土耳其工人阶级的情况：在线雇主是否公平诚实？
本文介绍了一种参与者对众包项目提供劳动的经济模型，并提出了一种估计工人保留工资的新方法，然后将此模型用于 Amazon’s Mechanical Turk（AMT）的一组工人的研究中，该组工人的保留工资近似为对数正态分布，中位工资为每小时 1.38 美元，并在实验测试中解释了众包工人如何对激励做出有理反应。
Jan, 2010
研究表明，即使在使用 “个体公平” 的招聘方式时，当前的种族失业差距仍然存在于美国劳动力市场中，并且这些差距是由于资源和投资选择的不对称性而产生的，因此，需要采用双重劳动力市场以保证工人获得公平机会。
Nov, 2017
通过批判性文献综述和 MTurk 工作者的调查，我们发现当前在亚马逊众包平台中进行自然语言处理数据收集的方法在考虑工作者的角度上存在问题，因此我们提出了关于公平支付、工作者隐私、数据质量和工作者激励等方面的最佳实践，以更好地尊重工作者权益并提高数据质量。
Nov, 2023
对 Amazon Mechanical Turk 进行的 2,676 个工人 3.8 百万个任务的研究表明，线上众包工作的收入极低，其中只有 4％的工人的平均每小时工资超过 7.25 美元，虽然平均请求者支付超过 11 美元 /h。同时，研究者还发现了一些特征，可以实现更高的小时工资，这为未来平台的设计和工人工具提供了信息。
Dec, 2017
检测和实现在线市场中卖方公平性，通过引入卖方结果公平性概念和构建以平衡推荐奖励和公平度度量为目标的优化模型，然后提出基于数据驱动的梯度下降算法，通过对真实电子商务数据集进行数值实验，发现该算法能提升卖方公平性而不损害总采购额和总购买次数等指标。
Dec, 2023
该研究提出了一种在线双向配对平台的算法，可同时为双方市场提供公平的处理保证，考虑了原则主义公平的组和个人标准，并在操作者利润计算的最坏情况下降低其利润，具有理论保证和可调参数来平衡三方的效用，并发现可以给出任何算法性能的明确上界。
Jan, 2022
本文针对众包在线决策的理论研究和建模问题进行了反思和讨论，并提出了相关算法来优化众包市场的各个方面，涉及众包、人工计算、算法、定价等关键词。
Aug, 2013
本研究提出了一种名为 Reputation Agent 的新工具，借助于机器学习和深度学习技术来更公平地评价 Gig 市场上的工作者，通过自动检测出评价中的非公正性因素并提示评价者重新考虑评价，以此来实现更公正的评价和更好的出价效果。
May, 2020