論文の概要: FareShare: A Tool for Labor Organizers to Estimate Lost Wages and Contest Arbitrary AI and Algorithmic Deactivations
- arxiv url: http://arxiv.org/abs/2505.08904v1
- Date: Tue, 13 May 2025 18:46:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-15 21:44:09.276155
- Title: FareShare: A Tool for Labor Organizers to Estimate Lost Wages and Contest Arbitrary AI and Algorithmic Deactivations
- Title（参考訳）: FareShare: 労働機関が失われた賃金を見積もり、任意AIとアルゴリズムの不活性化を検証するためのツール
- Authors: Varun Nagaraj Rao, Samantha Dalal, Andrew Schwartz, Amna Liaqat, Dana Calacci, Andrés Monroy-Hernández,
- Abstract要約: デアクティベーション(Deactivation) - ギグワーカーのプラットフォームアクセスの突然の削除-典型的には、任意のAIとアルゴリズムによる決定を通じて、説明や会話はほとんどない。
これはアルゴリズム制御の最も厳しい形態の1つであり、労働者の経済的安定性を悪化させる。
近年の合衆国の政策は、不正な不活性化の期間に、プロセスのアピールと補償の回復を義務付けている。
FareShareは、不活性化ドライバーの損失賃金推定を自動化する計算ツールである。
- 参考スコア（独自算出の注目度）: 9.632548567569636
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: What happens when a rideshare driver is suddenly locked out of the platform connecting them to riders, wages, and daily work? Deactivation-the abrupt removal of gig workers' platform access-typically occurs through arbitrary AI and algorithmic decisions with little explanation or recourse. This represents one of the most severe forms of algorithmic control and often devastates workers' financial stability. Recent U.S. state policies now mandate appeals processes and recovering compensation during the period of wrongful deactivation based on past earnings. Yet, labor organizers still lack effective tools to support these complex, error-prone workflows. We designed FareShare, a computational tool automating lost wage estimation for deactivated drivers, through a 6 month partnership with the State of Washington's largest rideshare labor union. Over the following 3 months, our field deployment of FareShare registered 178 account signups. We observed that the tool could reduce lost wage calculation time by over 95%, eliminate manual data entry errors, and enable legal teams to generate arbitration-ready reports more efficiently. Beyond these gains, the deployment also surfaced important socio-technical challenges around trust, consent, and tool adoption in high-stakes labor contexts.
- Abstract（参考訳）: ライドシェアドライバーが突然プラットフォームから締め出され、乗客、賃金、日々の仕事と繋がったらどうなるだろうか?
デアクティベーション(Deactivation) - ギグワーカーのプラットフォームアクセスの突然の削除-典型的には、任意のAIとアルゴリズムによる決定を通じて、説明や会話はほとんどない。
これはアルゴリズム制御の最も厳しい形態の1つであり、労働者の経済的安定性を悪化させる。
近年の合衆国の政策は、過去の収益に基づいて不正な不活性化期間に、プロセスのアピールと補償の回復を義務付けている。
しかし、これらの複雑でエラーを起こしやすいワークフローをサポートする効果的なツールがいまだに存在しない。
私たちは、ワシントン州最大のライドシェア労働組合と6ヶ月のパートナーシップを通じて、失業したドライバーの賃金推定を自動化する計算ツールであるFareShareを設計しました。
続く3ヶ月で、FareShareのフィールド展開は178のアカウント登録を登録しました。
このツールは、失業者の賃金計算時間を95%以上削減し、手作業によるデータ入力エラーを排除し、法的チームが仲裁対応レポートをより効率的に作成できるようにする。
これらの利益以外にも、高水準の労働環境における信頼、同意、ツールの採用に関する重要な社会技術的課題が浮上した。
関連論文リスト
- Two Tickets are Better than One: Fair and Accurate Hiring Under Strategic LLM Manipulations [4.536082020644864]
大規模言語モデルを用いた操作に適した戦略分類フレームワークを新たに導入する。
提案手法では,求人アルゴリズムが提案した履歴書に付加的な操作を施す。
我々は,雇用成果がグループに依存しない決定に収束し,差分アクセスによる格差を解消することを証明する。
論文 参考訳（メタデータ） (2025-02-18T19:01:04Z) - FairFare: A Tool for Crowdsourcing Rideshare Data to Empower Labor Organizers [7.790035708512267]
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。
論文 参考訳（メタデータ） (2025-02-16T21:30:26Z) - Self-Regulation and Requesting Interventions [63.5863047447313]
介入要求のための"helper"ポリシーをトレーニングするオフラインフレームワークを提案する。
PRMによる最適介入タイミングを判定し,これらのラベル付き軌道上でヘルパーモデルを訓練する。
このオフラインアプローチは、トレーニング中のコストのかかる介入コールを大幅に削減する。
論文 参考訳（メタデータ） (2025-02-07T00:06:17Z) - Coalitional Bargaining via Reinforcement Learning: An Application to
Collaborative Vehicle Routing [49.00137468773683]
コラボレーティブ・ビークル・ルーティング(Collaborative Vehicle Routing)とは、デリバリ情報を共有し、互いに代理してデリバリ要求を実行することで、デリバリ企業が協力する場所である。
これによりスケールの経済が達成され、コスト、温室効果ガスの排出、道路渋滞が減少する。
しかし、どの会社が誰とパートナーし、それぞれの会社がどれだけの報酬を支払うべきか?
シャプリー値(英語版)やヌクレオルス(英語版)のような伝統的なゲーム理論解の概念は、協調車両ルーティング(英語版)の現実問題に対して計算することが困難である。
論文 参考訳（メタデータ） (2023-10-26T15:04:23Z) - FIRE: A Failure-Adaptive Reinforcement Learning Framework for Edge Computing Migrations [52.85536740465277]
FIREは、エッジコンピューティングのディジタルツイン環境でRLポリシーをトレーニングすることで、まれなイベントに適応するフレームワークである。
ImREは重要なサンプリングに基づくQ-ラーニングアルゴリズムであり、希少事象をその値関数への影響に比例してサンプリングする。
FIREは故障時にバニラRLやグリーディベースラインと比較してコストを削減できることを示す。
論文 参考訳（メタデータ） (2022-09-28T19:49:39Z) - Understanding Information Disclosure from Secure Computation Output: A Study of Average Salary Computation [58.74407460023331]
関数結果の観察からプライベート入力に関する情報開示を定量化することが,本研究の課題である。
ボストン市における男女賃金格差の研究に動機づけられたこの研究は、給与の平均計算に焦点を当てる。
論文 参考訳（メタデータ） (2022-09-21T15:59:48Z) - Multi-Agent Neural Rewriter for Vehicle Routing with Limited Disclosure
of Costs [65.23158435596518]
チームのマルコフゲームとして、部分的に観測可能なコストでマルチサイクルルーティング問題を解く。
我々のマルチエージェント強化学習アプローチである、いわゆるマルチエージェントニューラルリライタは、1エージェントニューラルリライタを利用して、反復的に書き換えるソリューションによって問題を解決する。
論文 参考訳（メタデータ） (2022-06-13T09:17:40Z) - Integration of a machine learning model into a decision support tool to
predict absenteeism at work of prospective employees [0.0]
失業による生産性の低下は、アメリカの雇用主が毎年何十億ドルもの損失を被った。
本研究は、潜在的な従業員の不在を予測するための意思決定支援ツールを開発することを目的とする。
論文 参考訳（メタデータ） (2022-02-02T03:49:01Z) - Auction-Based Ex-Post-Payment Incentive Mechanism Design for Horizontal
Federated Learning with Reputation and Contribution Measurement [9.503584357135832]
フェデレーション学習は、分散データを持つデバイス間でモデルをトレーニングし、プライバシを保護し、集中型MLと同様のモデルを取得する。
評価とコントリビューション測定を併用した水平連合学習のためのオークションベースのインセンティブメカニズムを設計する。
論文 参考訳（メタデータ） (2022-01-07T11:44:20Z) - Hiring Fairly in the Age of Algorithms [0.0]
我々は、雇用者から一般大衆への透明性を高めることで、雇用アルゴリズムの負の影響を緩和できると主張している。
私たちの主な貢献は、自動化された雇用の透明性、アルゴリズムによる透明性レポートのためのフレームワークです。
論文 参考訳（メタデータ） (2020-04-15T14:58:52Z) - Straggler-aware Distributed Learning: Communication Computation Latency
Trade-off [56.08535873173518]
ストラグワーカーは冗長な計算を割り当て、データと計算をまたいでコーディングすることで許容できる。
既存のほとんどのスキームでは、各非ストラグリングワーカーは、全ての計算を完了した後、1イテレーションごとに1つのメッセージをパラメータサーバ(PS)に送信する。
このような制限を課すことで、ストレグリング動作の不正確な予測による過剰計算と、ストレグラー/非ストレグラーとしての作業員の処理による未使用の2つの主な欠点が生じる。
論文 参考訳（メタデータ） (2020-04-10T08:39:36Z)
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。