論文の概要: Stochastic wage suppression on gig platforms and how to organize against it

• arxiv url: http://arxiv.org/abs/2604.15962v1
• Date: Fri, 17 Apr 2026 11:28:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.89409
• Title: Stochastic wage suppression on gig platforms and how to organize against it
• Title（参考訳）: ギグプラットフォームにおける確率的賃金抑制と対策
• Authors: Ana-Andreea Stoica, Celestine Mendler-Duenner, Moritz Hardt,
• Abstract要約: 低コスト労働の多さを生かして、プラットフォームが賃金を抑える能力について検討する。 コストフロアにコミットする低価格労働者の小さな連合は、プラットフォーム全体の支出をMの対数から線形に制限する。 ランダムにサンプル化した同サイズの連立が、依然としてほとんど効果がないことを示す。
• 参考スコア（独自算出の注目度）: 31.2768807087302
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Digital labor platforms are increasingly used to procure human input, ranging from annotating data and red-teaming AI models, to ride-sharing and food delivery. A central concern in such markets is the ability of platforms to suppress wages by exploiting the abundance of low-cost labor. To study this exploitation pattern, we introduce a novel posted-price procurement model with coverage objectives. A platform seeks to complete M tasks by posting prices to sequentially arriving workers, each of whom accepts a task if it exceeds their private cost. First, we show that under natural assumptions on the workers' estimated cost, there exists a simple pricing strategy for the platform to cover all M tasks with wait time O(M), while paying only a O(log(M)/M) fraction of the total cost of labor. This result highlights how platforms can exploit workers' uncertainty about the cost of labor to effectively suppress wages. Then, we study collective action as a lever to increase wages and promote welfare in digital labor markets. In particular, we show how a small coalition of targeted low-cost workers who commit to a price floor forces the platform's total spending from logarithmic to linear in M. In contrast, a randomly sampled coalition of equal size remains largely ineffective. We complement our theory with synthetic experiments, showcasing the benefits of collective action across different market regimes.
• Abstract（参考訳）: デジタル労働プラットフォームは、アノテートデータやAIモデルのリピートから、ライドシェアリングやフードデリバリーに至るまで、人間の入力の収集にますます利用されている。 このような市場の中心的な関心事は、低コスト労働の多さを生かして、プラットフォームが賃金を抑える能力である。 この利用パターンを研究するために,適用対象をカバーした新規なポストプライス調達モデルを提案する。 プラットフォームは、順番に到着する労働者に価格を投稿することで、Mタスクを完了させようとする。 まず, 作業者推定コストに対する自然な仮定の下では, 全Mタスクを待ち時間O(M)でカバーし, 作業総コストのO(log(M)/M)分だけを支払うというシンプルな価格戦略が存在することを示す。 この結果は、プラットフォームが労働者の労働コストの不確実性を利用して賃金を効果的に抑制する方法を強調している。 そこで我々は,デジタル労働市場における賃金増加と福祉促進のためのレバーとして集団行動を研究する。 特に、コストフロアにコミットする小規模の低コスト労働者の連立が、プラットフォーム全体の支出を対数から線形にMで強制することを示し、対照的に、ランダムにサンプル化された同規模の連立は、依然としてほとんど効果がない。 我々は、我々の理論を合成実験で補完し、異なる市場体制における集団行動の利点を示す。

関連論文リスト

• Can Online GenAI Discussion Serve as Bellwether for Labor Market Shifts? [62.386835769570006]
  本稿では,大規模言語モデルに関するオンライン議論が,労働市場の変化の早期指標として機能するかどうかを検討する。 我々は、公共の談話が雇用の変化の先駆けとなる領域と時間枠を特定するために、4つの異なる分析的アプローチを採用している。 調査の結果,求職率,純雇用率,在職期間,失業期間など,複数の指標で1～7ヶ月の雇用変化を事前に予測していることが明らかとなった。
  論文  参考訳（メタデータ） (2025-11-20T04:18:25Z)
• Estimating Wage Disparities Using Foundation Models [20.740346109417143]
  我々は,推定問題を実行するための基礎モデルを微調整する手法を開発した。 我々の考えを実証するために、ジェンダー賃金の分解について研究する。 我々は、男女賃金格差を解消するために、カスタム構築のファンデーションモデルを使用します。
  論文  参考訳（メタデータ） (2024-09-15T23:22:21Z)
• Beyond Joint Demonstrations: Personalized Expert Guidance for Efficient Multi-Agent Reinforcement Learning [54.40927310957792]
  異種チーム内の各エージェントを個別にカスタマイズした、個人化された専門家によるデモンストレーションという新しい概念を導入する。 これらのデモンストレーションは、単独エージェントの行動と、各エージェントが協調的な要素を含まない個人的目標を達成する方法にのみ関係している。 本稿では、個人化された専門家によるデモンストレーションをガイダンスとして選択的に活用し、エージェントが協力することを学ぶためのアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-13T20:11:20Z)
• Beyond Labeling Oracles: What does it mean to steal ML models? [52.63413852460003]
  モデル抽出攻撃は、クエリアクセスのみで訓練されたモデルを盗むように設計されている。 モデル抽出攻撃の成功に影響を及ぼす要因について検討する。 我々は,ME攻撃の敵の目標を再定義するようコミュニティに促した。
  論文  参考訳（メタデータ） (2023-10-03T11:10:21Z)
• Incentivizing Massive Unknown Workers for Budget-Limited Crowdsensing: From Off-Line and On-Line Perspectives [31.24314338983544]
  オフラインのコンテキスト認識型CMABベースのインセンティブ(CACI)機構を提案する。 また、このアイデアを、未知の労働者がシステムに参加または離脱するオンライン設定に拡張する。
  論文  参考訳（メタデータ） (2023-09-21T14:30:42Z)
• Fairness for Workers Who Pull the Arms: An Index Based Policy for Allocation of Restless Bandit Tasks [30.323831598899773]
  異種労働者によるMulti-worker restless bandits(MWRMAB)と呼ばれる新しいRMAB設定について考察する。 目標は、各労働者の予算制約を満たしつつ、期待される報酬を最大化する介入スケジュールを計画することである。 コントリビューションは,(1)不均一なコストと作業者ごとの予算に対応するためにWhittleインデックスのマルチワーカー拡張を提供し,(2)公正性を達成するためのインデックスベースのスケジューリングポリシを開発する。
  論文  参考訳（メタデータ） (2023-03-01T19:59:42Z)
• Online Auction-Based Incentive Mechanism Design for Horizontal Federated Learning with Budget Constraint [9.503584357135832]
  フェデレートされた学習は、データ分離を持つすべての関係者が協力的かつ効率的にモデルをトレーニングすることを可能にする。 高品質なモデルを得るには、より高品質な労働者をデータと計算能力で動機付けるためのインセンティブメカニズムが必要である。 本稿では,予算制約を伴う水平的フェデレーション学習のための,逆オークションに基づくオンラインインセンティブ機構を提案する。
  論文  参考訳（メタデータ） (2022-01-22T13:37:52Z)
• 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)

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。