論文の概要: A Mixed-Methods Analysis of the Algorithm-Mediated Labor of Online Food Deliverers in China

• arxiv url: http://arxiv.org/abs/2208.04518v2
• Date: Sat, 27 Aug 2022 02:05:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 10:24:42.677997
• Title: A Mixed-Methods Analysis of the Algorithm-Mediated Labor of Online Food Deliverers in China
• Title（参考訳）: 中国におけるオンライン食品配達業者のアルゴリズム媒介労働の混合分析
• Authors: Zhilong Chen, Xiaochong Lan, Jinghua Piao, Yunke Zhang, Yong Li
• Abstract要約: 中国は、ギグ経済の新たなタイプであるオンラインフードデリバリー産業の成長と成功を目撃している。 本稿では、オンラインフードデリバリー業者のこの労働力を調査し、アルゴリズムの仲介がいかにしてそれを形作るかを明らかにするために、混合メソッド分析を提案する。 本研究は, ギグエコノミーの労働者だけでなく, より優れた体験と, より人間化された配達員の労働力を実現する上で, 重要な意味を示唆するものである。
• 参考スコア（独自算出の注目度）: 7.344457651613267
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, China has witnessed the proliferation and success of the online food delivery industry, an emerging type of the gig economy. Online food deliverers who deliver the food from restaurants to customers play a critical role in enabling this industry. Mediated by algorithms and coupled with interactions with multiple stakeholders, this emerging kind of labor has been taken by millions of people. In this paper, we present a mixed-methods analysis to investigate this labor of online food deliverers and uncover how the mediation of algorithms shapes it. Combining large-scale quantitative data-driven investigations of 100,000 deliverers' behavioral data with in-depth qualitative interviews with 15 online food deliverers, we demonstrate their working activities, identify how algorithms mediate their delivery procedures, and reveal how they perceive their relationships with different stakeholders as a result of their algorithm-mediated labor. Our findings provide important implications for enabling better experiences and more humanized labor of deliverers as well as workers in gig economies of similar kinds.
• Abstract（参考訳）: 近年、中国はギグエコノミーの新興型であるオンライン食品デリバリー産業の成長と成功を目撃している。 レストランから顧客に食品を届けるオンラインフードデリバリーは、この産業を実現する上で重要な役割を果たす。 アルゴリズムに媒介され、複数の利害関係者とのインタラクションと組み合わせることで、この新たなタイプの労働は何百万人もの人々が引き受けてきた。 本稿では,オンライン食品配送業者のこの労働力を調査し,アルゴリズムの仲介がいかに形作るかを明らかにするための混合手法分析を提案する。 10万人の納品者の行動データと15人のオンラインフードデリバリー担当者との詳細な質的インタビューの大規模定量データ駆動調査を組み合わせることで、作業活動の実証、納品手続きの仲介方法の特定、そして、アルゴリズムによる労働の結果、異なる利害関係者との関係をどう知覚するかを明らかにする。 本研究は, ギグエコノミーの労働者だけでなく, より優れた体験と, より人為的労働を可能にする上で重要な意味を持つ。

関連論文リスト

• Global Inequalities in the Production of Artificial Intelligence: A Four-Country Study on Data Work [0.0]
  労働力は人工知能の発展において大きな役割を担っているが、ほとんど認識されていない。 オンラインプラットフォームと下請け業者のネットワークは、AI生産の影の中でタスクを実行するためにデータワーカーを募集する。 本研究は、ベネズエラ、ブラジル、マダガスカル、フランスの富裕国における労働条件とデータ労働者のプロフィールを比較して、結果として生じる複雑さを明らかにする。
  論文  参考訳（メタデータ） (2024-10-18T07:23:17Z)
• RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
  Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。 本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:49:34Z)
• From Canteen Food to Daily Meals: Generalizing Food Recognition to More Practical Scenarios [92.58097090916166]
  DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。 これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
  論文  参考訳（メタデータ） (2024-03-12T08:32:23Z)
• FoodLMM: A Versatile Food Assistant using Large Multi-modal Model [96.76271649854542]
  大規模マルチモーダルモデル(LMM)は多くの視覚言語タスクにおいて顕著な進歩を遂げている。 本稿では,多機能なLMMに基づく多目的食品アシスタントであるFoodLMMを提案する。 本稿では,食品の栄養価と複数のセグメンテーションマスクを予測するために,一連の新しいタスク固有のトークンとヘッドを導入する。
  論文  参考訳（メタデータ） (2023-12-22T11:56:22Z)
• Classification of retail products: From probabilistic ranking to neural networks [0.0]
  本稿では,常に変化する食品カタログを自動的に3段階の食品分類に分類する手法を提案する。 本稿では,スコアベースランキング法,従来の機械学習アルゴリズム,ディープニューラルネットワークの3つのアプローチについて検討する。
  論文  参考訳（メタデータ） (2023-12-12T18:11:15Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• MCEN: Bridging Cross-Modal Gap between Cooking Recipes and Dish Images with Latent Variable Model [28.649961369386148]
  我々は、画像やテキストを同じ埋め込み空間に投影することで、モダリティ不変表現を学習するModality-Consistent Embedding Network(MCEN)を提案する。 本手法は, 学習中のモーダル間のアライメントを学習するが, 効率を考慮に入れた推定時間において, 異なるモーダルの埋め込みを独立に計算する。
  論文  参考訳（メタデータ） (2020-04-02T16:00:10Z)
• Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
  画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。 本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。 食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
  論文  参考訳（メタデータ） (2020-03-09T07:41:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。