論文の概要: FairFare: A Tool for Crowdsourcing Rideshare Data to Empower Labor Organizers
- arxiv url: http://arxiv.org/abs/2502.11273v1
- Date: Sun, 16 Feb 2025 21:30:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-18 14:16:23.532850
- Title: FairFare: A Tool for Crowdsourcing Rideshare Data to Empower Labor Organizers
- Title（参考訳）: FairFare: 労働機関に力を与えるためにライダーデータをクラウドソーシングするツール
- Authors: Dana Calacci, Varun Nagaraj Rao, Samantha Dalal, Catherine Di, Kok-Wei Pua, Andrew Schwartz, Danny Spitzberg, Andrés Monroy-Hernández,
- Abstract要約: ライダーワーカーは、ギグワークプラットフォームが不透明なAIとアルゴリズムシステムに依存しているため、予測不可能な労働条件を経験する。
FairFareは、従業員のデータをクラウドソースして分析して、テイクレートを見積もるツールです。
評価インタビューの間、主催者はフェアファールが法案言語とコロラド州上院法案24-75の成立に影響を与えたと報告した。
- 参考スコア（独自算出の注目度）: 7.790035708512267
- License:
- Abstract: Rideshare workers experience unpredictable working conditions due to gig work platforms' reliance on opaque AI and algorithmic systems. In response to these challenges, we found that labor organizers want data to help them advocate for legislation to increase the transparency and accountability of these platforms. To address this need, we collaborated with a Colorado-based rideshare union to develop FairFare, a tool that crowdsources and analyzes workers' data to estimate the take rate -- the percentage of the rider price retained by the rideshare platform. We deployed FairFare with our partner organization that collaborated with us in collecting data on 76,000+ trips from 45 drivers over 18 months. During evaluation interviews, organizers reported that FairFare helped influence the bill language and passage of Colorado Senate Bill 24-75, calling for greater transparency and data disclosure of platform operations, and create a national narrative. Finally, we reflect on complexities of translating quantitative data into policy outcomes, nature of community based audits, and design implications for future transparency tools.
- Abstract（参考訳）: ライダーワーカーは、ギグワークプラットフォームが不透明なAIとアルゴリズムシステムに依存しているため、予測不可能な労働条件を経験する。
これらの課題に応えて、労働機関は、これらのプラットフォームの透明性と説明責任を高めるための法律を提唱する上で、データを必要としていることがわかった。
このニーズに対処するため、コロラドのライドシェア組合と共同でFairFareを開発した。これは従業員のデータをクラウドソーシングして分析し、テイクレートを見積もるツールだ。
当社はFairFareをパートナー組織と共同で運用し、18ヶ月にわたって45人のドライバーから7万6000回以上のデータを収集しました。
評価インタビューの間、主催者はフェアファールが法案言語とコロラド州上院法案24-75の成立に影響を与え、プラットフォーム運営の透明性とデータ開示を高め、全国的な物語を創出することを訴えたと報告した。
最後に、定量的データを政策成果に翻訳する複雑さ、コミュニティベースの監査の性質、そして将来の透明性ツールに対する設計上の意味について考察する。
関連論文リスト
- FairJob: A Real-World Dataset for Fairness in Online Systems [2.3622884172290255]
広告における求人推薦のためのフェアネス対応データセットを提案する。
収集され、プライバシー基準とビジネス機密に準拠する準備が整った。
匿名化され、センシティブな属性のプロキシを含むにもかかわらず、データセットは予測力を保持します。
論文 参考訳（メタデータ） (2024-07-03T12:30:39Z) - Rideshare Transparency: Translating Gig Worker Insights on AI Platform Design to Policy [8.936861276568006]
透明性に関連する害、緩和戦略、労働者のニーズを特定します。
オンラインプラットフォームワーカーコミュニティに投稿された100万件以上のコメントのLCMに基づく分析を組み合わせた,新しい混合手法による研究を用いている。
我々は、プラットフォームが公開透明性レポートを公開することを要求する新しい規制は、労働者の幸福を改善するためのより効果的な解決策であると主張している。
論文 参考訳（メタデータ） (2024-06-16T00:46:49Z) - A Bargaining-based Approach for Feature Trading in Vertical Federated
Learning [54.51890573369637]
本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。
当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
論文 参考訳（メタデータ） (2024-02-23T10:21:07Z) - Incentivized Communication for Federated Bandits [67.4682056391551]
我々は,サーバがインセンティブを提供することでクライアントにデータを共有する動機付けを行う,フェデレートされた盗賊に対するインセンティブ付きコミュニケーション問題を導入する。
本稿では,実証可能な通信とインセンティブコスト保証により,ほぼ最適の後悔を実現する,最初のインセンティブ付き通信プロトコルであるInc-FedUCBを提案する。
論文 参考訳（メタデータ） (2023-09-21T00:59:20Z) - Rethinking People Analytics With Inverse Transparency by Design [57.67333075002697]
我々は、デザインによる逆透過性(inverse transparency)と呼ぶ、労働分析のための新しい設計手法を提案する。
アーキテクチャの変更はコア機能を阻害することなく行われます。
我々は、デザインによる逆透明性は、受け入れられ、責任ある人々の分析を実現するための有望なアプローチである、と結論付けている。
論文 参考訳（メタデータ） (2023-05-16T21:37:35Z) - Contributing to Accessibility Datasets: Reflections on Sharing Study
Data by Blind People [14.625384963263327]
13人の盲目の被験者がデータ収集活動に従事している2つの研究結果を示す。
リスク・ベネフィットのトレードオフを評価する際に、異なる要因が被験者の学習データ共有意欲にどのような影響を及ぼすかを確認する。
大多数は、技術改善のためにデータの共有をサポートしますが、商用利用、関連するメタデータ、およびデータの影響に関する透明性の欠如に対する懸念を表明しています。
論文 参考訳（メタデータ） (2023-03-09T00:42:18Z) - Increasing Data Equity Through Accessibility [25.06163815093506]
この回答は、特に障害者のためのデータエクイティを考慮に入れている。
データエクイティの文脈において、過小評価されているコミュニティの1つは障害のある人々である、と我々は主張する。
論文 参考訳（メタデータ） (2022-10-04T20:53:36Z) - Having your Privacy Cake and Eating it Too: Platform-supported Auditing
of Social Media Algorithms for Public Interest [70.02478301291264]
ソーシャルメディアプラットフォームは、情報や機会へのアクセスをキュレートするので、公衆の言論を形成する上で重要な役割を果たす。
これまでの研究では、これらのアルゴリズムが偏見や差別的な結果をもたらすことを示すためにブラックボックス法が用いられてきた。
本稿では,提案法の目標を満たすプラットフォーム支援型監査手法を提案する。
論文 参考訳（メタデータ） (2022-07-18T17:32:35Z) - Trustworthy Transparency by Design [57.67333075002697]
本稿では,ユーザ信頼とエクスペリエンスに関する研究を取り入れた,ソフトウェア設計のための透明性フレームワークを提案する。
私たちのフレームワークは、その設計に透明性を取り入れたソフトウェアの開発を可能にします。
論文 参考訳（メタデータ） (2021-03-19T12:34:01Z) - Predicting Individual Treatment Effects of Large-scale Team Competitions
in a Ride-sharing Economy [47.47879093076968]
私たちは、主要なライドシェアリングプラットフォームによって組織された500以上の大規模なチームコンペティションから収集されたデータを分析します。
特徴と予測器を慎重に調査することで,サンプル外予測誤差を24%以上削減できる。
シミュレーション分析により、いくつかの競合設計オプションを変更するだけで、実際の競合に対する平均的な治療効果が最大26%増加することが予測されている。
論文 参考訳（メタデータ） (2020-08-07T22:01:50Z)
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。