TurkScanner：预测微任务的时薪
人机交互
2019-03-19 v1
摘要
众包市场中的工作者难以谋生。原因之一在于工作者难以准确衡量微任务的时薪，从而最终从事报酬甚微的劳动。一般而言，工作者被提供的任务信息很少，只能依赖噪声信号，如任务文本描述或请求者评分。本研究探索了多种计算方法，基于从完成众包工作的其他工作者处收集的数据来预测任务所需的工作时间（从而预测时薪）。我们做出如下贡献：(i) 一种用于收集众包工作任务及工作者完成所需时间的真实训练数据的数据收集方法；(ii) TurkScanner：一种预测完成任务所需工作时间的机器学习方法（从而可隐式提供预期时薪）。我们使用由 84 名 Amazon Mechanical Turk 工作者安装的网页浏览器扩展收集了 9,155 条数据记录，并探索了自动及通过询问工作者来准确记录工作时间的挑战。TurkScanner 使用约 150 个派生特征创建，能够在 75% 误差内预测所有被测微任务中 69.6% 的时薪。未来研究方向包括观察工具对人们工作实践的影响、将该方法适配为请求者工具以更好地定价，以及预测工作的其他要素（例如接受可能性和工作者任务偏好）。
引用
@article{arxiv.1903.07032,
title = {TurkScanner: Predicting the Hourly Wage of Microtasks},
author = {Susumu Saito and Chun-Wei Chiang and Saiph Savage and Teppei Nakano and Tetsunori Kobayashi and Jeffrey Bigham},
journal= {arXiv preprint arXiv:1903.07032},
year = {2019}
}
备注
Proceedings of the 28th International Conference on World Wide Web (WWW '19), San Francisco, CA, USA, May 13-17, 2019