带偏好评分的数字经济平台公平性动力学

数字服务经济由在线平台组成，这些平台促进了服务提供者与消费者之间的相互作用。该生态系统以短期且常常是一次性的、双方之间毫无熟悉度的交易为特征。为在用户之间建立信任，平台采用评级系统，允许用户报告其之前相互作用的质量。然而，尽管对这些平台的功能至关重要，评级系统可能在边缘化群体方面持续延续负面偏好。本文研究如何设计围绕带偏好声誉系统的平台，以减少歧视同时维持所有服务提供者提供高质�服务的激励。我们引入一种演化博弈理论模型来研究数字平台如何延续或抵消基于评级的歧视。我们聚焦于平台决定在高声誉的服务提供者或属于特定受保护群体的服务提供者身上进行推广。我们的结果表明，用户体验与公平性之间存在根本性的权衡：推广高评级的提供者有利于用户，但会降低对持有偏好评级的边缘化提供者的需求。我们的结果还提供证据表明，通过调整搜索结果的人口统计学组成是一种高度有效的减轻不公平的方式，同时对用户影响最小。此外，我们展示，即使没有关于持有偏好评级的边缘化服务提供者受影响程度的精确测量，仍有可能改进一个忽略受保护特征的推荐系统。总体而言，我们的模型凸显了在使用评级来促进合作行为的系统中主动反歧视设计的好处。