FairFare

Wat kan ik leren?

Een onderzoekspilot, gevestigd in Princeton en gefinancierd door de Mozilla Foundation, die taxichauffeurs, organisatoren en beleidsmakers helpt de sector te begrijpen door ritprijsdata te crowdsourcen. Chauffeurs koppelen hun werkdata veilig en anoniem om de gemiddelde opbouw van ritprijzen en de verandering van het loon in de tijd over meerdere Amerikaanse staten zichtbaar te maken.

Kerninzicht

Wanneer platforms het verband tussen ritprijzen en chauffeursloon ondoorzichtig houden, is het samenvoegen van de eigen data van chauffeurs de enige manier om te zien wat het algoritme werkelijk met de lonen doet — zo wordt versnipperde individuele ervaring tot bewijs.

Hoe gebruik je het in je dagelijks werk

Een voorbeeld van hoe het bundelen van persoonlijke platformdata patronen blootlegt die voor een enkele werker onzichtbaar zijn, nuttig om algoritmische beloning uit te leggen aan cliënten in platformwerk.

• Gebruik FairFare om een bezorger of taxichauffeur te laten zien waarom hun loon onvoorspelbaar aanvoelt en hoe collectieve data het patroon kunnen onthullen.
• Verwijs naar het project bij het bespreken van welk soort bewijs nodig is om algoritmisch management aan te vechten.