Gig2Gether: 数据共享以增强、统一和澄清零工工作

研究背景与问题

问题或挑战

作者发现当前平台化的零工经济（gig economy）尽管为劳动力模式和社会流动性带来了转型，但也暴露出以下几个主要问题：

1. 数据透明度不足：平台收集劳工的个人工作数据并利用它们来优化算法，但这些数据无法被劳工或政策制定者访问。
2. 社会与身体孤立：零工工作环境导致劳工之间的割裂，削弱了劳工的集体身份认同。
3. 缺乏结构性的保障：包括安全问题、薪资不公平，以及不受监管的平台算法。

重要性

零工经济的迅速兴起改变了劳动分配与雇佣模式，但也带来一系列与劳动条件相关的系统性问题，这直接影响数百万零工劳工的财务稳定性、身体与心理安全，以及劳工的集体谈判能力。该问题的严重性亟需技术与政策的协同解决，尤其是通过数据共享促进劳工集体身份与政策制定。

研究动机与相关工作

尽管已有研究强调为劳工提供数据共享工具能帮助增进自我反思、审计平台算法以及促进集体团结，但这些工具通常局限于单一平台，缺乏跨平台支持。此外，大多数零工劳工也缺乏主动贡献个人数据以支持政策创建的经验。针对这些局限性，本文提出了一个新型系统——Gig2Gether，旨在探索跨平台的数据共享如何支撑劳工的多维目标。

解决方案

方法或解决方案

作者提出了一个名为 Gig2Gether 的系统，为零工劳工提供以下功能：

1. 数据与经验共享：劳工可以通过该平台上传定量或定性数据（如收入、支出、工作经验等），实现跨平台互助和集体团结。
2. 个人趋势与集体见解：提供个性化工作趋势总结及聚合劳工数据，帮助从微观到宏观层面分析工作条件。
3. 规划与资源连接：支持劳工预测收入、规划未来工作，并连接税务准备等资源。

创新之处

1. 跨平台支持：与现有通常支持单一平台的工具不同，Gig2Gether支持多个零工平台（如Rover、Uber、Upwork），以促进劳工之间的知识与数据互通。
2. 数据控制灵活性：用户能够选择分享的细节粒度、数据保存时间及分享目标群体（如其他劳工、政策制定者）。
3. 隐私与安全：系统采用匿名化和非辨识性统计数据以减少隐私泄露风险。

实施步骤

1. 设计迭代：通过与劳工用户的互动原型测试和反馈采集，优化系统功能与界面。
2. 功能模块构建：开发包括收入与支出记录、趋势分析、故事分享等模块。
3. 系统测试：通过16名零工劳工的七天实际使用数据与访谈，评估Gig2Gether的功能应用及改进建议。

研究成果

具体成果

Gig2Gether取得以下具体成果：

1. 多平台劳工通过故事分享模块实现了策略共享与跨行业团结，形成了互助环境。
2. 数据聚合功能帮助劳工分析工作模式与收入趋势，从而更好优化个人财务规划。

与现有解决方案的优势

1. 集体团结：提供了一个劳工之间的社会支持网络，超越了传统的个人跟踪工具。
2. 全面性：通过定性与定量数据支持多维度的劳工需求（如心理健康、财务责任和政策参与）。
3. 隐私保护与开放性：通过可控的数据共享设置使劳工在数据贡献上更具主动性。

实验或评估结果

1. 超过60%的劳工使用“趋势查看”功能，比对收入，并计划未来工作。
2. 故事分享功能受到广泛欢迎，其中用户能够轻松标记工作中的策略或问题，并选择分享目标。
3. 在七天的现场测试中，参与者上传了120条收入记录、20条支出记录，以及27个故事。

局限性与未来方向

局限性：

• 当前用户群体规模较小，仅覆盖了Uber、Rover和Upwork三个平台。
• 部分功能尚未完全实现自动化（如数据上传仍需手动输入）。

未来方向：

1. 扩展平台支持范围以覆盖更多零工领域。
2. 增强自动化数据上传功能，同时保证隐私安全。
3. 联合政策制定者与劳工组织探索系统在政策推进中的实际应用。

通过Gig2Gether平台，作者证明了数据共享可以成为推动劳工团结与政策改革的有效工具，同时展示了技术与政策结合解决零工经济问题的广阔潜力。