迈向共享经济的地理理解:UberX和TaskRabbit中的系统性偏见
共享出行(Ridesharing)平台算法公平与偏见政府官员与公务员统计学家与数据科学家
尽管大多数共享经济任务具有地理位置特性,但人们对地理在共享经济中所扮演的角色关注甚少。在本文中,我们通过研究人类地理学中的四个关键原则——距离衰减、人口密度的结构化变化、心理地图和“大分类”(空间同质性)——在共享经济平台中的表现,帮助填补这一文献空白。我们发现,这些原则与平台设计决策相互作用,导致共享经济在人口密集、高社会经济地位(SES)地区比在低SES地区和郊区更为有效。我们进一步证明,这些结果在两个共享经济平台——UberX和TaskRabbit上都具有稳健性。除了突出共享经济系统性偏见外,本文更根本地证明了在设计和研究共享经济平台时考虑这些众所周知的地理原则的重要性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
共享出行(Ridesharing)平台、算法公平与偏见
work
职业/产业
政府官员与公务员、统计学家与数据科学家
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文