Equità nei rideshare: analisi dei guadagni dei conducenti e dei costi per i passeggeri
Questo studio analizza l'equità nei guadagni dei conducenti e nei prezzi per i passeggeri nel settore delle corse condivise.
― 6 leggere min
Indice
- Contesto
- Scopo dello Studio
- Fonti di Dati
- Valutazione della Compensazione degli Autisti
- Valutazione del Pagamento dei Passeggeri
- Discussione sulla Giustizia nella Compensazione degli Autisti
- Discussione sulla Giustizia nel Pagamento dei Passeggeri
- Conclusione e Direzioni Future
- Fonte originale
- Link di riferimento
I servizi di rideshare come Uber e Lyft usano algoritmi complessi per abbinare Autisti e passeggeri e stabilire i Prezzi per i viaggi. Questo studio si concentra sulla giustizia in questi sistemi, in particolare su come influenzano i Guadagni degli autisti e i costi per i passeggeri. Analizzando i dati di Chicago, abbiamo scoperto che non tutti gli autisti vengono trattati allo stesso modo e che spesso i passeggeri sentono di pagare troppo.
Contesto
Le piattaforme di rideshare operano come intermediari tra autisti e passeggeri. Non solo abbinano questi due gruppi, ma determinano anche quanto pagheranno i passeggeri e quanto guadagneranno gli autisti per ogni viaggio. Questo comporta strategie di prezzo dinamiche che si aggiustano in base alla domanda e alla disponibilità.
Tuttavia, questi algoritmi funzionano spesso come una "scatola nera", il che significa che sia gli autisti che i passeggeri non capiscono completamente come vengono prese le decisioni. Questa mancanza di chiarezza può portare a sentimenti di ingiustizia, con molti passeggeri che credono di essere sovraccaricati.
Scopo dello Studio
L'obiettivo principale di questo studio è valutare la giustizia nella struttura salariale per gli autisti e nella determinazione dei prezzi per i passeggeri. Vogliamo sapere se ci sono pregiudizi basati su fattori come razza, assicurazione sanitaria e tempo trascorso sulla piattaforma per gli autisti e se i passeggeri vengono addebitati in modo equo rispetto ai servizi taxi tradizionali.
Fonti di Dati
Per eseguire l'analisi, abbiamo utilizzato diversi set di dati:
- Indagine sui Chauffeur di Veicoli Pubblici: Questo set di dati contiene informazioni dagli autisti riguardo la loro demografia, esperienza lavorativa e guadagni.
- Percorsi dei Fornitori di Rete di Trasporto: Questo include informazioni sui viaggi effettuati tramite servizi di rideshare.
- Viaggi in Taxi: Questo include dati dai servizi taxi tradizionali.
Utilizzando questi set di dati, abbiamo potuto confrontare guadagni e costi tra i servizi di rideshare e i taxi tradizionali.
Valutazione della Compensazione degli Autisti
Quando abbiamo valutato quanto equamente vengono compensati gli autisti, abbiamo considerato diversi fattori:
- Età: Ci aspettavamo che gli autisti più anziani potessero guadagnare di più a causa delle percezioni di sicurezza.
- Razza/Etnia: Abbiamo esaminato se i diversi gruppi etnici guadagnano in modo diverso.
- Livello di Istruzione: Ci siamo chiesti se un livello di istruzione più alto poteva portare a stipendi migliori.
- Assicurazione Sanitaria: Abbiamo esplorato come avere o meno benefici sanitari influenzasse i guadagni.
- Anzianità: Abbiamo considerato da quanto tempo un autista è sulla piattaforma.
- Ore Lavorative: Abbiamo analizzato come il numero di ore guidate a settimana influenzi il pagamento.
In base ai nostri risultati, abbiamo scoperto che razza, stato dell'assicurazione sanitaria, anzianità e ore lavorative influenzano significativamente i salari degli autisti. Ad esempio, gli autisti asiatici hanno riportato il salario medio più basso, mentre quelli con determinati tipi di assicurazione sanitaria guadagnavano meno. Sorprendentemente, gli autisti con meno di un anno o più di dieci anni di esperienza guadagnavano salari più bassi, contraddicendo ciò che si osserva spesso in altri settori.
Inoltre, abbiamo trovato che il numero di ore guidate ha una correlazione positiva con il pagamento, il che significa che più ore lavorate generalmente comportano guadagni più alti.
Valutazione del Pagamento dei Passeggeri
Successivamente, volevamo sapere se i passeggeri vengono addebitati in modo equo. Abbiamo confrontato le tariffe del rideshare con quelle dei taxi tradizionali. Sebbene i taxi utilizzino regole di prezzo più semplici, i prezzi del rideshare possono cambiare in base a molti fattori, come la distanza del viaggio e la domanda.
Per fare ciò, abbiamo creato un modello per prevedere quali sarebbero state le tariffe del rideshare per i viaggi in taxi. Valutando queste previsioni rispetto alle tariffe effettive dei taxi, potevamo vedere se i passeggeri stavano pagando di più per i servizi di rideshare.
La nostra analisi ha rivelato che circa il 15% dei viaggi costerebbe meno con i servizi di rideshare, mentre solo lo 0,89% sarebbe più alto. Questo suggerisce che i passeggeri potrebbero non essere sovraccaricati quanto sentono, ma la percezione di prezzi ingiusti rimane.
Discussione sulla Giustizia nella Compensazione degli Autisti
Guardando i nostri risultati, è chiaro che ci sono disparità nel modo in cui vengono compensati gli autisti. Fattori come razza e assicurazione sanitaria giocano un ruolo significativo nel determinare i salari, anche se l'età a volte non lo fa. Ad esempio, il comportamento dei clienti, come come valutano gli autisti, può creare pregiudizi che impattano i guadagni.
La nostra analisi indica che i problemi di discriminazione tradizionali nei luoghi di lavoro sono ancora presenti nell'economia dei lavoretti, manifestandosi in modi nuovi. Le piattaforme di rideshare potrebbero trarre vantaggio da politiche migliori per garantire compensi equi per tutti gli autisti. Ad esempio, potrebbero creare linee guida che riducano i pregiudizi nelle valutazioni degli utenti, il che potrebbe portare a un trattamento più equo.
Discussione sulla Giustizia nel Pagamento dei Passeggeri
Dal lato dei passeggeri, molti clienti sentono che i prezzi del rideshare sono troppo alti. Questa percezione contrasta con i nostri risultati, che mostrano che le tariffe del rideshare sono spesso competitive o addirittura più economiche rispetto ai taxi tradizionali per molti viaggi.
Un problema sta nella natura dinamica dei prezzi del rideshare, che è meno trasparente delle tariffe fisse dei taxi. I clienti spesso non comprendono completamente perché i prezzi fluttuano, e questo può portare a sfiducia. In settori come quello aereo, i clienti possono accedere ai prezzi dei biglietti in anticipo, il che aiuta a gestire le loro aspettative e migliora la trasparenza.
Per costruire fiducia tra i passeggeri, le piattaforme di rideshare potrebbero migliorare la loro comunicazione sui prezzi. Fornire informazioni più chiare su come vengono calcolate le tariffe e perché variano potrebbe aiutare ad alleviare le preoccupazioni riguardo alla giustizia dei prezzi.
Conclusione e Direzioni Future
In sintesi, questo studio mette in evidenza domande significative sulla giustizia sia nella compensazione degli autisti che nel pagamento dei passeggeri nell'industria del rideshare. Abbiamo scoperto che certe demografie influenzano significativamente quanto guadagnano gli autisti, mentre le percezioni dei passeggeri sui prezzi dinamici spesso li portano a sentirsi addebitati ingiustamente.
Andando avanti, c'è un bisogno urgente di maggiore trasparenza negli algoritmi che determinano pagamenti e prezzi. Maggiore accesso ai dati potrebbe migliorare la responsabilità e aiutare a garantire equità in ogni settore. Studi più completi che coinvolgono vari set di dati potrebbero ulteriormente illuminare questi problemi, contribuendo a un'economia dei lavoretti più giusta per tutti i partecipanti.
Titolo: Evaluating Fairness in Black-box Algorithmic Markets: A Case Study of Ride Sharing in Chicago
Estratto: 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.
Autori: Yuhan Liu, Yuhan Zheng, Siyuan Zhang, Lydia T. Liu
Ultimo aggiornamento: 2024-07-29 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2407.20522
Fonte PDF: https://arxiv.org/pdf/2407.20522
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.
Link di riferimento
- https://data.cityofchicago.org/Transportation/Public-Passenger-Vehicle-Chauffeur-Survey-2021/uk68-3rjc/about_data
- https://data.cityofchicago.org/Transportation/Transportation-Network-Providers-Trips-2023-/n26f-ihde/about_data
- https://data.cityofchicago.org/Transportation/Taxi-Trips-2013-2023-/wrvz-psew/about_data
- https://www.eeoc.gov/equal-paycompensation-discrimination