rideshare 透明度：将平台设计中的 AI 问题转化为政策

rideshare 平台通过算法系统对工人施加显著控制，这可能导致财务、情感和身体伤害。平台、设计者和实践者应采取哪些措施来缓解这些负面影响并满足工人的需求？本文我们识别了与透明度相关的伤害、缓解策略以及工人的需求，同时在更广泛的工人社区中验证和阐释了我们的发现。我们采用一种新颖的混合方法研究，将分析超过 100 万条发布在线平台工人社区中的评论的 LLM 分析与对工人的半结构化访谈相结合。我们的发现揭示了现有平台设计与驱动信息需求之间存在透明度差距，尤其是关于促销、 fare、路线和任务分配的问题。我们的分析表明， rideshare 工人需要哪些关键信息，我们称之为指标，以做出明智的工作决策。这些指标包括关于行程、司机统计数据、算法实现细节以及平台政策信息。我们认为，与其依赖平台在其设计中包含此类信息，不如通过新规定要求平台发布公共透明度报告，这可能是改善工人福祉的更有效解决方案。我们提供了实施此类政策的建议。