman melainkan isi dari foto-foto
(Paus dan Sydnor 2011, Duarte et al. , 2012). Hal ini menunjukkan jenis data bersama dalam Pinjaman Deskripsi fi
eld yang wha t menentukan dampak dari transparansi pribadi pada pemberi pinjaman ' pengambilan keputusan.
Frekuensi setiap jenis data yang dibagi dalam deskripsi pinjaman dalam kumpulan data kami diilustrasikan pada Tabel
5.
 Adapun penyelidikan sebelumnya dari data keras, dampak dari ed soft data cod diuji menggunakan regresi logistik
ganda untuk menentukan dampak dari variabel-variabel ini pada apakah atau tidak seluruh proporsi pendanaan yang
diterima. Regresi logistik ganda lainnya digunakan untuk menentukan dampak dari variabel-variabel ini pada
kemungkinan pinjaman yang dikenakan. Hasil tes ini diilustrasikan pada Tabel 6. Regresi ini memprediksi 12,5% dari
varians dalam pendanaan. Data menunjukkan bahwa pemohon ' kemungkinan s menerima investasi negatif berkorelasi
w engan menyebutkan status perkawinan mereka, informasi tambahan mengenai tujuan dari pinjaman, peminjam '
pendudukan, atau status pekerjaan mereka saat ini. Tidak ada data lunak lainnya menunjukkan setiap signi fi dampak
tidak bisa.
Keempat signi fi variabel biner tidak bisa mengandung informasi kualitatif berbeda. Perincian jenis-jenis informasi
yang dikodekan disajikan pada Gambar 6. Perincian ini menggambarkan dua tren. Pertama, pemberi pinjaman tidak
hanya merespon lebih negatif terhadap peminjam memberikan informasi lebih lanjut tentang th e tujuan dari pinjaman,
pekerjaan mereka, dan status pekerjaan mereka, respon negatif ini meningkat sebagai peminjam ' tingkat detail
meningkat. Kedua, peminjam yang menyebutkan pernikahan atau niat mereka untuk menikah kurang mendapat
investasi.
Regresi logistik untuk data lunak pelunasan pinjaman memprediksi 12,6% varians dalam jumlah peminjam yang
mendapatkan pinjaman. Data menunjukkan bahwa pemohon ' kemungkinan s membayar kembali investasi berkorelasi
negatif dengan membenarkan fi c negosiasi dari mereka saat ini fi situasi keuangan, klaim tanggung jawab masa depan,
dan pernyataan syukur. Tidak ada variabel lain menunjukkan setiap signi fi dampak tidak bisa. Jika pernyataan rasa
syukur ini dipecah, data menunjukkan bahwa peminjam yang berterima kasih kepada kreditur sebelum investasi
mereka adalah yang paling mungkin gagal membayar pinjaman mereka, χ 2 (5, N = 1000) = 13,93, P = 0,001 (lihat
Tabel 7).

Kesimpulan

Gambar 7 Model Hubungan yang Direvisi antara Berbagi Informasi dan Perilaku Pengguna di Klub Pemberian Pinjaman.
Dalam makalah ini kami telah mengeksplorasi hubungan antara berbagi informasi pengguna, harapan berbagi
informasi, dan perilaku pengguna, dipandu oleh perspektif SIT, menggunakan analisis dua kali lipat dari data
transaksional historis dari Lending Club, sebuah Kredit Peer-to-Peer yang memungkinkan Internet yang besar Sistem
(IP2PLS). Sistem seperti ini menarik kunci untuk komunitas riset IS, karena mereka telah muncul sebagai genre
teknologi mengganggu dalam fi wilayah layanan keuangan dan analog dengan lainnya Internet berbasis IS s upporting
kecerdasan kolektif dan tindakan (seperti perangkat lunak open source dan inovasi pasar) yang memiliki implikasi
organisasi dan sosial yang jauh jangkauannya.
Sejalan dengan penelitian sebelumnya kita mengkonsep sistem seperti dalam hal kemampuan mereka untuk
mendukung perilaku sosial dan pertukaran, tidak hanya fi transaksi keuangan. Dengan demikian, penelitian kami
didorong oleh arti-penting identitas sosial, transparansi pribadi, dan berbagi info rmasi dalam sistem tersebut (dan
peran yang dimainkan oleh sistem dalam mendukung pembagian semacam itu). Dengan alasan bahwa pengetahuan
saat ini dibatasi oleh bias terhadap penyedia IP2PLS tertentu, kami memilih untuk menganalisis platform yang sangat
besar namun tidak diteliti. Choic kami e situs didorong spesifik fi Cally dengan bukti bahwa fungsi dan peserta dari
platform P2PL yang berbeda bervariasi (Wang et al. , 2009, Bachmann et al. , 2011).
Kami fi Model nal, di mana kita berteori dampak dari identitas sosial dan informat ketentuan ion pada perilaku
pengguna di IP2PLS bunga, Lending Club diilustrasikan pada Gambar 7. Sebagai berteori, didasarkan pada asumsi
(diinformasikan oleh SIT) bahwa dampak dari berbagi pada perilaku pengguna dalam IP2PLS informasi dipengaruhi
oleh kesesuaian dengan harapan eksplisit dan implisit dari peserta jaringan vs harapan ditemukan dalam jaringan
eksternal (sering bersaing), kami mencatat bahwa kami fi temuan untuk Pinjaman Klub bervariasi dari pengamatan
IP2PLS lain sebelumnya menyelidiki d dalam literatur.
Pertama, kita melihat bahwa jenis keras fi Data keuangan yang telah diidentifikasi fi ed penting pada platform lain
telah membatasi daya prediksi untuk Pinjaman Klub, baik dari segi pembayaran peminjam tetapi terutama dalam hal
pemberi pinjaman-pengguna b ehavior dan keputusan investasi membuat. Kedua, kita Fi nd bahwa data keras yang
terbaik memprediksi perilaku pembayaran peminjam di Lending Club belum tentu data yang sama yang memprediksi
kemungkinan peminjam menerima investasi. Misalnya rumah status kepemilikan peminjam adalah prediktor yang
berguna pembayaran diabaikan dalam pengambilan keputusan pemberi pinjaman, sedangkan peminjam ' s saldo kredit
bergulir tampaknya memiliki sedikit atau tidak ada daya prediksi atas pembayaran, namun menunjukkan signi fi cant
fl pengaruh pada le nders. Ini fi pertama dua set fi temuan menunjukkan bahwa banyak dari hard fi Data keuangan,
diketahui berdampak pada perilaku pinjaman di platform seperti Prosper, tidak berdampak perilaku pinjaman pada
Lending Club. Perbedaan yang sangat terlihat ini mendukung asumsi bahwa IP2PLS heterogen, dan bahwa normal
(harapan lokal) serta kualitas data mempengaruhi perilaku pengguna. The fi Temuan juga menunjukkan kurangnya
penting dari keselarasan antara pemberi pinjaman ' s metrik jelas untuk mengukur risiko dan metrik yang actu sekutu
tampaknya berkorelasi dengan pembayaran.
Ketiga, kami menemukan bahwa ' lembut ' fi keuangan dan data sosial diungkapkan oleh peminjam dalam deskripsi
dari pinjaman yang diusulkan menjelaskan lebih dari varians dalam perilaku investasi dari ' keras ' fi Data keuangan,
yang setan didemonstrasikan tidak signi fi tidak bisa daya prediksi dengan Populasi sampel lebih kecil yang diberi
kode tangan ( P = 0,696). Namun, dan sama-sama terkenal, sebagian besar faktor prediktif identifikasi fi ed pada
pinjaman lainnya platform tidak signi fi dampak tidak bisa mengomentari Lending Club. Memang, sementara beberapa
data yang lembut memang menunjukkan signi fi kekuatan prediksi tidak bisa, banyak data yang bene fi tted peminjam
pada platform lain pada kenyataannya berbahaya bagi investasi dan pembayaran pada Pinjaman Club. Keempat, tidak
ada faktor prediktif pemberian pinjaman yang prediktif untuk pembayaran kembali. Kelima, data yang lembut yang
memanusiakan peminjam dan / atau ciri mereka sebagai berorientasi keluarga, sementara bene fi resmi pada platform
seperti Prosper, memiliki dampak yang berlawanan pada Lending Club. Alih-tha n menunjukkan keandalan dan / atau
kepercayaan dari peminjam, data tersebut muncul untuk mencairkan bahwa peminjam ' s fi identitas keuangan pada
Lending Club merugikan kemungkinan mereka menerima investasi. Sekali lagi, ini fi temuan memperkuat SIT-inf
ormed pandangan heterogenitas dalam domain ini, dan memberikan bukti lebih lanjut bahwa individu IP2PLS
komunitas berbagi harapan yang berbeda (dan interpretasi) informasi bersama.
Studi kami membuat beberapa kontribusi kunci terhadap gambaran perilaku pengguna IP2PLS yang lebih lengkap
dan heterogen, dan memiliki implikasi bagi periset sistem crowdfunding lainnya dan / atau bentuk tindakan kolektif
IS-enabled lainnya, juga untuk perancang sistem, pengguna , dan penyedia. Pertama, penelitian ini memberi kontribusi
dengan memberikan analisis mendalam dan menyeluruh mengenai IP2PLS yang besar namun kurang diinvestigasi,
sehingga memperluas pengetahuan kita dengan memberi gambaran empiris tentang perilaku pengguna di domain ini
secara lebih lengkap. Kedua, studi ini ' s fi temuan langsung ly bertentangan dengan banyak perilaku yang diamati dari
IP2PLS lain, sehingga kembali fi ning pengetahuan kita dengan menunjukkan bahwa IP2PLS, sebagai IT-dimediasi
masyarakat, tidak homogen dalam harapan dan nilai-nilai mereka sebanyak penelitian sebelumnya mungkin
menyarankan . Ketiga, dan yang paling kritis, penelitian ini menyediakan lensa teoretis yang berguna yang
memungkinkan kita memahami heterogenitas yang terbukti secara empiris ini, sehingga memberikan landasan teoritis
untuk penelitian masa depan.
Spesifik fi Cally, studi ini menunjukkan kegunaan melihat IP2P LS, melalui lensa SIT, karena sistem yang
mendukung pengambilan keputusan pengguna dengan memungkinkan pertukaran informasi sosial. Konseptualisasi
 ini membentuk kontribusi teoritis utama kita. Konsisten dengan penelitian yang ada pada teori identitas, kami fi temuan
sugges t bahwa dampak dari berbagi pada perilaku pengguna informasi terkait dengan platform tertentu fi harapan
berbagi c . Memang, kami melihat bahwa tidak seperti pada platform seperti Prosper, mengungkapkan informasi sosial
yang terperinci tampaknya berada di luar norma di Lending Club (yaitu terjadi pada sebagian kecil permintaan dan
tidak secara eksplisit didukung oleh platform) .
Dengan demikian, pemberi pinjaman-pengguna muncul terganggu oleh tiba-tiba peminjam transparan yang
mengungkapkan informasi tersebut, bukan hanya menampilkan diri di murni fi t keuangan Erms. Menariknya, kami
mencatat lagi bahwa data ini tidak terduga sosial lunak yang muncul untuk menghalangi perilaku investasi tidak
memiliki daya prediksi yang sebenarnya lebih peminjam ' kemungkinan pembayaran. Dengan kata lain, penerimaan
miskin yang diterima oleh peminjam-pengguna yang sha re ' terlalu banyak ' data dapat tidak hanya dipahami sebagai
fi respon risiko keuangan, melainkan, kita akan berpendapat, harus dipahami sebagai pelanggaran harapan masyarakat.
Singkatnya, penelitian kami (1) memperluas pengetahuan empiris kami tentang perilaku pengguna di IP2PLS, (2)
menantang asumsi bahwa IP2PLS bersifat homogen dengan mengungkapkan temuan yang bertentangan , (3)
mengubah pemahaman kita tentang IP2PLS dari platform pasar transisional murni ke identitas sosial dan platform
pertukaran informasi, dan (4) akibatnya memperluas pemahaman empiris dan teoritis kita tentang perilaku pengguna
IP2PLS. Untuk peneliti masa depan, pekerjaan kami menyiratkan bahwa pandangan IP2PLS yang lebih heterogen
diperlukan, serta apresiasi yang lebih kaya (menggunakan SIT atau perspektif teoritis lainnya) dari interaksi antara
identitas pengguna dan perilaku berbagi informasi, harapan masyarakat, dan fungsionalitas platform.
Pada bahwa fi titik nal, kita akan berpendapat bahwa pekerjaan kita juga memiliki implikasi praktis bagi para
desainer, pengembang, dan manajer dari IP2PLS. Pertama, sifat heterogen dari masyarakat IP2PLS diungkapkan oleh
pekerjaan kami menunjukkan bahwa tidak ada satu-ukuran- fi ts-semua desain yang ideal untuk IP2PLS. Sebaliknya
IP2PLS desain dan fungsi harus didorong oleh kebutuhan informasi pengguna dan informasi pengguna berbagi
harapan, sebagai faktor-faktor yang signifikan fi tidak bisa dalam satu IP2PLS mungkin tidak signi fi cant lain (atau
memang, mungkin memiliki hubungan terbalik, dimana data yang standar dalam satu domain, tetapi tidak terduga di
domain lain). Kedua, pergeseran perspektif dari pu ulang fi platform transaksi keuangan platform identitas sosial
menunjukkan bahwa desain IP2PLS dapat lebih melayani penggunanya dengan memfasilitasi lebih terstruktur dan
dengan demikian ' biasa ' penyajian informasi identitas sosial dalam platform. Ini memungkinkan pengguna peminjam
untuk mengungkapkan identitas dengan cara yang memungkinkan pengguna pemberi pinjaman mengevaluasi mereka
dengan cara yang lebih dapat diandalkan dan kurang rentan terhadap bias kognitif.

Ucapan Terima Kasih

Makalah ini melaporkan penelitian yang didanai oleh Yayasan Amal Lewis (USA ) melalui proyek Keterbukaan Organisasi dan
Transparansi Organisasi-Ketertinggalan Teknologi yang diselenggarakan di University College Cork, Irlandia.

Referensi
Ansoff, HI (1975). Mengelola Kejutan Strategis dengan Menanggapi Sinyal Lemah, California Management Review 18 (2): 21 - 33.
Ashforth, BE dan Mael, F. (1989). Teori Identitas Sosial dan Organisasi, Academy of Management Review 14 (1): 20 - 39.
Ashmore, RD, Deaux, K. dan McLaughlin-Volpe, T. (2004). Sebuah kerangka kerja untuk identitas kolektif: Artikulasi dan menandatangani i fi cance dari
multidimensi, Psychological Bulletin 130 (1): 80.
Alvesson, M. (2010). Orang yang ragu diri, pejuang, pendongeng, peselancar dan lain-lain: Gambar identitas diri dalam studi organisasi, Hubungan Manusia
63 (2): 193 - 217.
Arnett, DB, Jerman, S .D. dan Hunt, SD (2003). Model identitas arti-penting keberhasilan hubungan pemasaran: Kasus nirlaba fi t pemasaran, Journal of
Marketing 67 (2): 89 - 105.
Bachmann, A., Becker, A., Buerckner, D., Hilker, M., Kock, F., Lehmann, M., Tiburtius, P. dan Funk, B. (2011). Online Peer-to-Peer Lending - Sebuah
tinjauan literatur, Journal of Internet Banking & Commerce 16 (2): 1 - 18. Barry, JJ (2012). Mikro fi nance, Mark et dan Pembangunan Politik di Era
Internet, Third World Quarterly 33 (1): 125 - 141.
Berger, SC dan Gleisner, F. (2009). Munculnya Perantara Keuangan di Pasar Elektronik: Kasus pinjaman P2P online, Riset Bisnis 2 (1): 39 - 65.
Berkov ich, E. (2011). Cari dan giring efek dalam pinjaman peer-to-peer: Bukti dari prosper.com, Annals of Finance 7 (3): 389 - 405.
Benbasat, I. dan Zmud, RW (2003). Krisis Identitas dalam Disiplin IS:
De fi ning dan berkomunikasi disiplin ' co s re properti, MIS Quarterly 27 (2): 183 - 194.
Bhattacharya, CB dan Sen, S. (2003). Konsumen-perusahaan identifikasi fi kasi: Sebuah kerangka kerja untuk memahami konsumen ' hubungan dengan
perusahaan, Journal of Marketing 67 (2): 76 - 88 tahun.
Briceno Ortega, AC dan Bell, F. (2008). Pinjaman sosial online: Konten yang dipinjamkan. AMCIS 2008 Prosiding, Kertas 380, http://aisel.aisnet.org/
amcis2008 / 380.
Burke, PJ (1991). Proses Identitas dan Stres Sosial, Tinjauan Sosiologis Amerika 56 (6): 836 - 849.
Burke, PJ and Stets, JE (1999). Kepercayaan dan komitmen melalui verifikasi diri , Social Psychology Quarterly 62 (4): 347 - 366.
Burke, PJ dan Reitzes, DC (1991). Pendekatan Teori Identitas Terhadap Komitmen, Psikologi Sosial Triwulanan 54 (3): 239 - 251.
Callero, PL (1985). Peranan identitas peran, Psikologi Sosial Triwulanan 48 (3): 203 - 215.
Ceyhan, S., Shi, X. dan Leskovec, J. (201 1). Dinamika Penawaran dalam Pinjaman P2P
Layanan: Pengaruh penggembalaan dan prediksi keberhasilan pinjaman, dalam Prosiding Konferensi Internasional ke 20 di World Wide Web
(Hyderabad, India, 2011), ACM New York, NY, AS, 547 - 556.
Chaffee, EC dan Rapp, GC ( 2012). Mengelola Pinjaman Peer-to-Peer Online Sehari setelah Dodd-Frank: Mencari rezim peraturan yang berkembang
untuk industri yang berkembang, Washington and Lee Law Review 69 (2): 485 - 533. Chen, D. dan Han, C . (2012). Studi Perbandingan Pinjaman P2P
Online di Amerika Serikat dan China, Jurnal Internet Banking & Commerce 17 (2): 1 - 15.
Chen, N., Ghosh, A. dan Lambert, N. (2009). Social Lending, dalam Prosiding Konferensi ACM ke-10 tentang Perdagangan Elektronik (Stanford, California,
AS, 2009), ACM, 335 - 344.
Collier, BC dan Hampshire, R. (2010). Mengirim Sinyal Campuran: Efek reputasi berjenjang di pasar pinjaman peer-to-peer, dalam Proceedings of the ACM
Conference tentang Kerja Koperasi yang Didukung Komputer (Savannah, Georgia, USA, 2010), ACM, 197 - 206.
Cunningh am, S. (2013). Lending Club vs Prosper: Pertarungan akhir.
[ Lending Memo Online Publication], [dokumen WWW] http: // www. lendingmemo.com/lending-club-vs-prosper/ (diakses 17 September 2015).
Dezs ő , L. dan Loewenstein, G. (2012). Lender ' Blind Trust dan Area Buta Peminjam ' : Investigasi deskriptif tentang pinjaman pribadi, Journal of
Economic Psychology 33 (5): 996 - 1011.
Apakah, H., Jeon, S., Banker, R., Lee, B. dan Yoo, B. (2012). Apakah Leaderboard
Informasi yang Berguna untuk Investor?: Efek papan peringkat pada pinjaman P2P, dalam Prosiding Konferensi Internasional untuk Sistem Informasi,
(Orlando, AS, 2012).
Duarte, J., Siegel, S. and Young, L. (2012). Kepercayaan dan kredit: Peran penampilan dalam pinjaman peer-to-peer, Review of Financial Studies 25 (8):
2455 - 2483.
Dutton, JE, Dukerich, JM dan Harquail, CV (1994). Gambar organisasi dan anggota identifikasi fi kasi, Administrasi Science Quarterly 39 (2): 239 - 263.
Eliasoph, N. dan Lichterman, P. (2003). Budaya dalam interaksi1, American Journal of Sociology 108 (4): 735 - 794.
Forman, C., Ghose, A. dan Wiesenf eld, B. (2008). Memeriksa hubungan antara ulasan dan penjualan: Peran pengungkapan identitas reviewer di pasar
elektronik, Penelitian Sistem Informasi 19 (3): 291 - 313.
Freedman, S. dan Jin, GZ (2008). Apakah Jaringan Sosial Memecahkan Informasi
Masalah ems untuk Peer-to-peer Lending? Bukti dari prosper.com. NET Institute Working Paper (No. 08 - 43), Universitas Indiana, Bloomington:
Sekolah Umum & Urusan Lingkungan, doi: http://dx.doi.org/10.2139/ssrn.1936057. Granovetter, MS (1973). Kekuatan Lemah Ties, American Journal of
Sociology 78 (6): 1360 - 1380.
Greiner, ME dan Wang, H. (2009). Peran Modal Sosial di People-toPeople Lendin g Marketplace, ICIS 2009 Prosiding. Kertas 29, http: // aisel.
aisnet.org/icis2009/29.
Greiner, ME dan Wang, H. (2010). Membangun Kepercayaan Konsumen-ke-Con di Pasar E-Finance: Analisis empiris, Jurnal Perdagangan Elektronik
Internasional 15 (2): 105 - 136.
Guiral - Contreras, A., Gonzalo - Angulo, JA dan Rodgers, W. (2007). Isi informasi dan efek kemasyarakatan dari laporan audit dalam keputusan
pemeringkatan, Akuntansi & Keuangan 47 (2): 285 - 304.
Haslam, SA, Oakes, PJ, Reynolds, KJ and Turner, JC (1999). Identitas identitas sosial dan munculnya konsensus stereotip, Buletin Kepribadian dan Psikologi
Sosial 25 (7): 809 - 818.
Haslam, N., Rothschild, L. dan Ernst, D. (2000). Keyakinan penting tentang kategori sosial, British Journal of Social Psychology 39 (1): 113 - 127.
Herrero-Lopez, S. (2009). Interaksi Sosial dalam P2P Pinjaman, dalam Prosiding Lokakarya Pertambangan Jaringan Sosial dan Analisis (Paris, Perancis, 2009),
doi: 10.1145 / 1731011.1731014.
Herzenstein, M., Dholakia, UM . dan Andrews, RL (2011a). Perilaku Herding Strategis dalam Lelang Pinjaman Peer-to-Peer, Jurnal Pemasaran Interaktif 25
(1): 27 - 36.
Herzenstein, M., Sonenshein, S. dan Dholakia, UM (2011b). Beri Tahu Saya Kisah yang Baik dan Saya Dapat Meminjamkan Uang Anda: Peran naratif dalam
keputusan pemberian pinjaman peer-to-peer, Journal of Marketing Research 48 (November 2011):
S138 - S149.
Hiltunen, E. (2008). The Future Sign dan Its Three Dimensions, Futures 40 (3): 247 - 260.
Hoelter, JW (1983). Efek evaluasi peran dan komitmen t pada identitas arti, Psikologi Sosial Triwulan 46 (2): 140 - 147.
Iacobuzio, T. (2006). Dapat ' t Mendapatkan Pinjaman Bank? Coba Bertanya kepada rekan-rekan online Anda, Berita Teknologi Bank 19 (7): 25 - 27.
Iyer, R., Khwaja, AI, Luttmer, EF dan Shue, K. (2009). Pemutaran di Pasar Baru: Dapatkah pemberi pinjaman individual menilai kelayakan kredit peminjam
dalam pinjaman peer-to-peer? (Agustus 2009). AFA 2011 Denver Meeting Paper. http://dx.doi.org/ 10.2139 / ssrn.1570115.
Jeong, G., Lee, E. dan Lee, B. (2012). Apakah Peminjam ' Renewal Informasi
Ubah Lender ' Keputusan di P2P Pinjaman? Investigasi empiris, dalam
Prosiding Konferensi Internasional 14 tentang Perdagangan Elektronik Singapura (Singapura, 7 - 8 Agustus 2012); New York, NY: ACM, 83 - 86.
Katz, ML (1996). Keterangan tentang Implikasi Ekonomi Konvergensi, Perubahan Industri dan Perusahaan 5 (4): 1079 - 10 95.
Katz, ML dan Shapiro, C. (1985). Eksternalitas Jaringan, Persaingan, dan Kompatibilitas, Review Ekonomi Amerika 75 (3): 424 - 440.
Klafft, M. (2008a). Secara online Peer-to-peer Pinjaman, di HR Arabnia dan A. Bahrami, (eds.) Sebuah pemberi pinjaman ' perspektif, di P roceedings dari
Konferensi Internasional tentang
E-Learning, E-Business, Sistem Informasi Perusahaan, dan E-Government; Las Vegas, Amerika Serikat: CSREA Press, 371 - 375, doi:
http://dx.doi.org/10.2139/ ssrn.1352352.
Klafft, M. (2008b). Peer to Peer Lending: Pengkreditan kredit melalui internet, dalam Prosiding Konferensi Internasional Sistem Informasi, Teknologi dan
Manajemen (Dubai, UAE, 2008). Kupp, M. dan Anderson, J. (2007). Zopa: Web 2.0 memenuhi perbankan ritel, Tinjauan Strategi Bisnis 18 (3): 11 - 17.
Larrimore, L., Jiang, L., Larrimore, J., Markowitz, D. dan Gorski, S. (2011). Peer to Peer Lending: Hubungan antara fitur bahasa, kepercayaan, dan
keberhasilan persuasi, Journal of Applied Communication Research 39 (1): 19 - 37.
Lee, E. dan Lee, B. (2012). Perilaku Herding dalam Pinjaman P2P Online: Investigasi empiris, Penelitian dan Aplikasi Perdagangan Elektronik 11 (5): 495
- 503.
Lin, M. (2009). Peer-to-peer Lending: Sebuah studi empiris, AMCIS. Konsorsium Doktor (2009): Kertas 17, http://aisel.aisnet.org/amcis2009_dc/17.
Livingston, LS dan Glassman, T. (2009). Membuat Dana Managed Siswa Jenis Baru Menggunakan Pinjaman Peer-to-Peer, Pendidikan & Akreditasi Bisnis 1
(1): 1 - 14.
Lu, Y., Gu, B., Ye, Q. dan Sheng, Z. (2012). Sosial Dalam fl pengaruh dan Default di peerto-rekan Lending Networks, di Prosiding Konferensi Internasional
untuk Sistem Informasi (Orlando, Florida, 2012).
Luo, C., Xiong, H., Zhou, W., Guo, Y. dan Deng, G. (2011). Enha ncing
Keputusan Investasi dalam Pinjaman P2P: Perspektif komposisi investor, dalam Prosiding Konferensi Internasional ACM SIGKDD ke-17 pada
Penemuan Pengetahuan dan Penambangan Data (San Diego, USA, 2011), 292 - 300, ACM. Mester, LJ (1997). Apa ' s titik credit scoring? Tinjauan
Bisnis 3 (Sep / Oct): 3 - 16.
Moodie, M. (2013). Mikro fi nance dan Gender Risiko: Kasus Kiva.org, Tanda 38 (2): 279 - 302.
Michalski, S. dan Helmig, B. (2008). Apa yang kita ketahui tentang model keberpihakan identitas dari keberhasilan pemasaran elationship? Tinjauan literatur,
Journal of Relationship Marketing 7 (1): 45 - 63.
Pavlou, PA dan Gefen, D. (2004). Membangun pasar online yang efektif dengan kepercayaan berbasis institusi, Sistem Informasi Penelitian 15 (1): 37 - 59.
Pop e, DG dan Sydnor, JR (2011). Apa ' s di sebuah Gambar? Bukti Diskriminasi dari Prosper.com, Jurnal Sumber Daya Manusia 46 (1): 53 - 92.
Pötzsch, S. dan Böhme, R. (2010). Peran Informasi Lunak dalam Membangun Kepercayaan:
Bukti dari pinjaman sosial online, dalam A. Alessandro, Smith W. Sean, S. Ahmad-Reza (eds.) Trust and Trustworthy Computing , Springer
Berlin: Heidelberg, pp. 381 - 395.
Puro, L., Teich, JE, Wallenius, H. dan Wallenius, J. (2010). Peminjam Bantuan Keputusan untuk P eople-to-People Lending, Sistem Pendukung Keputusan
49 (1): 52 - 60. Puro, L., Teich, JE, Wallenius, H. dan Wallenius, J. (2011). Strategi Penawaran Untuk Lelang Pinjaman Nyata Nyata, Sistem Pendukung
Keputusan 51 (1): 31 - 41.
Reay Atkinson, S. (2013). Sebuah 21 Cen tury Pasifik fi c Bridge. Versi , 2, 28.
Reay Atkinson, S., Tavakoli Taba, S., Goodger, A., Caldwell, NH dan Hossain, L. (2014a). Standar Sintetis dalam Mengelola Siklus Hidup Sehat dan
Hubungan Maya, Jurnal Internasional tentang Kemajuan Ilmu Hayat 6 ( 1 - 2): 41 - 51.
Reay Atkinson, S., Tavakoli Taba, S. dan Hossain, L. (2014b). Pembibitan Trusts dan
[In.] Toleransi dalam Komunitas Cyber, dalam Prosiding Konferensi Internasional ASE Kedua tentang Ilmu dan Komputasi Data Besar (Stanford, AS,
2014). 27 - 31 Mei , AS, Akademi Sains dan Teknik (ASE): 1 - 9.
Shen, KN, Yu, AY dan Khalifa, M. (2010). Kontribusi pengetahuan dalam komunitas virtual: Akuntansi untuk berbagai dimensi kehadiran sosial melalui
identitas sosial, Perilaku & Teknologi Informasi 29 (4): 337 - 348.
Shih, M., Pittinsky, TL dan Ambady, N. (1999). Stereotype kerentanan: Identity salience dan pergeseran dalam kinerja kuantitatif, Psychological Science 10
(1): 80 - 83.
Sinanan, J. (2009). Pemberi pinjaman, Pinjam ers dan Fellows: narasi pribadi dan kewirausahaan sosial secara online micro fi nance, di Prosiding Konferensi
Tahunan ke-21 dari Computer-Human Interaction Australia Special Interest Group:
Desain: Buka 24/7. 23 - 27 November , Melbourne, Australi a: ACM, 2009, 293 - 296.
Sonenshein, S., Herzenstein, M. dan Dholakia, UM (2011). Bagaimana Bentuk Rekening Meminjam Keputusan Melalui Pembinaan Kepercayaan yang
Diperoleh, Perilaku Organisasi dan Proses Keputusan Manusia 115 (1): 69 - 84. Susunan, JE dan Burke, P.J. (2000). Teori identitas dan teori identitas
sosial, Social Psychology Quarterly 63 (3): 224 - 237.
Stryker, S. (1968). Identitas arti penting dan kinerja peran: Relevansi teori interaksi simbolis untuk penelitian keluarga, Journal of Marriage and Fa mily 30
(4): 558 - 564.
Stryker, S. (1980). Interaksionisme Simbolik: Versi Struktural Sosial . BenjaminCummings Publishing Company.
Stryker, S. (2008). Dari mead ke interaksionisme simbolis struktural dan seterusnya, Annu. Pdt. Sociol 34 : 15 - 31.
Stryker, S. dan Serpe, RT (1994). Identitas saliensi dan sentralitas psikologis: Konsep yang setara, tumpang tindih, atau saling melengkapi? Psikologi Sosial
Triwulan 57 (1): 16 - 35.
Tajfel, H. (1979). Individu dan Kelompok dalam Psikologi Sosial, British Journa l of Social and Clinical Psychology 18 (2): 183 - 190.
Tajfel, H. dan Turner, JC (1979). Sebuah Teori Integratif dari antarkelompok Con fl ik, di WG Austin dan S. Worchel (ed.) The Psikologi Sosial dari
antarkelompok Relations , USA: Brooks / Cole, pp 33. - 47.
Uzzi, B. ( 1996). Sumber dan Konsekuensi Ketertaan untuk Kinerja Ekonomi Organisasi: Efek jaringan, American Sociological Review 61 (4): 674 - 698.
Wang, H., Greiner, M. dan Aronson, JE (2009). Orang-ke-orang Pinjaman: The muncul e-com merce transformasi dari fi pasar keuangan, di NL Matius, SJ
Michael dan SJ Troy (eds.) Penciptaan Nilai dalam E-Bisnis Manajemen , Springer Berlin:. Heidelberg, pp 182 - 195.
Wang, H. dan Greiner, ME (2010). Penggilingan di Pelelangan Multi-pemenang, dalam ICIS 2010 Prosiding. Kertas 235,
http://aisel.aisnet.org/icis2010_submissions/235.
Wang, H. dan Greiner, ME (2011). Prosper - The eBay untuk m one in lending
2.0, Komunikasi Asosiasi untuk Sistem Informasi 29 (1): 243 - 258.
Yum, H., Lee, B. dan Chae, M. (2012). Dari Wisdom of Crowds to My Own
Penghakiman di Micro fi nance melalui Peer-to-Peer Pinjaman Platform Online, Elektronik Comm sengit Penelitian dan Aplikasi 11 (5): 469 - 483.
Zhang, JJ, dan Liu, P. (2012). Penggembalaan Rasional di Pasar Microloan, Ilmu Manajemen 58 (5): 892 - 912.
Tentang Penulis

Joseph Feller adalah seorang profesor dengan Cork University Business School, University College Cork, Irlandia.
Penelitiannya (tentang penggunaan teknologi untuk meningkatkan kecerdasan, tindakan, dan sumber daya kolektif)
telah muncul dalam Riset Sistem Informasi, Jurnal Sistem Informasi Strategis, Jurnal Sistem Informasi Eropa, Jurnal
Sistem Informasi . Dia adalah Presiden pendiri Special Interest Group Open Penelitian dan Praktek (SIGOPEN)
Asosiasi Sistem Informasi (AIS) dan direktur t dia TechnologyEnabled Transparansi Organisasi dan Keterbukaan
(TOTO) proyek penelitian di UCC.

Rob Gleasure adalah seorang dosen di Sekolah Bisnis Universitas Cork, University College Cork, Irlandia, dan
seorang peneliti dalam proyek penelitian TOTO di UCC. Dia berbicara dengan seorang Ph.D. dalam Sistem Informasi
Bisnis dari University College Cork di tahun 2013. Penelitiannya berfokus pada dampak dari kurang sadar dalam fl
uences dan bias sosial terhadap perilaku online, terutama crowdfunding. Karyanya mengenai topik ini telah
dipublikasikan di berbagai jurnal dan konferensi terkemuka, termasuk Journal for Strategic Information Systems ,
Jurnal Internasional untuk Faktor Manusia dan Ergonomi , dan Konferensi Internasional untuk Sistem Informasi .

Stephen Treacy adalah kandidat doctoral di Fakultas Bisnis Universitas Cork, University College Cork, Irlandia, dan
seorang peneliti dalam proyek penelitian TOTO di UCC. Penelitiannya berfokus pada peran modal sosial di pasar dan
kontes inovasi terbuka, dan pada bentuk lain dari crow crowourcing dan crowdfunding yang digunakan untuk
mempercepat dan memungkinkan usaha bisnis baru, inovasi produk / layanan, dan perubahan organisasi.

1
Lampiran A

Tabel A1 Daftar Hipotesis yang Memprediksi Bagaimana Data Hard yang Diperkirakan Secara Eksak Mungkin Dampak Investasi dan Pelunasan di Klub Pemberian
Pinjaman

H # 1: Sebuah lebih tinggi Lending Klub skor kredit akan memiliki dampak positif pada kedua peminjam '
kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 2: A lebih tinggi FICO skor kredit akan memiliki dampak positif pada kedua peminjam ' kemungkinan s menerima
investasi dan kemungkinan pembayaran.
H # 3: Sebuah jumlah yang lebih tinggi dari catatan publik akan h ave dampak negatif pada kedua peminjam '
kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 4: Sebuah jumlah yang lebih tinggi dari kenakalan akun akan memiliki dampak negatif pada kedua peminjam '
kemungkinan s menerima investasi dan kemungkinan r epayment.
H # 5: Sebuah angka yang lebih rendah dari bulan sejak catatan publik terakhir akan memiliki dampak negatif pada
kedua peminjam ' kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 6: Sebuah angka yang lebih rendah dari bulan sejak kenakalan akun terakhir akan memiliki dampak negatif pada
kedua peminjam ' kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 7: Sebuah penghasilan bulanan yang lebih tinggi akan memiliki dampak positif pada kedua peminjam '
kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 8: Homeo wnership akan memiliki dampak positif pada kedua peminjam ' kemungkinan s menerima investasi dan
kemungkinan pembayaran.
H # 9: Sebuah jumlah yang lebih tinggi dari tahun dalam pekerjaan akan memiliki dampak positif pada kedua
peminjam ' kemungkinan s menerima investasi dan li kelihood pembayaran.
H # 10: Sebuah jumlah yang lebih tinggi dari jumlah garis kredit akan memiliki dampak positif pada kedua peminjam
' kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 11: Sebuah rasio utang terhadap pendapatan yang lebih tinggi akan memiliki dampak negatif pada kedua bo rrower
' kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 12: Sebuah jumlah yang lebih tinggi dari garis kredit terbuka akan memiliki dampak negatif pada kedua peminjam
' kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 13: Sebuah jumlah yang lebih tinggi dari cr mengedit pertanyaan dalam 6 bulan terakhir akan memiliki dampak
negatif pada kedua peminjam ' kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 14: Keseimbangan kredit bergulir yang lebih tinggi akan memiliki dampak negatif pada kedua peminjam '
kemungkinan s dari rece investasi iving dan kemungkinan pembayaran.
H # 15: Tinggi pemanfaatan garis bergulir akan memiliki dampak negatif pada kedua peminjam ' kemungkinan s
menerima investasi dan kemungkinan pembayaran.
H # 16: Sebuah jumlah pinjaman yang lebih tinggi akan memiliki dampak negatif pada kedua peminjam ' kemungkinan
s menerima investasi dan kemungkinan pembayaran.
H # 17: Sebuah panjang yang lebih tinggi dari durasi pinjaman akan memiliki dampak negatif pada kedua peminjam
' kemungkinan s menerima inve stment dan kemungkinan pembayaran.
H # 18: Tingkat bunga yang lebih tinggi akan memiliki dampak positif pada peminjam ' kemungkinan s menerima
investasi tetapi dampak negatif pada kemungkinan mereka pembayaran.
H # 19: Sebuah pembayaran bulanan yang lebih tinggi akan memiliki im positif pakta pada peminjam ' kemungkinan
s menerima investasi tetapi dampak negatif pada kemungkinan mereka pembayaran.

Lampiran B

Tabel B1 Daftar Hipotesis Memprediksi Bagaimana Data Lembut Tersirat Diharapkan Dapat Berdampak pada Investasi dan Pembayaran Kembali di Lending Club

H # 20: informasi lain tentang pinjaman ' tujuan s akan memiliki dampak negatif pada peminjam ' kemungkinan s
menerima investasi dan kemungkinan pembayaran.
H # 21: Justí fi kation untuk peminjam ' saat s fi situasi keuangan akan memiliki dampak negatif pada peminjam '
kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 22: Klaim masa depan fi tanggung jawab keuangan akan memiliki dampak negatif pada peminjam ' kemungkinan
s menerima investasi dan kemungkinan pembayaran.
H # 23: Klaim masa lalu f i keuangan tanggung jawab akan memiliki dampak negatif pada peminjam ' kemungkinan
s menerima investasi dan kemungkinan pembayaran.
H # 24: Pengakuan fi pelanggaran keuangan akan memiliki dampak negatif pada peminjam ' kemungkinan s menerima
berinvestasi ment dan kemungkinan pembayaran.
H # 25: Denial of fi pelanggaran keuangan akan memiliki dampak negatif pada peminjam ' kemungkinan s menerima
investasi dan kemungkinan pembayaran.
H # 26: Denial of peminjam ' pendidikan s akan memiliki dampak negatif pada ab orrower ' kemungkinan s menerima
investasi dan kemungkinan pembayaran.
H # 27: Denial of peminjam ' pendudukan akan memiliki dampak negatif pada peminjam ' kemungkinan s menerima
investasi dan kemungkinan pembayaran.
H # 28: Denial of peminjam ' status pekerjaan s akan memiliki dampak negatif pada peminjam ' kemungkinan s
menerima investasi dan kemungkinan pembayaran.

H # 29: Link ke anggota lain akan memiliki dampak negatif terhadap peminjam ' kemungkinan s menerima investasi
dan kemungkinan r epayment.
H # 30: Link ke kehadiran online lainnya yang dimiliki oleh peminjam akan memiliki dampak negatif pada peminjam
' kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 31: Link ke foto akan memiliki dampak negatif pada peminjam ' s lik elihood menerima investasi dan
kemungkinan pembayaran.
H # 32: Rincian peminjam ' usia s akan memiliki dampak negatif pada peminjam ' kemungkinan s menerima investasi
dan kemungkinan pembayaran.
H # 33: Rincian peminjam ' jenis kelamin s akan memiliki dampak negatif pada peminjam ' kemungkinan s menerima
investasi dan kemungkinan pembayaran.
H # 34: Rincian peminjam ' etnis s akan memiliki dampak negatif pada peminjam ' kemungkinan s menerima investasi
dan kemungkinan pembayaran.
H # 35: Deta ILS peminjam ' Status perkawinan s akan memiliki dampak negatif pada peminjam ' kemungkinan s
menerima investasi dan kemungkinan pembayaran.
H # 36: Rincian peminjam ' anak-anak dan tanggungan akan memiliki dampak negatif pada peminjam ' kemungkinan
s menerima investasi dan kemungkinan pembayaran.
H # 37: Rincian peminjam ' hobi S akan memiliki dampak negatif pada peminjam ' kemungkinan s menerima investasi
dan kemungkinan pembayaran.
H # 38: Rincian peminjam ' kesehatan s atau obesitas akan memiliki dampak negatif pada peminjam ' kemungkinan s
menerima investasi dan kemungkinan pembayaran.
H # 39: Rincian peminjam ' pandangan agama atau politik s akan memiliki dampak negatif pada peminjam '
kemungkinan s menerima investasi dan likeliho od pembayaran.
H # 40: Klaim kebaikan peminjam terkait dengan pinjaman akan memiliki dampak negatif pada peminjam '
kemungkinan s menerima investasi dan kemungkinan pembayaran.
H # 41: Ekspresi syukur akan memiliki dampak negatif pada peminjam ' kemungkinan s menerima investasi dan
kemungkinan pembayaran.
 Berbagi informasi dalam sistem IP2PL J Feller dkk
19

Lampiran C

Tabel C1 Manual Coding Contoh

Kategori kode Tidak ada informasi baru Beberapa informasi baru Informasi baru yang substansial

Tidak ada, atau hanya informasi Terse atau samar-samar Lebih lama atau lebih spesifik fi informasi
tidak ditemukan mengulangi data terstruktur di tempat lain c tidak ditemukan di tempat lain dalam
dalam permintaan. ditemukan di tempat lain dalam permintaan.
permintaan

Informasi pinjaman Tidak disebutkan atau menyatakan kembali ' Dana akan digunakan untuk pengembangan dan ' Mencari
tambahan pinjaman konsolidasi selama 3 utang kategori pinjaman biaya Pra-produksi pada fitur fi lm ' sebesar $
1141,83 dan saat ini bulanan
pembayaran minimum sebesar $ 564.85 '
Justí fi kasi fi Tidak disebutkan atau menyatakan kembali ' Hanya fi setengah jadi satu tahun karir saya dan ' saya telah
keuangan sit uation membantu kategori pinjaman putri tertua saya itu melibatkan banyak bergerak dan membayar pinjaman
mahasiswa nya dari perguruan tinggi - relokasi dan lain-lain besar dia bekerja penuh waktu, tetapi rendah -
membayar pekerjaan.
pembelian ' Anakku (lulus kuliah Mei ini) juga
bekerja, tetapi semakin sedikit jam, jadi
ibu saya dan saya berbagi membantunya
dengan biaya hidup. Dia bisa
mendapatkan schol arships dan hibah
untuk fi pertama 3 tahun kuliah, tapi saya
membayar pinjaman pada tahun senior
dan 1/2 nya sewa / kamar / papan. Putri
tengah saya juga telah mengandalkan
bantuan saya. Suaminya telah
meninggalkannya dan anak perempuan
mereka yang berusia 3 tahun. Dia bekerja
sangat lama, tapi tidak mampu
membelinya
apartemen tetapi juga tidak diizinkan
keluar dari sewa nya '
Tidak
Klaim
disebutkan ' Ini (pinjaman)
masa depan fi akan memungkinkan saya untuk menyebar ' Saya menghasilkan $ 2350 setiap 2 minggu dan hanya
tanggung jawab memiliki pembayaran kembali pinjaman ini melalui mobil dan pembayaran sewa ' periode yang lebih lama
keuangan sehingga saya dapat membebaskan uang tunai '
Tidak ada yang menyebutkan atau menyatakan kembali ' Semua kartu ... tidak pernah melewatkan ' Saya
telah kehilangan hutang sebesar $ 15.000 di
Klaim dari masa fi Peringkat kredit pembayaran atau terlambat ' kurang dari 4 tahun '
tanggung jawab
keuangan
Pengakuan / Tidak disebutkan ' Sebagian besar utang berasal dari ' Istilah pinjaman yang tidak
Denial of fi pelanggaran keputusan buruk terkait rumah yang menguntungkan melihat keluar beberapa
keuangan kami beli tahun 2005 ' tahun, tapi saya harapkan untuk dapat
kembali fi nance jalan keluar sebelum
mendapat buruk. Saya bekerja sebagai
manajer TI dan catatan kredit saya terus
membaik. Sayangnya, perusahaan saya '
induk perusahaan s dijual kami, dan saya
diberhentikan dalam proses. Saya
mengambil kesempatan dan mencoba
masuk ke konsultasi pribadi dengan
pasangan. Tanpa pergi ke detail,
kemitraan didn ' t bekerja - kita tidak
membuat uang. Kami putus, dan aku
ditinggalkan dengan bagiannya dari enam
bulan ' biaya, wh ich saya telah tertutup.
Saya juga harus berurusan dengan
pengusiran penyewa yang buruk dan rasa
sakit keuangan yang terkait . Sementara
itu, tingkat hipotek pertama saya $ 300k
naik menjadi 8%, hampir setinggi
pinjaman ekuitas saya ($ 33k pada 9%).
Saya berfokus untuk menjaga pembayaran
hipotek tetap , yang berarti saya membuat
beberapa keputusan yang sulit (buruk?)
Untuk bertahan, termasuk menjalankan
hutang kartu kredit, menunda
pembayaran, dan terlambat membayar
pajak properti saya (yang tidak
escrowed) '

20

Tabel C1 Lanjutan
Kategori kode Tidak ada informasi baru Beberapa informasi baru Informasi baru yang substansial

Rincian pendidikan Tidak ' Saya memegang fi gelar nance ' ' Baru-baru ini saya menerima CPC dan
disebutkan lulus kuliah perpisahan saya ... Di sekolah
profesional saya telah menghadiri '
Status pekerjaan Tidak disebutkan ' telah dipekerjakan dengan mantap ' Bekerja sebagai Direktur di
selama 8 tahun terakhir ' PERUSAHAAN X selama enam tahun '
Pendudukan Tidak ' Saya dalam medis fi lapangan dan ' Saya Informasi GS-11 Langkah 5
disebutkan berlatih sendiri ' Spesialis teknologi '
Kategori kode Tidak Menyajikan
menyajikan

Tautan ke anggota lain Tidak hadir Nama akun terdaftar, nama asli, URL
Link ke kehadiran online Tidak hadir Nama akun dan URL terdaftar
lainnya
Tautan ke foto Tidak hadir Tidak ditemukan dalam sampel
Usia Tidak hadir Usia yang dinyatakan secara eksplisit
Jenis kelamin Tidak hadir Jenis kelamin yang dinyatakan secara eksplisit
Etnis Tidak hadir Tidak ditemukan dalam sampel
Detail pernikahan Tidak hadir Dinyatakan secara eksplisit atau tersirat, misalnya ' Saya dan istri saya menyimpan akun
terpisah ...'
Anak-anak dan tanggungan tidak ada Eksplisit dinyatakan atau tersirat, misalnya ' Sejak ia telah kami fi anak pertama ...'
Hobi Tidak hadir Dinyatakan secara eksplisit atau tersirat, misalnya ' Saya adalah penggemar besar Suze
Orman '
Kesehatan dan Tidak hadir Secara eksplisit dinyatakan atau tersirat, misalnya ' Lebih dari 12 tahun, saya memiliki
kegemukan rata-rata mengambil kurang dari 2 hari sakit per tahun '
Pandangan agama atau Tidak hadir Secara eksplisit dinyatakan atau tersirat, misalnya ' Kami adalah sekolah tua Amerika yang
politik percaya untuk melunasi hutang mereka vs kebangkrutan '
Klaim kebaikan Tidak hadir Dinyatakan secara eksplisit atau tersirat, misalnya ' Salah satu alasan saya bergerak adalah
agar saya dapat ... mulai membantu orang miskin di komunitas saya '
Tolong atau terima kasih Tidak hadir Secara eksplisit dinyatakan, misalnya ' Tolong bantu saya '
Adanya tindak lanjut Tidak hadir Komentar tindak lanjut ada
komentar