本期推荐一篇2024年5月发表在ASQ上的论文《“好坏工作”的制造：算法管理如何通过不断和受限的选择制造同意》。近年来在美国，通过智能手机应用上班的人数显著增加，这类被称为按需经济或平台经济的工人越来越依赖算法来管理他们的工作，包括分配任务、评估绩效和奖励惩罚等。传统研究普遍认为算法管理带来的任务标准化和监控会导致“坏工作”的产生，即低工资、不稳定的工作时间和缺乏晋升机会等。然而，令人意外的是，许多工人在算法管理下的工作中却表示喜欢并且感到有选择的余地。
该研究的核心是理解在算法管理下，工人如何在看似受限的选择中找到参与和同意的方式。研究者提出了一个问题：在高度监控和标准化的算法管理环境中，为什么工人仍然愿意并且喜欢从事这样的工作？
为此，研究者进行了为期七年的质性研究，聚焦于按需经济中最大的行业——网约车行业。研究方法包括参与观察、半结构化访谈以及社会与印刷媒体的分析。在参与观察部分，研究者亲自作为司机和乘客参与网约车工作，观察不同时间和地点的工作情况，并进行迷你实验以理解自己的行为变化。在半结构化访谈中，研究者在北美23个城市对63名司机进行了三轮共136次访谈，了解他们的工作经历和应对策略。此外，研究者还通过博客、讨论板和公司材料等获取补充信息，以确保数据的多样性和准确性。
研究发现，算法管理通过将工作细分为多个小任务，使工人在不断且受限的选择中感受到掌控感。工人主要采用两种策略应对算法管理：一种是遵循算法提示的参与策略，另一种是操纵算法的偏差策略。尽管这两种策略在行为上存在差异，但它们都促使工人积极参与并认同管理目标，从而在一定程度上掩盖了工作的结构性问题。这种基于选择的同意机制解释了为何在看似不利的工作条件下，工人依然会感到满意并积极投入工作。
通过详细分析人机互动中的每个选择点，研究者揭示了算法管理如何通过一系列窄而频繁的选择制造工人的同意。这一研究不仅丰富了劳动过程理论，还提供了对按需经济中新兴工作形式的深刻理解，指出了“好坏工作”在吸引工人方面的潜在原因和机制。
唧唧堂学院推荐订阅
