本研究通过对七个众包平台进行跨平台内容分析,对 Mechanical Turk 和其他众包平台进行对比研究来加速众包领域的多元化研究和进展。
Oct, 2013
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
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
该研究使用排队理论分析实时众包的保留模型,提供了一种算法以实现成本最小化,并提出和分析了三种改进性能的技术:推送通知、共享保留池和预招聘,实验验证了这些技术的有效性。
Apr, 2012
本文研究如何在预算限制下,选择优质工人子集以达到最大准确性,并通过组合优化算法解决此问题,证明该算法能够有效地选择少数高质量工人,并在模拟和实际数据集上表现良好。
Feb, 2015
研究如何在固定预算内通过在线算法在众包市场中进行任务分配,探讨了实现任务分配的几种算法及评估方案,并通过实验验证了算法的实用性。
Aug, 2015
本文提出了一种名为 MONITOR 的方法,用来解决众包平台上不同质量的数据聚合问题。该方法通过估计贡献者的资质和行为来确定其贡献者资料,并利用数据信任理论来考虑其潜在不完美的特点,从而更好地聚合贡献者的数据。在真实数据上的实验表明,MONITOR 方法大大提高了聚合后的数据准确性。本文的贡献在于首次提出了一种模型,既考虑了贡献者的资质,也考虑了其行为,用于估计其贡献者资料。其次,还提出了一种根据估计的资料弱化和聚合结果的答案的方法。
Mar, 2023
研究对众包工人支付等同于美国联邦最低工资的工资进行了广泛探讨。同时,收集高质量标注的研究建议使用需要工人先完成一定数量任务的资格考试。本文通过分析工人讨论和研究者的指导,发现工人需要完成约 2.25 个月的低报酬任务才能获得更好的报酬。通过对两个 NLP 任务进行资格考试和工作质量之间的相关性研究,本研究发现可以在减轻工人负担的前提下收集高质量的数据。
May, 2021
研究表明,众包系统中恶意行为的手动组织和活动的使用正在成为一种真正的网络安全威胁,会对在线社区如社交网络等造成实质性损害。
Nov, 2011
本篇研究通过对来源于十个国家的群体工作者的人口统计特征和微任务收入的分析比较,探讨了国际众包群体的特点,并就不同国家的工人在不同国家环境下的微任务收入的重要性进行了阐述。
Dec, 2018