อเมซอน เมคานิคัล ทُر์ก จ่ายเงินน้อยกว่า 40% ของค่าจ้างขั้นต่ำของสหรัฐฯ ตามการวิจัย

ผลการศึกษาของนักวิจัยในสหรัฐฯ และเม็กซิโกชี้ให้เห็นว่าผู้ทำงานส่วนใหญ่ในตลาด Amazon Mechanical Turk ซึ่งมี 75% ของผู้ใช้ อาศัยอยู่ในสหรัฐอเมริกา มีรายได้เพียง $2.83 ต่อชั่วโมงเท่านั้น ซึ่งเท่ากับประมาณ 39.5% ของค่าจ้างขั้นต่ำของรัฐบาลกลางที่ $7.25 ต่อชั่วโมง เนื่องจากผู้ทำงานระยะไกลใช้เวลาหนึ่งในสามของเวลาทำงานในการสแกนรายการคำขอทำงาน จัดการการชำระเงิน และปฏิบัติงานอื่นๆ ที่เรียกว่า ‘แรงงานที่มองไม่เห็น’

ผลการวิจัยนี้เกิดขึ้นหลัง รายงานล่าสุด จากมหาวิทยาลัยแมสซาชูเซตส์ แอมเฮิร์สต์ ซึ่งวิพากษ์วิจารณ์ระดับค่าจ้างและสวัสดิการที่ต่ำสำหรับผู้ทำงานใน Amazon Mechanical Turk และอธิบายโครงสร้างของ AMT ว่าเป็นโรงงานที่มีคุณภาพต่ำสำหรับนักวิจัยทางวิชาการที่ไม่ได้รับการสนับสนุน

Amazon Mechanical Turk (AMT) ซึ่งเปิดตัวในปี 2005 ให้บริการงาน Human Intelligence Tasks (HITs) แก่ผู้ทำงานส่วนใหญ่ ซึ่งมักถูกใช้โดยนักวิจัยด้านการเรียนรู้ของเครื่องจักรในบริบทของ ‘กลุ่มศึกษาแบบมีงบประมาณ’ สำหรับงาน เช่น การรู้จำภาพ การประเมิน Natural Language Processing (NLP) และงานอื่นๆ ที่ออกแบบมาเพื่อช่วยในการสร้างหรือทดสอบอัลกอริทึม (แม้ว่าบริการนี้จะถูกใช้ เพื่อสร้างสแปม ก็ตาม)

แรงงานที่มองไม่เห็นใน MTurk

การศึกษาใหม่ นี้ ซึ่งมีชื่อเรื่องว่า การวัดแรงงานที่มองไม่เห็นในงานส่วนใหญ่ ได้รับการดำเนินการโดยนักวิจัยจากมหาวิทยาลัย Northeastern ที่ Boston Microsoft Research และ Universidad Nacional Autonoma de Mexico (UNAM)

ขอบเขตของแรงงานที่มองไม่เห็นที่ผู้ทำงาน 100 คนปฏิบัติงานใน HIT มากกว่า 40,000 งานในช่วงหนึ่งสัปดาห์ Source: https://arxiv.org/pdf/2110.00169.pdf

เอกสารนี้อธิบายถึงขอบเขตของ ‘แรงงานที่มองไม่เห็น’ ซึ่งประกอบด้วย 33% ของเวลาทำงานของผู้ทำงานส่วนใหญ่ ตามที่พบในการศึกษาที่ดำเนินการสำหรับงานนี้ ส่วนใหญ่ของ ‘เวลาที่สูญเสีย’ คือเวลาที่ผู้ทำงานส่วนใหญ่ของ AMT ใช้ในการตรวจสอบรายละเอียดการชำระเงินเพื่อให้แน่ใจว่าได้รับการชำระเงินสำหรับงานที่ทำแล้ว รายงานระบุว่า ‘97% ของผู้ทำงานในงานของเราปฏิบัติงานที่มองไม่เห็นโดยการเยี่ยมชมส่วนของรายได้บนแดชบอร์ดของผู้ทำงาน (เพื่อให้แน่ใจว่าได้รับการชำระเงินอย่างยุติธรรม)’

การตรวจสอบ Turks

นักวิจัยได้พัฒนา Chrome extension ซึ่งพวกเขาทำให้ มีให้บน GitHub ตาม งานก่อนหน้านี้ ที่ศึกษาพฤติกรรมความสนใจของผู้ทำงานส่วนใหญ่ของ AMT แต่ไม่ได้กล่าวถึงการประเมินแรงงานที่มองไม่เห็น Extension นี้ถูกติดตั้งบนระบบของผู้ทำงานส่วนใหญ่ 100 คน ซึ่งร่วมกันทำงาน HIT มากกว่า 40,903 งานในช่วงหนึ่งสัปดาห์

งานหลักของ extension คือการประเมินเวลาที่ผู้ทำงานใช้ในการทำงาน HIT และเพื่อจุดประสงค์นี้ มันจะตรวจสอบสถานะของหน้า AMT ที่ผู้ทำงานกำลังใช้งานอยู่ โดยการขุดและวิเคราะห์ข้อมูล HTML ของหน้านั้น เพื่อทำความเข้าใจการโต้ตอบของผู้ทำงานกับหน้านั้น Extension นี้ยังมีกระบวนพื้นหลังที่ขับเคลื่อนด้วยเวลา ซึ่งบันทึกเหตุการณ์เบราว์เซอร์บนโดเมน MTurk และสถานะของแต่ละหน้า (เช่น แอคทีฟ อินแอคทีฟ ปิด)

ความล่าช้าและความล่าช้า

ระบบยังสามารถตรวจสอบ ‘เหตุการณ์ที่ล่าช้า’ และ ‘การเริ่มต้นใหม่’ เช่น เมื่อผู้ทำงานส่งงานกลับเข้าสู่กลุ่ม HIT เนื่องจากงานนั้นต่างจากที่คาดหวัง เวลาในการ ‘ทดสอบ’ HIT หรือการอ่านข้อมูลเกี่ยวกับ HIT เพื่อส่งข้อความไปยังผู้สร้าง HIT เพื่อทำความเข้าใจความต้องการของงาน และการอ่านคำแนะนำบนหน้า MTurk

ในหมวด ‘การชำระเงิน’ การวิจัยพบว่าผู้ทำงานส่วนใหญ่ของ AMT บ่อยครั้งจะตรวจสอบว่าได้รับการชำระเงินแล้วหรือยัง เนื่องจากงานที่เสร็จแล้วอาจถูกปฏิเสธหรือไม่ได้รับการชำระเงิน โดยไม่มีเหตุผลที่ผู้ทำงานจะ ไม่เคยรู้ การดูรายได้ซึ่งมีส่วนเฉพาะบนแดชบอร์ด MTurk และการทำงาน HIT ที่ ‘หมดเวลา’ – ซึ่งผู้ทำงานไม่สามารถทำงานให้เสร็จภายในเวลาที่กำหนดและไม่ได้รับการชำระเงินสำหรับงานที่ทำ (ซึ่งนักวิจัยรู้สึกว่าควรอยู่ใน ‘การชำระเงิน’)

สถานะของผู้ทำงาน Mechanical Turk

ผลการวิจัยยังชี้ให้เห็นว่าผู้ทำงานส่วนใหญ่ของ AMT อาจมีรายได้น้อยกว่าที่ประเมินไว้ – น้อย至 $1 ต่อชั่วโมง

ผู้เสนอความดีของ AMT แย้งว่าข้อข้องใจเกี่ยวกับการจ่ายเงินต่ำของผู้ทำงานส่วนใหญ่ของ AMT ถูกพูดเกินจริง หนึ่ง การศึกษา ในปี 2020 ซึ่งสำรวจผู้ทำงานส่วนใหญ่ของ MTurk ในสหรัฐอเมริกา พบว่า ‘สถานการณ์ทางการเงินของผู้ทำงานส่วนใหญ่ของ MTurk สะท้อนถึงประชากรทั่วไป’ และผู้ทำงานส่วนใหญ่ของ MTurk ‘จะไม่แลกเปลี่ยนความยืดหยุ่นของ MTurk สำหรับเงินน้อยกว่า $25 ต่อชั่วโมง’

สิ่งที่ถูกต้อง?

รายงานของ Pew ยังชี้ให้เห็นว่าผู้ทำงานส่วนใหญ่ของ AMT อาจเป็นคนกลุ่มเดียวกับที่ผู้วิจัยทางวิชาการต้องการใช้ในการศึกษา โดยมีผลกระทบต่อคุณภาพของโครงการ Machine Learning ที่พึ่งพาผู้ทำงานส่วนใหญ่ของ AMT

ผลการวิจัยระบุว่าผู้ทำงานส่วนใหญ่ของ AMT ‘ไม่สะท้อนถึงคนอเมริกันทั่วไป – หรือแม้แต่ผู้ทำงานทั่วไป’

ยังพบว่าการวิจัยจาก การศึกษา ในปี 2014 ที่ชี้ให้เห็นว่าผู้ทำงานส่วนใหญ่ของ AMT ถูกสัมผัสกับการทดลองและแบบสอบถามมากมาย ซึ่งอาจทำให้พวกเขา ‘มีความคุ้นเคยกับคำตอบหรือคำถามที่จะถูกถาม’ – โดยที่ผู้ทำงานส่วนใหญ่ของ AMT จะกลายเป็นผู้เชี่ยวชาญในการ ‘ให้ความพึงพอใจระบบ’ มากกว่าในการให้ข้อมูลที่แท้จริงและเป็นประโยชน์ทางวิชาการหรือทางคลินิก