論文の概要: Not Even Nice Work If You Can Get It; A Longitudinal Study of Uber's Algorithmic Pay and Pricing

• arxiv url: http://arxiv.org/abs/2506.15278v1
• Date: Wed, 18 Jun 2025 08:59:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.605835
• Title: Not Even Nice Work If You Can Get It; A Longitudinal Study of Uber's Algorithmic Pay and Pricing
• Title（参考訳）: Uberのアルゴリズムによる支払いと料金の縦断調査
• Authors: Reuben Binns, Jake Stein, Siddhartha Datta, Max Van Kleek, Nigel Shadbolt,
• Abstract要約: Uberのようなライドシェアリングプラットフォームは、労働力の柔軟性を可能にするものとして、自身を市場化しています。 ドライバーや労働組合のオーガナイザによる参加型行動研究のプロセスについて述べ、Uberのアルゴリズムによる給与と仕事配分の参加型監査に終止符を打つ。 ダイナミックな価格設定の後、給与が減少し、Uberの削減が増加し、ジョブの割り当てと給与が予測不可能になり、ドライバ間の不平等が増加し、ドライバーがジョブを待つ時間が増えることが分かりました。
• 参考スコア（独自算出の注目度）: 20.694356269172857
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ride-sharing platforms like Uber market themselves as enabling `flexibility' for their workforce, meaning that drivers are expected to anticipate when and where the algorithm will allocate them jobs, and how well remunerated those jobs will be. In this work we describe our process of participatory action research with drivers and trade union organisers, culminating in a participatory audit of Uber's algorithmic pay and work allocation, before and after the introduction of dynamic pricing. Through longitudinal analysis of 1.5 million trips from 258 drivers in the UK, we find that after dynamic pricing, pay has decreased, Uber's cut has increased, job allocation and pay is less predictable, inequality between drivers is increased, and drivers spend more time waiting for jobs. In addition to these findings, we provide methodological and theoretical contributions to algorithm auditing, gig work, and the emerging practice of worker data science.
• Abstract（参考訳）: Uberのようなライドシェアリングプラットフォームは、従業員の“フレキシビリティ(flexibility)”を可能にするものとして自らを売り込んでいる。 本研究では,Uberのアルゴリズムによる給与と仕事配分の参加監査を,動的価格導入前後に実施した,ドライバーと労働組合のオーガナイザによる参加行動研究のプロセスについて述べる。 英国で258人のドライバーから150万回の旅行を経時的に分析した結果、ダイナミックな価格設定、給与の削減、Uberの削減、雇用配分と給与の予測が困難、ドライバー間の不平等が増加、ドライバーが仕事を待つ時間が増えることが判明した。 これらの知見に加えて、アルゴリズム監査、ギグワーク、労働者データサイエンスの新たな実践に方法論的および理論的貢献を提供する。

関連論文リスト

• Taxi dispatching strategies with compensations [2.952318265191524]
  本稿では,タクシー再割り当てを考慮した顧客への配車のための新しいアルゴリズムを提案する。 本稿では,個別に合理的なドライバーに依頼客に提案した修正案に同意させる経済補償スキームを提案する。
  論文  参考訳（メタデータ） (2024-01-21T17:54:46Z)
• User Strategization and Trustworthy Algorithms [81.82279667028423]
  ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。 そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
  論文  参考訳（メタデータ） (2023-12-29T16:09:42Z)
• A Better Match for Drivers and Riders: Reinforcement Learning at Lyft [9.901159075969318]
  我々は、ドライバーの将来の収益をリアルタイムで見積もる、新しいオンライン強化学習アプローチを使用している。 この変更は、リアルタイムで学び、改善できるライドシェアリングマッチングアルゴリズムの最初の文書化された実装だった。 Lyftは2021年にこのアルゴリズムを全世界に展開した。
  論文  参考訳（メタデータ） (2023-10-20T20:49:06Z)
• Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
  半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。 新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。 エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
  論文  参考訳（メタデータ） (2023-04-23T16:01:36Z)
• Driver Profiling and Bayesian Workload Estimation Using Naturalistic Peripheral Detection Study Data [40.43737902900321]
  性能データを駆動する作業負荷推定の問題に対処する。 心的負荷を誘発する主要な環境要因をビデオ解析により同定する。 教師付き学習フレームワークは、彼らが経験した平均的なワークロードに基づいて、プロファイルドライバに導入される。 ベイズフィルタリング手法は、ドライバーの即時作業負荷である(ほぼ)リアルタイムに逐次推定するために提案される。
  論文  参考訳（メタデータ） (2023-03-26T13:15:44Z)
• Short term prediction of demand for ride hailing services: A deep learning approach [8.61268901380738]
  本稿では,配車サービス需要の短期予測のためのディープラーニング畳み込みニューラルネットワークUberNetを提案する。 UberNetのパフォーマンスを他のいくつかのアプローチと比較することにより、モデルの予測品質が極めて競争力があることを示す。 これはUbernetが、配車サービスのリアルタイム旅客需要予測に複雑なモチベーターを含めるのに、より自然に適していることを示唆している。
  論文  参考訳（メタデータ） (2022-12-07T21:08:03Z)
• FBLNet: FeedBack Loop Network for Driver Attention Prediction [50.936478241688114]
  非客観的運転経験のモデル化は困難であり,既存手法では運転経験蓄積手順を模擬する機構が欠如している。 本稿では,運転経験蓄積手順をモデル化するFeedBack Loop Network (FBLNet)を提案する。 提案モデルでは,既存の手法に対して強い優位性を示し,2つのドライバー注意ベンチマークデータセットの性能向上を実現している。
  論文  参考訳（メタデータ） (2022-12-05T08:25:09Z)
• Algorithmic Audit of Italian Car Insurance: Evidence of Unfairness in Access and Pricing [57.34513043917978]
  イタリア自動車保険業界の企業が採用する価格アルゴリズムの監査を行う。 出生地と性別がドライバーが引用する価格に直接的かつ大きな影響を及ぼすことを示す。 リスクの高いプロファイルを持つドライバーは、アグリゲータの結果ページで引用する回数が少なくなる傾向にある。
  論文  参考訳（メタデータ） (2021-05-21T07:35:47Z)
• Investigating Taxi and Uber competition in New York City: Multi-agent modeling by reinforcement-learning [0.0]
  本研究はニューヨーク市におけるメインストリームの配車サービス(イエローとグリーンキャブ)とe配車サービス(ウーバー)の競合について検討する。 データ可視化技術は、旅行行動における既存の新しいパターンを見つけるために使われる。 調査の結果,e-hailersは低密度領域を支配し,e-hailersは迅速に旅行需要の変化に反応することがわかった。
  論文  参考訳（メタデータ） (2020-08-28T08:08:18Z)

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。