Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Informática# Interacción Persona-Ordenador

Equidad en Rideshare: Analizando el Pago a Conductores y los Costos para Pasajeros

Este estudio analiza la equidad en las ganancias de los conductores y los precios para los pasajeros en la industria de rideshare.

― 7 minilectura


Estudio de Equidad en elEstudio de Equidad en elRideshareservicios de rideshare.las percepciones de precios en losAnalizando las diferencias salariales y
Tabla de contenidos

Los servicios de rideshare como Uber y Lyft usan algoritmos complejos para emparejar a los Conductores con los pasajeros y establecer Precios para los viajes. Este estudio analiza la equidad en estos sistemas, en particular cómo afectan las Ganancias de los conductores y los Costos para los pasajeros. Al analizar datos de Chicago, encontramos que no todos los conductores son tratados de la misma manera, y los pasajeros a menudo sienten que pagan demasiado.

Antecedentes

Las plataformas de rideshare operan como intermediarios entre conductores y pasajeros. No solo emparejan a estos dos grupos, sino que también determinan cuánto pagarán los pasajeros y cuánto ganarán los conductores por cada viaje. Esto implica estrategias de precios dinámicos que se ajustan según la demanda y la disponibilidad.

Sin embargo, estos algoritmos a menudo funcionan como una "caja negra", lo que significa que tanto los conductores como los pasajeros no entienden completamente cómo se toman las decisiones. Esta falta de claridad puede llevar a sentimientos de injusticia, con muchos pasajeros creyendo que se les cobra de más.

Propósito del Estudio

El objetivo principal de este estudio es evaluar la equidad en la estructura salarial de los conductores y la fijación de precios para los pasajeros. Queremos saber si hay sesgos basados en factores como la raza, el seguro de salud y el tiempo en la plataforma para los conductores, y si los pasajeros son cobrados de manera justa en comparación con los servicios de taxi tradicionales.

Fuentes de Datos

Para llevar a cabo el análisis, utilizamos varios conjuntos de datos:

  1. Encuesta Pública de Conductores de Vehículos de Pasajeros: Este conjunto de datos contiene información de los conductores sobre su demografía, experiencia laboral y ganancias.
  2. Viajes de Proveedores de Redes de Transporte: Esto incluye información sobre los viajes realizados a través de servicios de rideshare.
  3. Viajes en Taxi: Esto incluye datos de servicios de taxi tradicionales.

Al usar estos conjuntos de datos, pudimos comparar ganancias y costos entre los servicios de rideshare y los taxis tradicionales.

Evaluación de la Compensación de los Conductores

Al evaluar cuán justamente son compensados los conductores, analizamos varios factores:

  1. Edad: Esperábamos que los conductores mayores pudieran ganar más debido a las percepciones de seguridad.
  2. Raza/Etnicidad: Examinamos si diferentes grupos étnicos ganan de manera diferente.
  3. Nivel de Educación: Nos preguntamos si un nivel educativo más alto podría llevar a mejores salarios.
  4. Seguro de Salud: Exploramos cómo tener o no tener beneficios de salud impactaba las ganancias.
  5. Tiempo en la Plataforma: Consideramos cuánto tiempo ha estado un conductor en la plataforma.
  6. Horas de Trabajo: Analizamos cómo el número de horas conducidas por semana influencia el pago.

Basándonos en nuestros hallazgos, descubrimos que la raza, el estado del seguro de salud, el tiempo en la plataforma y las horas de trabajo influían significativamente en los salarios de los conductores. Por ejemplo, los conductores asiáticos reportaron el salario promedio más bajo, mientras que aquellos con ciertos tipos de seguro de salud ganaron menos. Sorprendentemente, los conductores con menos de un año o más de diez años de experiencia ganaron salarios más bajos, contradiciendo lo que a menudo se ve en otras industrias.

Además, encontramos que la cantidad de horas conducidas tenía una correlación positiva con el pago, lo que significa que trabajar más horas generalmente resultaba en mayores ganancias.

Evaluación del Pago de los Pasajeros

A continuación, queríamos saber si los pasajeros están siendo cobrados de manera justa. Comparamos las tarifas de rideshare con las de los taxis tradicionales. Mientras que los taxis utilizan reglas de precios más directas, los precios de rideshare pueden cambiar según muchos factores, como la distancia del viaje y la demanda.

Para hacer esto, creamos un modelo para predecir cuáles serían las tarifas de rideshare para los viajes en taxi. Al evaluar estas predicciones contra las tarifas reales de taxi, pudimos ver si los pasajeros están pagando más por los servicios de rideshare.

Nuestro análisis reveló que aproximadamente el 15% de los viajes costarían menos con los servicios de rideshare, mientras que solo el 0.89% sería más caro. Esto sugiere que los pasajeros podrían no estar siendo sobrecobrados tanto como sienten, pero la percepción de precios injustos persiste.

Discusión sobre la Equidad en la Compensación de los Conductores

Al mirar nuestros hallazgos, queda claro que hay disparidades en cómo se compensan a los conductores. Factores como la raza y el seguro de salud juegan un papel significativo en la determinación de los salarios, incluso si la edad a veces no lo hace. Por ejemplo, el comportamiento de los clientes, como cómo califican a los conductores, puede crear sesgos que impactan las ganancias.

Nuestro análisis indica que los problemas tradicionales de discriminación en los lugares de trabajo aún están presentes en la economía colaborativa, manifestándose de nuevas maneras. Las plataformas de rideshare podrían beneficiarse de mejores políticas para ayudar a garantizar una compensación justa para todos los conductores. Por ejemplo, podrían crear pautas que reduzcan sesgos en las calificaciones de los usuarios, lo que podría llevar a un trato más equitativo.

Discusión sobre la Equidad en el Pago de los Pasajeros

En el lado de los pasajeros, muchos clientes sienten que los precios de rideshare son demasiado altos. Esta percepción contrasta con nuestros hallazgos, que muestran que las tarifas de rideshare son a menudo competitivas o incluso más baratas que las de los taxis tradicionales para muchos viajes.

Un problema está en la naturaleza dinámica de la fijación de precios de rideshare, que es menos transparente que las tarifas fijas de los taxis. Los clientes a menudo no entienden completamente por qué fluctúan los precios, y esto puede llevar a desconfianza. En industrias como la de las aerolíneas, los clientes pueden acceder a los precios de los boletos con antelación, lo que ayuda a gestionar sus expectativas y mejora la transparencia.

Para generar confianza entre los pasajeros, las plataformas de rideshare podrían mejorar su comunicación sobre los precios. Proporcionar información más clara sobre cómo se calculan las tarifas y por qué varían podría ayudar a aliviar las preocupaciones sobre la equidad en los precios.

Conclusión y Direcciones Futuras

En resumen, este estudio resalta preguntas significativas sobre la equidad tanto en la compensación de los conductores como en el pago de los pasajeros en la industria de rideshare. Encontramos que ciertos demográficos impactan significativamente cuánto ganan los conductores, mientras que las percepciones de los pasajeros sobre la fijación de precios dinámica a menudo los llevan a sentir que se les cobra de manera injusta.

De cara al futuro, hay una necesidad urgente de más transparencia en los algoritmos que dictan el pago y los precios. Un mayor acceso a datos podría mejorar la responsabilidad y ayudar a garantizar la equidad en general. Estudios más amplios que involucren varios conjuntos de datos podrían iluminar aún más estos problemas, contribuyendo a una economía colaborativa más justa para todos los participantes.

Fuente original

Título: Evaluating Fairness in Black-box Algorithmic Markets: A Case Study of Ride Sharing in Chicago

Resumen: This study examines fairness within the rideshare industry, focusing on both drivers' wages and riders' trip fares. Through quantitative analysis, we found that drivers' hourly wages are significantly influenced by factors such as race/ethnicity, health insurance status, tenure to the platform, and working hours. Despite platforms' policies not intentionally embedding biases, disparities persist based on these characteristics. For ride fares, we propose a method to audit the pricing policy of a proprietary algorithm by replicating it; we conduct a hypothesis test to determine if the predicted rideshare fare is greater than the taxi fare, taking into account the approximation error in the replicated model. Challenges in accessing data and transparency hinder our ability to isolate discrimination from other factors, underscoring the need for collaboration with rideshare platforms and drivers to enhance fairness in algorithmic wage determination and pricing.

Autores: Yuhan Liu, Yuhan Zheng, Siyuan Zhang, Lydia T. Liu

Última actualización: 2024-07-29 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2407.20522

Fuente PDF: https://arxiv.org/pdf/2407.20522

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Más de autores

Artículos similares