ປັນຍາປະດິດ

The 'ເບິ່ງບໍ່ເຫັນ', ກໍາລັງແຮງງານທີ່ບໍ່ພໍໃຈທີ່ມັກຈະຕັດສິນໃຈອະນາຄົດຂອງ AI

ການປັບປຸງ on ເດືອນທັນວາ 9, 2022

ບົດລາຍງານໃຫມ່ສອງສະບັບ, ລວມທັງເອກະສານທີ່ນໍາໂດຍ Google Research, ສະແດງຄວາມກັງວົນວ່າທ່າອ່ຽງໃນປະຈຸບັນທີ່ຈະອີງໃສ່ຜູ້ເຮັດວຽກ gig ທົ່ວໂລກທີ່ມີລາຄາຖືກແລະມັກຈະຖືກປະຕິເສດເພື່ອສ້າງຄວາມຈິງພື້ນຖານສໍາລັບລະບົບການຮຽນຮູ້ເຄື່ອງຈັກສາມາດມີຜົນກະທົບທາງລົບຕໍ່ AI.

ໃນບັນດາບົດສະຫຼຸບຕ່າງໆ, ການສຶກສາຂອງ Google ພົບວ່າຄວາມລໍາອຽງຂອງຕົນເອງຂອງພະນັກງານຝູງຊົນມີແນວໂນ້ມທີ່ຈະຖືກຝັງຢູ່ໃນລະບົບ AI ທີ່ຄວາມຈິງພື້ນຖານຈະອີງໃສ່ການຕອບສະຫນອງຂອງພວກເຂົາ; ການປະຕິບັດວຽກງານທີ່ບໍ່ຍຸຕິທໍາທີ່ແຜ່ຂະຫຍາຍ (ລວມທັງໃນສະຫະລັດ) ໃນເວທີທີ່ເຮັດວຽກທີ່ແອອັດມີແນວໂນ້ມທີ່ຈະເຮັດໃຫ້ຄຸນນະພາບຂອງຄໍາຕອບຫຼຸດລົງ; ແລະວ່າລະບົບ 'ຄວາມເຫັນດີເຫັນພ້ອມ' (ຢ່າງມີປະສິດທິພາບເປັນ 'ການເລືອກຕັ້ງນ້ອຍ' ສໍາລັບຄວາມຈິງພື້ນຖານບາງຢ່າງທີ່ຈະມີອິດທິພົນຕໍ່ລະບົບ AI ລຸ່ມນ້ໍາ) ເຊິ່ງປະຈຸບັນການແກ້ໄຂຂໍ້ຂັດແຍ່ງສາມາດຕົວຈິງໄດ້. ຖີ້ມ ຄໍາຕອບທີ່ດີທີ່ສຸດແລະ / ຫຼືຂໍ້ມູນຫຼາຍທີ່ສຸດ.

ນັ້ນຄືຂ່າວຮ້າຍ; ຂ່າວຮ້າຍກວ່ານັ້ນແມ່ນວ່າການແກ້ໄຂທັງຫມົດແມ່ນລາຄາແພງ, ໃຊ້ເວລາຫຼາຍ, ຫຼືທັງສອງຢ່າງ.

ຄວາມບໍ່ຫມັ້ນຄົງ, ການປະຕິເສດແບບສຸ່ມ, ແລະ rancor

ທໍາອິດ ເຈ້ຍ, ຈາກຫ້ານັກຄົ້ນຄວ້າ Google, ຖືກເອີ້ນວ່າ ຄວາມຈິງພື້ນຖານຂອງໃຜ? ການບັນຊີສໍາລັບການກໍານົດຕົວຕົນຂອງບຸກຄົນແລະການເກັບກໍາຂໍ້ຫຍໍ້ກ່ຽວກັບຊຸດຂໍ້ມູນພື້ນຖານ1 the ຄັ້ງທີສອງ, ຈາກສອງນັກຄົ້ນຄວ້າທີ່ມະຫາວິທະຍາໄລ Syracuse ໃນນິວຢອກ, ຖືກເອີ້ນວ່າ ຕົ້ນກຳເນີດ ແລະ ຄຸນຄ່າຂອງຄວາມບໍ່ເຫັນດີໃນບັນດາປ້າຍກຳກັບຂໍ້ມູນ: ການສຶກສາກໍລະນີຂອງຄວາມແຕກຕ່າງຂອງແຕ່ລະບຸກຄົນໃນຄຳອະທິບາຍຄວາມກຽດຊັງ.

ເອກະສານຂອງ Google ສັງເກດເຫັນວ່າຜູ້ເຮັດວຽກທີ່ແອອັດ - ເຊິ່ງການປະເມີນມັກຈະເປັນພື້ນຖານກໍານົດຂອງລະບົບການຮຽນຮູ້ເຄື່ອງຈັກທີ່ອາດຈະສົ່ງຜົນກະທົບຕໍ່ຊີວິດຂອງພວກເຮົາໃນທີ່ສຸດ - ມັກຈະດໍາເນີນການພາຍໃຕ້ຂໍ້ຈໍາກັດທີ່ອາດຈະສົ່ງຜົນກະທົບຕໍ່ວິທີການຕອບສະຫນອງຕໍ່ວຽກງານທົດລອງ.

ສໍາລັບຕົວຢ່າງ, ນະໂຍບາຍໃນປະຈຸບັນຂອງ Amazon Mechanical Turk ອະນຸຍາດໃຫ້ຜູ້ຮ້ອງຂໍ (ຜູ້ທີ່ມອບຫມາຍໃຫ້) ປະຕິເສດການເຮັດວຽກຂອງຜູ້ບັນຍາຍໂດຍບໍ່ມີຄວາມຮັບຜິດຊອບ*:

'[A] ສ່ວນໃຫຍ່ຂອງຄົນງານຝູງຊົນ (94%) ມີວຽກທີ່ຖືກປະຕິເສດ ຫຼື ບໍ່ໄດ້ຮັບຄ່າຈ້າງ. ຢ່າງໃດກໍຕາມ, ຜູ້ຮ້ອງຂໍຍັງຄົງມີສິດເຕັມທີ່ກ່ຽວກັບຂໍ້ມູນທີ່ພວກເຂົາໄດ້ຮັບໂດຍບໍ່ຄໍານຶງເຖິງວ່າພວກເຂົາຍອມຮັບຫຼືປະຕິເສດມັນ; Roberts (2016) ອະທິບາຍລະບົບນີ້ເປັນໜຶ່ງທີ່ “ເຮັດໃຫ້ການລັກເງິນຄ່າຈ້າງ”.

'ຍິ່ງໄປກວ່ານັ້ນ, ການປະຕິເສດວຽກ ແລະ ການຫັກຄ່າຈ້າງແມ່ນເຈັບປວດຍ້ອນການປະຕິເສດມັກຈະເກີດຈາກຄໍາແນະນໍາທີ່ບໍ່ຊັດເຈນ ແລະ ການຂາດຊ່ອງທາງຄໍາຄິດເຫັນທີ່ມີຄວາມຫມາຍ; ພະນັກງານຝູງຊົນຫຼາຍຄົນລາຍງານວ່າການສື່ສານທີ່ບໍ່ດີສົ່ງຜົນກະທົບຕໍ່ການເຮັດວຽກຂອງເຂົາເຈົ້າ.'

ຜູ້ຂຽນແນະນໍາວ່ານັກຄົ້ນຄວ້າທີ່ໃຊ້ບໍລິການພາຍນອກເພື່ອພັດທະນາຊຸດຂໍ້ມູນຄວນພິຈາລະນາວິທີການທີ່ແພລະຕະຟອມທີ່ແອອັດປະຕິບັດຕໍ່ພະນັກງານຂອງຕົນ. ພວກເຂົາເຈົ້າສັງເກດເຫັນຕື່ມອີກວ່າໃນສະຫະລັດ, ແຮງງານຝູງຊົນຖືກຈັດປະເພດເປັນ 'ຜູ້ຮັບເຫມົາເອກະລາດ', ດ້ວຍການເຮັດວຽກດັ່ງກ່າວບໍ່ມີລະບຽບ, ແລະບໍ່ໄດ້ກວມເອົາໂດຍຄ່າຈ້າງຂັ້ນຕ່ໍາທີ່ກໍານົດໂດຍກົດຫມາຍວ່າດ້ວຍມາດຕະຖານແຮງງານທີ່ຖືກຕ້ອງ.

ສະພາບການ

ເອກະສານຍັງວິພາກວິຈານການນໍາໃຊ້ຂອງ ad hoc ແຮງງານທົ່ວໂລກສໍາລັບວຽກງານຄໍາອະທິບາຍ, ໂດຍບໍ່ມີການພິຈາລະນາພື້ນຖານຂອງຜູ້ບັນຍາຍ.

ບ່ອນທີ່ງົບປະມານອະນຸຍາດໃຫ້, ມັນເປັນເລື່ອງທົ່ວໄປສໍາລັບນັກຄົ້ນຄວ້າທີ່ໃຊ້ AMT ແລະເວທີການເຮັດວຽກຂອງຝູງຊົນທີ່ຄ້າຍຄືກັນເພື່ອໃຫ້ວຽກງານດຽວກັນກັບສີ່ຜູ້ບັນຍາຍ, ແລະປະຕິບັດຕາມ 'ກົດລະບຽບສ່ວນໃຫຍ່' ກ່ຽວກັບຜົນໄດ້ຮັບ.

ປະສົບການໃນສະພາບການ, ເອກະສານໄດ້ໂຕ້ຖຽງ, ໂດຍສະເພາະແມ່ນການພິຈາລະນາຫນ້ອຍລົງ. ຕົວຢ່າງ, ຖ້າຄໍາຖາມກ່ຽວກັບວຽກງານທີ່ກ່ຽວຂ້ອງກັບ sexism ໄດ້ຖືກແຈກຢາຍແບບສຸ່ມລະຫວ່າງຜູ້ຊາຍທີ່ຕົກລົງເຫັນດີສາມຄົນອາຍຸ 18-57 ປີແລະແມ່ຍິງທີ່ບໍ່ເຫັນດີນໍາອາຍຸ 29 ປີ, ຄໍາຕັດສິນຂອງຜູ້ຊາຍຊະນະ, ຍົກເວັ້ນໃນກໍລະນີທີ່ຫາຍາກທີ່ນັກຄົ້ນຄວ້າເອົາໃຈໃສ່ກັບຄຸນສົມບັດຂອງຜູ້ບັນຍາຍຂອງພວກເຂົາ.

ເຊັ່ນດຽວກັນ, ຖ້າຫາກວ່າຄໍາຖາມກ່ຽວກັບ ພຶດຕິກຳຂອງກຸ່ມຄົນໃນນະຄອນ Chicago ໄດ້ຖືກແຈກຢາຍລະຫວ່າງແມ່ຍິງໃນຊົນນະບົດຂອງສະຫະລັດອາຍຸ 36 ປີ, ຊາຍຊາວ Chicago ອາຍຸ 42 ປີ, ແລະສອງຜູ້ບັນຍາຍຕາມລໍາດັບຈາກ Bangalore ແລະ Denmark, ບຸກຄົນທີ່ອາດຈະໄດ້ຮັບຜົນກະທົບຫຼາຍທີ່ສຸດຈາກບັນຫາ (ຜູ້ຊາຍ Chicago) ພຽງແຕ່ຖືສ່ວນແບ່ງສ່ວນສີ່ຂອງຜົນໄດ້ຮັບ, ໃນ ການຕັ້ງຄ່າມາດຕະຖານ outsourcing.

ນັກຄົ້ນຄວ້າກ່າວວ່າ:

'[The] ແນວຄິດຂອງ “ຄວາມຈິງອັນໜຶ່ງ” ໃນການຕອບຮັບຈາກກຸ່ມຄົນເປັນນິທານ; ຄວາມບໍ່ເຫັນດີລະຫວ່າງຜູ້ບັນຍາຍ, ເຊິ່ງມັກຈະຖືກເບິ່ງເປັນລົບ, ຕົວຈິງແລ້ວສາມາດໃຫ້ສັນຍານທີ່ມີຄຸນຄ່າໄດ້. ອັນທີສອງ, ນັບຕັ້ງແຕ່ຫຼາຍກຸ່ມປະກອບຄໍາບັນຍາຍທີ່ມີແຫຼ່ງທີ່ມາຫຼາຍແມ່ນ skewed ທາງດ້ານປະຊາກອນທາງດ້ານສັງຄົມ, ມີຜົນສະທ້ອນທີ່ປະຊາກອນຖືກສະແດງຢູ່ໃນຊຸດຂໍ້ມູນເຊັ່ນດຽວກັນກັບປະຊາກອນທີ່ປະເຊີນກັບສິ່ງທ້າທາຍຂອງ [ຝູງຊົນ].

'ການບັນຊີສໍາລັບ skews ໃນຈໍານວນປະຊາກອນຂອງຕົວຊີ້ບອກແມ່ນສໍາຄັນສໍາລັບ contextualizing ຊຸດຂໍ້ມູນແລະການຮັບປະກັນການນໍາໃຊ້ທີ່ມີຄວາມຮັບຜິດຊອບ. ໃນສັ້ນ, ມີມູນຄ່າການຮັບຮູ້, ແລະການບັນຊີສໍາລັບພື້ນຖານວັດທະນະທໍາ - ສັງຄົມຂອງພະນັກງານ - ທັງຈາກທັດສະນະຂອງຄຸນນະພາບຂໍ້ມູນແລະຜົນກະທົບຕໍ່ສັງຄົມ.'

ບໍ່ມີຄວາມຄິດເຫັນ 'ເປັນກາງ' ກ່ຽວກັບຫົວຂໍ້ຮ້ອນ

ເຖິງແມ່ນວ່າຄວາມຄິດເຫັນຂອງສີ່ນັກຂຽນບໍ່ຖືກບິດເບືອນ, ທາງດ້ານປະຊາກອນຫຼືໂດຍຕົວຊີ້ວັດອື່ນໆ, ເອກະສານ Google ສະແດງຄວາມເປັນຫ່ວງວ່ານັກຄົ້ນຄວ້າບໍ່ໄດ້ຄິດໄລ່ປະສົບການຊີວິດຫຼືທັດສະນະທາງດ້ານປັດຊະຍາຂອງຜູ້ບັນຍາຍ:

'ໃນຂະນະທີ່ບາງວຽກງານມີແນວໂນ້ມທີ່ຈະຕັ້ງຄໍາຖາມທີ່ມີຈຸດປະສົງດ້ວຍຄໍາຕອບທີ່ຖືກຕ້ອງ (ມີໜ້າມະນຸດຢູ່ໃນຮູບບໍ?), ເລື້ອຍໆຊຸດຂໍ້ມູນມີຈຸດປະສົງເພື່ອເກັບກໍາຄໍາຕັດສິນຂອງວຽກງານທີ່ມີຫົວຂໍ້ຂ້ອນຂ້າງບໍ່ມີຄໍາຕອບທີ່ຖືກຕ້ອງທົ່ວໄປ (ຂໍ້ຄວາມນີ້ບໍ່ເໝາະສົມບໍ?). ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະຕັ້ງໃຈວ່າຈະອີງໃສ່ຄໍາຕັດສິນຂອງນັກບັນຍາຍ.'

ກ່ຽວກັບຄວາມທະເຍີທະຍານສະເພາະຂອງຕົນໃນການແກ້ໄຂບັນຫາໃນການຕິດສະຫຼາກຄໍາເວົ້າທີ່ກຽດຊັງ, ເຈ້ຍ Syracuse ສັງເກດເຫັນວ່າຄໍາຖາມປະເພດຫຼາຍເຊັ່ນ: ມີແມວຢູ່ໃນຮູບນີ້ບໍ? ມີຄວາມແຕກຕ່າງຈາກການຖາມຄົນງານຝູງຊົນວ່າ ຄຳສັບໃດນຶ່ງແມ່ນ 'ພິດ':

'ຄຳນຶງເຖິງຄວາມວຸ້ນວາຍຂອງຄວາມເປັນຈິງຂອງສັງຄົມ, ຄວາມຮັບຮູ້ຂອງຜູ້ຄົນກ່ຽວກັບຄວາມເປັນພິດແມ່ນແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ. ປ້າຍຊື່ຂອງເນື້ອໃນທີ່ເປັນພິດແມ່ນອີງໃສ່ຄວາມຮັບຮູ້ຂອງຕົນເອງ.'

ຄົ້ນພົບວ່າບຸກຄະລິກກະພາບແລະອາຍຸມີ 'ອິດທິພົນຢ່າງຫຼວງຫຼາຍ' ໃນການຕິດປ້າຍຂະຫນາດຂອງຄໍາເວົ້າທີ່ກຽດຊັງ, ນັກຄົ້ນຄວ້າ Syracuse ສະຫຼຸບວ່າ:

'ການຄົ້ນພົບເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນວ່າຄວາມພະຍາຍາມທີ່ຈະໄດ້ຮັບຄວາມສອດຄ່ອງຂອງຄໍາບັນຍາຍໃນບັນດາປ້າຍຊື່ທີ່ມີພື້ນຖານແລະບຸກຄະລິກກະພາບທີ່ແຕກຕ່າງກັນສໍາລັບຄໍາເວົ້າທີ່ກຽດຊັງອາດຈະບໍ່ປະສົບຜົນສໍາເລັດຢ່າງເຕັມທີ່.'

ຜູ້ພິພາກສາອາດມີຄວາມລຳອຽງຄືກັນ

ການຂາດຈຸດປະສົງນີ້ກໍ່ມີແນວໂນ້ມທີ່ຈະເພີ່ມຂຶ້ນອີກ, ອີງຕາມເອກະສານ Syracuse, ເຊິ່ງໂຕ້ຖຽງວ່າການແຊກແຊງຄູ່ມື (ຫຼືນະໂຍບາຍອັດຕະໂນມັດ, ການຕັດສິນໃຈໂດຍມະນຸດ) ເຊິ່ງກໍານົດ 'ຜູ້ຊະນະ' ຂອງການລົງຄະແນນສຽງເຫັນດີຄວນຈະຖືກກວດສອບ. .

ການປຽບທຽບຂະບວນການກັບກອງປະຊຸມປານກາງ, ຜູ້ຂຽນກ່າວ *:

'[A] ຜູ້ຄວບຄຸມຂອງຊຸມຊົນສາມາດຕັດສິນໃຈຈຸດຫມາຍປາຍທາງຂອງທັງສອງໂພດແລະຜູ້ໃຊ້ໃນຊຸມຊົນຂອງພວກເຂົາໂດຍການສົ່ງເສີມຫຼືເຊື່ອງຂໍ້ຄວາມ, ເຊັ່ນດຽວກັນກັບການໃຫ້ກຽດ, ອັບອາຍ, ຫຼືຫ້າມຜູ້ໃຊ້. ການຕັດສິນໃຈຂອງຜູ້ຄວບຄຸມມີອິດທິພົນຕໍ່ເນື້ອຫາທີ່ສົ່ງໃຫ້ ສະມາຊິກຊຸມຊົນ ແລະຜູ້ຊົມ ແລະໂດຍການຂະຫຍາຍຍັງມີອິດທິພົນຕໍ່ປະສົບການການສົນທະນາຂອງຊຸມຊົນ.

'ສົມມຸດວ່າຜູ້ຄວບຄຸມຂອງມະນຸດແມ່ນສະມາຊິກຊຸມຊົນທີ່ມີຄວາມສາມັກຄີທາງດ້ານປະຊາກອນກັບສະມາຊິກຊຸມຊົນອື່ນໆ, ມັນເບິ່ງຄືວ່າເປັນໄປໄດ້ວ່າຮູບແບບຈິດໃຈທີ່ພວກເຂົາໃຊ້ເພື່ອປະເມີນເນື້ອຫາຈະກົງກັບສະມາຊິກຊຸມຊົນອື່ນໆ.'

ນີ້ເຮັດໃຫ້ຂໍ້ຄຶດບາງຢ່າງວ່າເປັນຫຍັງນັກຄົ້ນຄວ້າ Syracuse ໄດ້ມາເຖິງການສະຫລຸບດັ່ງກ່າວ desponent ກ່ຽວກັບອະນາຄົດຂອງຄໍາບັນຍາຍ hate; ຄວາມຫມາຍແມ່ນວ່ານະໂຍບາຍແລະການຕັດສິນ - ຮຽກຮ້ອງຄວາມຄິດເຫັນຂອງກຸ່ມຄົນທີ່ບໍ່ເຫັນດີນໍາພຽງແຕ່ບໍ່ສາມາດຖືກນໍາໄປໃຊ້ແບບສຸ່ມຕາມຫຼັກການ 'ທີ່ຍອມຮັບໄດ້' ທີ່ບໍ່ໄດ້ຖືກບັນຈຸຢູ່ບ່ອນໃດກໍ່ຕາມ (ຫຼືບໍ່ສາມາດຫຼຸດຜ່ອນໄດ້ກັບ schema ທີ່ໃຊ້ໄດ້, ເຖິງແມ່ນວ່າມັນມີຢູ່).

ຄົນທີ່ເຮັດການຕັດສິນໃຈ (ຄົນງານຝູງຊົນ) ມີຄວາມລຳອຽງ, ແລະ ຈະບໍ່ມີປະໂຫຍດສຳລັບວຽກງານດັ່ງກ່າວ ຖ້າເຂົາເຈົ້າເປັນ ບໍ່ ລໍາອຽງ, ເນື່ອງຈາກວ່າວຽກງານແມ່ນເພື່ອສະຫນອງການຕັດສິນມູນຄ່າ; ປະຊາຊົນຜູ້ທີ່ຕັດສິນກ່ຽວກັບຂໍ້ຂັດແຍ່ງໃນຜົນໄດ້ຮັບຂອງຝູງຊົນຍັງເຮັດໃຫ້ການຕັດສິນມູນຄ່າໃນການກໍານົດນະໂຍບາຍສໍາລັບການຂັດແຍ້ງ.

ມັນອາດຈະມີຫຼາຍຮ້ອຍນະໂຍບາຍຢູ່ໃນກອບການກວດພົບຄໍາເວົ້າທີ່ກຽດຊັງ, ແລະເວັ້ນເສຍແຕ່ວ່າແຕ່ລະຄົນຖືກນໍາກັບຄືນໄປຫາສານສູງສຸດ, ຄວາມເຫັນດີເຫັນພ້ອມຂອງ "ຜູ້ມີອໍານາດ" ສາມາດມາຈາກໃສ?

ນັກຄົ້ນຄວ້າ Google ແນະນໍາວ່າ '[ການ] ຄວາມບໍ່ເຫັນດີລະຫວ່າງຜູ້ບັນຍາຍອາດຈະຝັງຄວາມແຕກຕ່າງກັນອັນມີຄ່າກ່ຽວກັບໜ້າວຽກ'. ເອກະສານສະເຫນີການນໍາໃຊ້ metadata ໃນຊຸດຂໍ້ມູນທີ່ສະທ້ອນໃຫ້ເຫັນແລະ contextualizes ການຂັດແຍ້ງ.

ຢ່າງໃດກໍ່ຕາມ, ມັນເປັນການຍາກທີ່ຈະເຫັນວ່າຊັ້ນຂໍ້ມູນສະເພາະໃນສະພາບການດັ່ງກ່າວສາມາດນໍາໄປສູ່ການວັດແທກທີ່ຄ້າຍຄື, ປັບຕົວເຂົ້າກັບຄວາມຕ້ອງການຂອງການທົດສອບມາດຕະຖານທີ່ຖືກກໍານົດ, ຫຼືການສະຫນັບສະຫນູນ. ໃດ ຜົນໄດ້ຮັບທີ່ແນ່ນອນ - ຍົກເວັ້ນໃນສະຖານະການທີ່ບໍ່ເປັນຈິງຂອງການຮັບຮອງເອົາກຸ່ມດຽວກັນຂອງນັກຄົ້ນຄວ້າໃນທົ່ວວຽກງານຕໍ່ໄປ.

ການສ້າງສະນຸກເກີ Annotator

ທັງຫມົດນີ້ສົມມຸດວ່າມີແມ້ແຕ່ງົບປະມານໃນໂຄງການຄົ້ນຄ້ວາສໍາລັບຫຼາຍຄໍາບັນຍາຍທີ່ຈະນໍາໄປສູ່ການລົງຄະແນນສຽງເປັນເອກະສັນ. ໃນຫຼາຍໆກໍລະນີ, ນັກຄົ້ນຄວ້າພະຍາຍາມ 'ແກ້ໄຂ' ການຈັດລຽງຂອງຄໍາບັນຍາຍທີ່ມາຈາກພາຍນອກລາຄາຖືກກວ່າໂດຍການລະບຸລັກສະນະທີ່ຄົນງານຄວນຈະມີ, ເຊັ່ນ: ສະຖານທີ່ຕັ້ງພູມສາດ, ເພດ, ຫຼືປັດໃຈວັດທະນະທໍາອື່ນໆ, ການຄ້າຫຼາຍສໍາລັບສະເພາະ.

ເອກະສານຂອງ Google ໂຕ້ແຍ້ງວ່າວິທີການກ້າວໄປຂ້າງຫນ້າຈາກສິ່ງທ້າທາຍເຫຼົ່ານີ້ອາດຈະເປັນໂດຍການສ້າງຕັ້ງກອບການສື່ສານທີ່ຂະຫຍາຍອອກກັບຜູ້ບັນຍາຍ, ຄ້າຍຄືກັບການສື່ສານຫນ້ອຍທີ່ແອັບຯ Uber ອໍານວຍຄວາມສະດວກລະຫວ່າງຄົນຂັບລົດແລະຜູ້ຂັບຂີ່.

ການພິຈາລະນາຢ່າງລະມັດລະວັງຂອງນັກຂຽນບັນທຶກດັ່ງກ່າວ, ຕາມທໍາມະຊາດ, ຈະເປັນອຸປະສັກຕໍ່ການອອກຄໍາບັນຍາຍແບບ hyperscale, ເຊິ່ງກໍ່ໃຫ້ເກີດຊຸດຂໍ້ມູນທີ່ມີຈໍານວນຈໍາກັດຫຼາຍແລະຕ່ໍາທີ່ມີເຫດຜົນທີ່ດີກວ່າສໍາລັບຜົນໄດ້ຮັບຂອງເຂົາເຈົ້າ, ຫຼືການປະເມີນ 'ດ່ວນ' ຂອງນັກຂຽນທີ່ກ່ຽວຂ້ອງ, ໄດ້ຮັບລາຍລະອຽດຈໍາກັດ. ກ່ຽວກັບພວກເຂົາ, ແລະລັກສະນະພວກມັນເປັນ 'ເຫມາະສໍາລັບວຽກງານ' ໂດຍອີງໃສ່ຂໍ້ມູນຫນ້ອຍເກີນໄປ.

ນັ້ນແມ່ນ, ຖ້າຜູ້ບັນຍາຍມີຄວາມຊື່ສັດ.

'People Pleasers' ໃນການໃສ່ປ້າຍກຳກັບຊຸດຂໍ້ມູນພາຍນອກ

ດ້ວຍກຳລັງແຮງງານທີ່ມີຢູ່ນັ້ນ ບໍ່ໄດ້ຈ່າຍ, ພາຍໃຕ້ ການແຂ່ງຂັນທີ່ຮຸນແຮງ ສໍາລັບການມອບຫມາຍທີ່ມີ, ແລະ depressed ໂດຍ ຄວາມສົດໃສດ້ານການເຮັດວຽກທີ່ບໍ່ພຽງພໍ, ຜູ້ບັນຍາຍຖືກກະຕຸ້ນໃຫ້ໃຫ້ຄໍາຕອບ 'ທີ່ຖືກຕ້ອງ' ຢ່າງໄວວາແລະກ້າວໄປສູ່ການມອບຫມາຍຂະຫນາດນ້ອຍຕໍ່ໄປ.

ຖ້າ 'ຄໍາຕອບທີ່ຖືກຕ້ອງ' ແມ່ນຫຍັງທີ່ສັບສົນກວ່າ ມີແມວ/ບໍ່ມີແມວ, ເອກະສານ Syracuse ໂຕ້ຖຽງວ່າພະນັກງານມີແນວໂນ້ມທີ່ຈະພະຍາຍາມ deduce ຄໍາຕອບ 'ຍອມຮັບໄດ້' ໂດຍອີງໃສ່ເນື້ອໃນແລະສະພາບການຂອງຄໍາຖາມ *:

'ທັງການຂະຫຍາຍຕົວຂອງແນວຄວາມຄິດທາງເລືອກແລະການນໍາໃຊ້ຢ່າງແຜ່ຫຼາຍຂອງວິທີການອະທິບາຍແບບງ່າຍໆແມ່ນເປັນການໂຕ້ຖຽງວ່າຂັດຂວາງຄວາມກ້າວຫນ້າຂອງການຄົ້ນຄວ້າກ່ຽວກັບຄໍາເວົ້າທີ່ກຽດຊັງອອນໄລນ໌. ຕົວຢ່າງ, Ross, et al. ພົບເຫັນ ການສະແດງຄໍານິຍາມຂອງ Twitter ກ່ຽວກັບການປະພຶດທີ່ກຽດຊັງຕໍ່ຜູ້ບັນຍາຍເຮັດໃຫ້ພວກເຂົາສອດຄ່ອງບາງສ່ວນຄວາມຄິດເຫັນຂອງຕົນເອງກັບຄໍານິຍາມ. ການປັບຕົວໃໝ່ນີ້ເຮັດໃຫ້ຄວາມໜ້າເຊື່ອຖືຂອງຕົວແປຂອງຄຳອະທິບາຍປະກອບທີ່ຕໍ່າຫຼາຍ.'

* ການປ່ຽນເອກະສານອ້າງອີງໃນແຖວຂອງຂ້ອຍເປັນ hyperlinks.

ຈັດພີມມາໃນວັນທີ 13 ທັນວາ 2021 – ອັບເດດ 18 ເດືອນທັນວາ 2021: ເພີ່ມແທັກ