不同颜色的任务:众包实践如何因复杂任务类型而异以及这为什么重要

心理健康应用与在线支持社区众包任务设计与质量控制发展中国家与HCI4D微型企业主(发展中国家)Amazon Mechanical Turk 工作者

文献标题

Tasks of a Different Color: How Crowdsourcing Practices Differ per Complex Task Type and Why This Matters

文献信息

  • 主题领域: 人机交互与众包工作实践研究
  • 关键词: 众包、众包农场、工作实践、复杂任务、模块化任务、交织任务、棘手问题、容器任务

研究背景与问题

  • 发现的问题或挑战:

    • 当前众包研究社区普遍将所有复杂众包工作以统一的“大任务”视角来研究,忽视了不同任务类型的结构性差异。
    • 尤其对于中国的众包农场(crowdfarms),工作实践缺乏系统性分析。
    • 棘手问题 (wicked tasks) 和容器问题 (container tasks) 的研究尚属空白,对这些类型任务的工作实践以及众包平台的支持还不明确。
  • 重要性:

    • 深入理解不同大任务类型的工作实践,可以帮助优化任务分配和流程设计,提升众包工作的质量和效率。
    • 聚焦中国的众包实践有助于理解全球众包经济中的商业转型趋势,尤其是在复杂任务领域。
  • 研究动机与相关工作:

    • 许多学者研究了模块化任务和交织任务的工作流程,同时提出了“闪组织”(flash organization)等概念来协助复杂任务的协作。
    • 过去的研究大多集中在模块化任务,忽视了棘手问题和容器任务中工人和团队的工作实践。
    • 中国的众包农场作为典型研究对象,其工作实践可对全球范围内的众包研究发展提供新的视角。

解决方案

  • 方法或解决方案:

    • 提出系统性的任务分类框架,基于任务复杂性、可分解性和结构性,划分为模块化任务、交织任务、棘手问题、和容器任务。
    • 对中国31个众包农场进行深入研究,采用结构化访谈方法,获取不同任务类型的细节化工作实践。
    • 研究任务采购、执行、问题解决、声誉维护、以及工作流程的调整。
  • 创新之处:

    • 首次以任务类型为分类依据研究众包农场的实践,通过四种明确的任务分类提供全面分析。
    • 提供针对棘手问题和容器问题的初步研究填补领域空白,并给出改进建议。
  • 实施步骤与关键技术:

    • 使用半结构化访谈,调查众包农场对不同任务类型的实践。
    • 数据处理采用中英双重翻译与主题分析,确保准确性。
    • 以任务框架为指导,将任务映射到四种类型以进行归纳和分析。

研究成果

  • 具体成果:

    • 提出了四种任务类型的具体工作实践差异:模块化任务高效但同质化;交织任务需要大量协作但成本高;棘手问题由于结构不明难以开展;容器任务需要跨领域合作。
    • 确立了中国众包农场在模块化和交织任务中的优势,同时揭示了其在棘手问题和容器任务中的局限性。
    • 提供了平台优化建议,例如支付机制改进、多样化奖励政策以及专家搜索引擎开发。
  • 与现有解决方案相比的优势:

    • 以中国众包农场为案例研究,填补全球众包研究的空白。
    • 对棘手问题和容器任务的工作实践提供了首批经验性研究,从而丰富了相关领域的理解深度。
  • 实验或评估结果:

    • 参与众包农场能够显著提升模块化和交织任务的效率,但在复杂任务(如棘手问题与容器任务)中面临显著挑战。
    • 现有的工作实践主要集中于成本控制和团队协作,而对单兵作战的棘手问题支持不足。
  • 局限性与未来方向:

    • 局限性:

      • 样本集中于众包农场,缺乏对个人众包工作者的研究。
      • 使用质性访谈为主,未结合问卷等量化方法以增强数据全面性。
      • 封闭式研究背景无法直接推广到全球众包市场。
    • 未来方向:

      • 研究普通个人众包工作者对不同类型复杂任务的实践。
      • 探讨个人工作者如何与众包农场或团队协作进行复杂任务。
      • 扩展样本,纳入更多不同背景的任务,如国外平台上的棘手问题与容器任务。

总结

本文通过对中国众包农场的深入研究,首次系统地梳理了模块化任务、交织任务、棘手问题和容器任务的工作实践差异,并提出了可行的众包平台优化建议,为实现更高效、更多样化的众包工作流提供理论依据和设计启发。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/96540/2023

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3544548.3581418
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
8 位作者
sell
研究子方向
心理健康应用与在线支持社区、众包任务设计与质量控制、发展中国家与HCI4D
work
职业/产业
微型企业主(发展中国家)、Amazon Mechanical Turk 工作者
article
内容状态
已索引正文
hub
相关论文
3 篇相关论文