Justiça no Rideshare: Analisando o Pagamento dos Motoristas e os Custos dos Passageiros
Esse estudo analisa a justiça nos ganhos dos motoristas e nos preços para os passageiros na indústria de caronas.
― 6 min ler
Índice
Serviços de carona como Uber e Lyft usam algoritmos complexos pra juntar Motoristas com passageiros e definir os Preços das corridas. Este estudo analisa a justiça nesses sistemas, principalmente como afetamos os Ganhos dos motoristas e os Custos dos passageiros. Analisando dados de Chicago, descobrimos que nem todos os motoristas são tratados de forma igual, e muitos passageiros sentem que pagam muito.
Contexto
As plataformas de carona operam como intermediárias entre motoristas e passageiros. Elas não só conectam esses dois grupos, mas também decidem quanto os passageiros vão pagar e quanto os motoristas vão ganhar por cada corrida. Isso envolve estratégias de preços dinâmicos que mudam com base na demanda e disponibilidade.
No entanto, esses algoritmos muitas vezes funcionam como uma "caixa-preta", ou seja, tanto motoristas quanto passageiros não entendem completamente como as decisões são feitas. Essa falta de clareza pode gerar sentimentos de injustiça, com muitos passageiros achando que estão sendo cobrados a mais.
Objetivo do Estudo
O principal objetivo deste estudo é avaliar a justiça na estrutura salarial dos motoristas e nos preços para os passageiros. Queremos saber se existem preconceitos baseados em fatores como raça, seguro de saúde e tempo na plataforma para motoristas, e se os passageiros são cobrados de forma justa em comparação com serviços de táxi tradicionais.
Fontes de Dados
Pra realizar a análise, usamos várias bases de dados:
- Pesquisa de Motoristas de Veículos de Passageiros: Esta base contém informações dos motoristas sobre sua demografia, experiência de trabalho e ganhos.
- Corridas de Provedores de Rede de Transporte: Inclui informações sobre as corridas feitas através de serviços de carona.
- Corridas de Táxi: Inclui dados de serviços de táxi tradicionais.
Usando esses dados, conseguimos comparar os ganhos e custos entre serviços de carona e táxis tradicionais.
Avaliando a Compensação dos Motoristas
Ao avaliar como os motoristas são compensados de forma justa, olhamos pra vários fatores:
- Idade: Esperávamos que motoristas mais velhos pudessem ganhar mais devido à percepção de segurança.
- Raça/Etnia: Verificamos se diferentes grupos étnicos ganham de forma diferente.
- Nível de Educação: Questionamos se um nível de educação mais alto poderia levar a um salário melhor.
- Seguro de Saúde: Exploramos como ter ou não ter benefícios de saúde impacta os ganhos.
- Tempo de Casa: Consideramos quanto tempo um motorista está na plataforma.
- Horas Trabalhadas: Analisamos como o número de horas dirigidas na semana influencia o pagamento.
Com base em nossas descobertas, vimos que a raça, o status do seguro de saúde, o tempo de casa e as horas trabalhadas influenciaram significativamente os salários dos motoristas. Por exemplo, motoristas asiáticos relataram o menor pagamento médio, enquanto aqueles com certos tipos de seguro de saúde ganhavam menos. Surpreendentemente, motoristas com menos de um ano ou mais de dez anos de experiência na verdade ganhavam menos, contrariando o que muitas vezes vemos em outras indústrias.
Além disso, descobrimos que o número de horas dirigidas teve uma correlação positiva com o pagamento, ou seja, mais horas trabalhadas geralmente resultavam em maiores ganhos.
Avaliando o Pagamento dos Passageiros
Em seguida, queríamos saber se os passageiros estão sendo cobrados de forma justa. Comparando as tarifas de carona com as de táxis tradicionais. Enquanto os táxis usam regras de preços mais diretas, os preços de carona podem mudar com base em muitos fatores, como a distância da corrida e a demanda.
Pra isso, criamos um modelo pra prever quais seriam as tarifas de carona para corridas de táxi. Ao avaliar essas previsões contra as tarifas reais de táxi, conseguimos ver se os passageiros estavam pagando mais pelos serviços de carona.
Nossa análise revelou que cerca de 15% das corridas custariam menos com serviços de carona, enquanto apenas 0,89% seriam mais caras. Isso sugere que os passageiros podem não estar sendo cobrados tanto quanto sentem, mas a percepção de preços injustos persiste.
Discussão sobre a Justiça na Compensação dos Motoristas
Olhando pros nossos achados, é claro que existem disparidades em como os motoristas são compensados. Fatores como raça e seguro de saúde desempenham um papel significativo na determinação dos salários, mesmo que a idade às vezes não faça diferença. Por exemplo, o comportamento dos clientes, como as avaliações que fazem dos motoristas, pode criar preconceitos que impactam os ganhos.
Nossa análise indica que questões tradicionais de discriminação nos locais de trabalho ainda estão presentes na economia de trabalho temporário, se manifestando de novas maneiras. As plataformas de carona poderiam se beneficiar de políticas melhores pra ajudar a garantir uma compensação justa pra todos os motoristas. Por exemplo, poderiam criar diretrizes que reduzissem o preconceito nas avaliações dos usuários, levando a um tratamento mais equitativo.
Discussão sobre a Justiça no Pagamento dos Passageiros
Do lado dos passageiros, muitos clientes sentem que os preços das corridas são muito altos. Essa percepção contrasta com nossos achados, que mostram que as tarifas de carona são frequentemente competitivas ou até mais baratas que os táxis tradicionais em muitas corridas.
Um problema tá na natureza dinâmica do preço das corridas, que é menos transparente que as tarifas fixas dos táxis. Os clientes muitas vezes não entendem completamente por que os preços mudam, e isso pode gerar desconfiança. Em indústrias como a aérea, os clientes conseguem acessar os preços das passagens com antecedência, o que ajuda a gerenciar suas expectativas e melhora a transparência.
Pra construir confiança entre os passageiros, as plataformas de carona poderiam melhorar a comunicação sobre os preços. Fornecer informações mais claras sobre como as tarifas são calculadas e por que variam poderia ajudar a aliviar as preocupações sobre a justiça nos preços.
Conclusão e Direções Futuras
Em resumo, este estudo destaca questões significativas sobre a justiça tanto na compensação dos motoristas quanto no pagamento dos passageiros na indústria de caronas. Descobrimos que certos grupos demográficos impactam significativamente quanto os motoristas ganham, enquanto as percepções dos passageiros sobre preços dinâmicos muitas vezes os levam a sentir que estão sendo cobrados de forma injusta.
Seguindo em frente, há uma necessidade urgente por mais transparência nos algoritmos que ditam os pagamentos e preços. Um maior acesso a dados poderia aumentar a responsabilidade e ajudar a garantir justiça em todas as áreas. Estudos mais abrangentes envolvendo várias bases de dados poderiam iluminar ainda mais essas questões, contribuindo pra uma economia de trabalho temporário mais justa pra todos os participantes.
Título: Evaluating Fairness in Black-box Algorithmic Markets: A Case Study of Ride Sharing in Chicago
Resumo: 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 atualização: 2024-07-29 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2407.20522
Fonte PDF: https://arxiv.org/pdf/2407.20522
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.
Ligações de referência
- 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