論文の概要: Forced volatility: earnings and incentives for gig work in quick commerce
- arxiv url: http://arxiv.org/abs/2609.13178v1
- Date: Wed, 29 Jul 2026 11:48:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-29 21:39:09.079006
- Title: Forced volatility: earnings and incentives for gig work in quick commerce
- Title（参考訳）: 強制的ボラティリティ:短期商取引におけるギグワークの収益とインセンティブ
- Abstract要約: インドでは、Blinkit、Zepto、Swiggy Instamartなどのプラットフォームや、近隣の暗黒店の密集したネットワークを通じて食料品や日用品を配達するプラットフォームが急速に成長している。
この成長はインドのギグ経済にとって大きな触媒となっているが、大きな柔軟性のある労働力への依存が賃金、労働条件、社会保障への懸念を高めている。
これらのプラットフォームは、不透明なアルゴリズムを使用して給与を設定し、タスクを割り当て、パフォーマンスを評価し、天気や労働者の可用性などの要因によって利益が変化する。
私たちはGigSaathiを紹介します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: India's quick commerce sector has grown explosively, with platforms such as Blinkit, Zepto, Swiggy Instamart, and others delivering groceries and daily essentials through dense networks of neighbourhood dark stores. This growth has made the sector a major catalyst for India's gig economy, but its reliance on a large, flexible delivery workforce raises pressing concerns about wages, working conditions, and social security. These platforms use opaque algorithms to set pay, allocate tasks, and evaluate performance, with earnings varying by factors such as weather and worker availability. The resulting information asymmetry leaves workers unable to reconstruct how their pay is determined or how it fluctuates over time and place. We present GigSaathi, a pilot intervention designed to address this asymmetry; a chatbot that enables delivery workers to systematically collect earnings screenshots, which are processed into time series data on individual wages. We supplement this with incentive data collected from Blinkit stores in New Delhi. Our analysis reveals substantial variability in base pay, incentives, working hours, and distance travelled, with a large share of earnings contingent on undisclosed variables; Blinkit, the sector's largest firm, guarantees no minimum base pay per kilometre. We find little to no correlation between earnings and time spent per order, indicating that workers are not compensated proportionately for delivery time, and show that incentives function as a tool of labour control orders with higher per order earnings carry a lower incentive share. Incentives average roughly a quarter of weekly earnings but vary widely. These findings add to mounting evidence that quick commerce gig work in India is precarious, with wages governed by opaque algorithms that push workers into chasing unknown incentives without any guarantee of higher pay.
- Abstract（参考訳）: インドでは、Blinkit、Zepto、Swiggy Instamartなどのプラットフォームや、近隣の暗黒店の密集したネットワークを通じて食料品や日用品を配達するプラットフォームが急速に成長している。
この成長はインドのギグ経済にとって大きな触媒となっているが、大きな柔軟性のある労働力への依存が賃金、労働条件、社会保障への懸念を高めている。
これらのプラットフォームは、不透明なアルゴリズムを使用して給与を設定し、タスクを割り当て、パフォーマンスを評価し、天気や労働者の可用性などの要因によって利益が変化する。
結果として得られる情報非対称性により、労働者は給与がどのように決定されたか、時間と場所によってどのように変動するかを再構築できない。
我々は、この非対称性に対処するために設計されたパイロット介入であるGigSaathiを紹介します。
ニューデリーのBlinkitストアから収集したインセンティブデータでこれを補足する。
我々の分析では、基本賃金、インセンティブ、労働時間、旅行距離の大幅な変動が明らかであり、未公表の変数に関する利益のかなりの部分を占めている。
受注1回当たりの利益と時間の相関関係はほとんどなく、労働者が配達時間に比例して補償を受けていないことを示すとともに、受注1回当たりの利益が低い労働統制命令のツールとして機能するインセンティブがインセンティブシェアを低くすることを示す。
インセンティブの平均は週収の約4分の1であるが、多岐にわたる。
これらの発見は、インドにおける商業ギグの急激な労働が危険にさらされていることを示す証拠となり、不透明なアルゴリズムが支配する賃金は、労働者に高給の保証なしに未知のインセンティブを追求させる。
関連論文リスト
- Stochastic wage suppression on gig platforms and how to organize against it [31.2768807087302]
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。
論文 参考訳（メタデータ） (2026-04-17T11:28:38Z) - Inequality in Congestion Games with Learning Agents [49.16654883862325]
ネットワークの構造だけでなく,通勤者による適応の仕方にも相違があることが示される。
潜在的効率性と公平性のトレードオフを捉えるために,学習中の非効率性の尺度であるPrice of Learning (PoL)を導入する。
シミュレーションにより,ネットワーク拡張が同時に効率を向上し,不等式を増幅できることが示唆された。
論文 参考訳（メタデータ） (2026-01-28T13:16:25Z) - 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) - The (Short-Term) Effects of Large Language Models on Unemployment and Earnings [0.0]
2022年末にChatGPTがリリースされて以降、大規模な言語モデルが急速に普及し、生産性が大幅に向上しただけでなく、雇用の移転も懸念されている。
本稿では,LLM導入による短期労働市場効果を,これらの技術への露出レベルが異なる職業間の利益と失業率を比較して検討する。
論文 参考訳（メタデータ） (2025-09-19T01:20:28Z) - "Generate" the Future of Work through AI: Empirical Evidence from Online Labor Markets [4.955822723273599]
ChatGPTのようなLLM(Large Language Model)ベースの生成AIシステムは、幅広い下流タスクにわたってゼロショット学習能力を実証している。
これらのシステムは、労働市場のダイナミクスを再構築する可能性がある。
しかし、AIが需要と供給の両方に同時に影響していることを考えると、その正確な影響を予測することは難しい。
論文 参考訳（メタデータ） (2023-08-09T19:45:00Z) - How Much Data Are Augmentations Worth? An Investigation into Scaling
Laws, Invariance, and Implicit Regularization [76.58017437197859]
アウト・オブ・ディストリビューションテストのシナリオでは、多種多様なサンプルを生成するが、データ分散と矛盾しない増分は、追加のトレーニングデータよりもさらに価値がある。
トレーニング中に増強が付加性をもたらし、損失景観を効果的に平らにすることを示す。
論文 参考訳（メタデータ） (2022-10-12T17:42:01Z) - Why Do Self-Supervised Models Transfer? Investigating the Impact of
Invariance on Downstream Tasks [79.13089902898848]
自己教師付き学習は、非競合画像上での表現学習の強力なパラダイムである。
コンピュータビジョンにおける異なるタスクは、異なる(不変の)分散を符号化する機能を必要とすることを示す。
論文 参考訳（メタデータ） (2021-11-22T18:16:35Z) - Algorithms for Hiring and Outsourcing in the Online Labor Market [12.893230873578878]
労働者をアウトソーシングし、雇用するためのアルゴリズムを概ね提供する。
私たちはこのモデルチーム形成をアウトソーシングと呼びます。
私たちの貢献は、チームメンバを雇い、解雇し、タスクをアウトソーシングするための効率的なオンラインコスト最小化アルゴリズムです。
論文 参考訳（メタデータ） (2020-02-16T18:56:26Z)
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。