数据管理和分析对我们的生活和工作方式产生了影响。研究员 Dana Calacci 在 The New Stack 上讲述了员工如何保持控制。
译自 The Rise of Community-Driven Data Analysis in the Age of AI，作者 David Cassel。
Dana Calacci 关心数据分析，但更关心受其影响的人。
或者，正如 Calacci 的网页 所说，“我研究 数据管理和分析 如何影响社区治理。现在，我专注于算法管理如何改变工作现实，数据管理和参与式设计如何帮助创造替代的工作未来，以及平台工人的数据权利。”
Calacci 在 IEEE Spectrum 7 月份的一篇文章 中提供了一个例子——一个带有警示意味的故事，最终得出了一个鼓舞人心的结论。但在此过程中，Calacci 也暗示了关于数据的新思维方式，展示了一些社区如何开创了一种关于数据收集方式的新方法——以及一种关于如何使用这些数据的新方法。
当零工经济工人团结起来
Calacci 写道，在 2020 年初，送货应用程序 Shipt 的零工经济工人“发现他们的工资单变得……不可预测”。此前，他们每送货 5 美元，外加订单金额的 7.5%，但 Shipt 随后在其工资算法中添加了其他因素——包括行驶里程和所需购物时间。
“由于 Shipt 没有发布有关算法的详细信息，它本质上是一个黑盒子，工人无法看到内部，”他们写道。
但 Calacci 写道，工人并没有接受，而是“团结起来，收集数据并与研究人员和组织建立伙伴关系，帮助他们理解自己的工资数据。”
Shipt worker Willie Solits (screenshot from a video by MIT)“很明显，需要发生一些事情——不仅仅是在 Facebook 群组里抱怨，”组织他们早期努力的 Shipt 员工 Willie Solits 说。在 麻省理工学院媒体实验室的一段视频 中，Solits 回忆说，“我们需要组织起来，做点什么。”
工人们首先开始拍摄他们的工资单并整理数据。到那个夏天，Calacci 被请来构建一个基于短信的工具，可以更快地扩展他们的数据收集。“到 2020 年 10 月，”他们写道，“我们已经从 200 多名工人那里收到了 5600 多张截图。”
Calacci 写道，这个项目令人兴奋，因为“它是工人主导的。它是由衡量工人自身的体验驱动的……在该工具的帮助下，组织起来的工人及其支持者基本上审计了算法，发现它给 40% 的工人带来了大幅度的降薪。”
但更重要的是，“工人们证明了可以对抗算法的不透明权威，尽管公司不愿意，但仍然可以创造透明度。”
Shipt 事件的意义
新的数据导致了 工人抗议 和媒体报道——尽管 Calacci 的文章承认，目前尚不清楚这是否最终改善了他们的状况。“我们不知道，这令人沮丧。”
在 Hacker News 上的讨论 中，一些评论者认为，数据最终表明，超过一半的 Shipt 工人 没有 经历过降薪。但 Calacci 在社交媒体上回应 说，“真正的问题是，工资突然变得不透明和不可预测。”
因此，无论新算法是否公平，Calacci 认为重要的是工人与应用程序之间的权力动态。或者，正如他们在文章中所说，“在一个更公平的世界里……这种透明度应该默认提供给工人。”
最后，“我们的实验为其他想要利用数据进行组织的零工经济工人提供了一个例子，它提高了人们对算法管理弊端的认识。需要对平台的商业模式进行彻底的改变。”
很高兴讲述工人如何帮助推动对 Shipt 算法薪酬体系的审计的故事
[@IEEESpectrum]! 我想强调一下 Hacker News 上的一些讨论（
