簡短回答： 作爲專業人員:在知情和可撤銷的情況下的同意、象客戶一樣謹慎地保護個人數據、以及公平、小時和穩定的薪酬——一個交付中心應該繼續運行的標準。 研究將更好的薪酬和穩定的工作與註釋準確性直接聯繫起來,而有文件記載的替代方法——每小時2美元左右的中位數雜工工資和不穩定的零工——則產生可降解數據集的週轉量。
核心重點
- 記錄的基線是嚴酷的:調查的擁擠工作中位數接近美元2小時,只有大約 4% 超過 US 最低工資,大約 18 每小時無報酬勞動的分鐘,以及 30+ 大型技術公司通過這些中介提供數據,一些公司被指控低薪和反組織做法。
- 對利用人羣工作者的機器學習論文進行系統審查後發現,沒有報告這些工人的薪酬。
- 真正的同意是研究級:知情和具體(新用途需要新的同意——語音識別不是語音克隆),作爲數據集來源記錄,並有事先說明的誠實限制可撤銷。
- 貢獻者隱私是指將身份與貢獻區分開來,只使用人口數據來報告其存在的平衡,將語音作爲生物鑑別等級,保護數據主體和貢獻者免受PII暴露.
- 公平報酬是對證據的質量決定:更好的薪資和穩定性可以衡量地提高準確性,營業額會注入錯誤,而每任務件費率是記錄的故障模式.
- 工資和調查數字是針對具體平臺和時期的;按上述資料來源的報告而不是作爲法律諮詢對待。
調查到底記錄了什麼?
大批、基本和大多是看不見的勞動力在任何其他供應鏈尷尬的條件下工作,而這一行業再也無法聲稱看不到的問責差距。
對主要人羣平臺的調查使平均收入介於美元之間1 和美元5.50 一小時,中間值約1美元2,而且只有關於 4% 工人的勞工 US 最低工資(美元)7.25工人每個有薪小時都花費大約 18 更多時間的無報酬勞動——尋找工作、資格、爭議拒絕——以及說明這種無形的工作下降進一步衡量了中位工資。 SOMO的,因爲 2026 至少追蹤到調查 30 最大的技術公司通過這些公司提供數據,其中幾家公司被指控支付低於最低工資、不公平解僱工人、阻撓集體組織、不提供社會保護,而鏈條上層的定價壓力則將條件設定爲以下條件。 工人通過肯尼亞的數據標籤協會、數據工人調查和Turkopticon等團體做出反應,組織布魯金斯記錄了這些團體的一些報復行爲。
研究界自己的記錄是:通過對使用人羣工作者的機器學習論文進行系統審查,發現沒有報告工人的薪水。 大部分文獻中,製造現代AI的底線真理的勞動力甚至不是一個線性項目——任何關於負責任的AI數據工作的說法都應以此爲基準進行測試.
- US 聯邦最低工資(參考線):美元7.25一小時
- 典型的被調查擁擠範圍:每小時1美元至5.50美元,中位數接近每小時2美元。
- 受調查工人中收入高於 US 最小值: 大約 4%.
- 每小時無報酬的工作,在不計無形勞動之前:大約18分鐘。
- 大型科技公司通過中介公司提供數據,按SOMO2026調查:30+.
- ML-研究論文審查了據報的擁擠工人補償:0。
真正的同意在數據工作上是什麼樣子的?
知情、具體、有記錄和可撤銷——堅持研究倫理標準,因爲數據工作是對人類貢獻的研究。
倫理學文獻對此有正確的理由:人類計算任務應符合人類主體行爲科學研究的相同標準,並立足於 貝爾蒙特原則 研究道德框架建立在尊重人、仁愛和正義的基礎上。 將尊重人轉化爲行動意味着得到真正知情的同意:在貢獻之前,一個人知道收集什麼(他們的聲音、判斷、人口細節)、將用來什麼、接受什麼、保存多長時間; 具體意味着新的用途需要新的同意——用於語音識別的錄音不因此被許可用於語音克隆。 記錄是指同意記錄與數據集一起旅行,作爲數據來源的一部分,這種做法值得借鑑。 多語種數據收集方案 復原是指一條可行的退出道路,它具有實際的限度——已經運出,仍然可以排除的——誠實地說,而不是後來發現。
同意還涵蓋工作本身,而不僅僅是數據,貢獻者在選擇加入之前被告知內容的性質,這對於涉及令人不安的材料的任務來說,具有重大意義,對敏感工作的同意是在支持下選擇的,而絕不是就業的條件。 貝爾蒙特框架的第三項原則,即正義,也指向了下兩節的同一位置:承擔工作的人應當公平分享工作的利益。
貢獻者的隱私如何得到保護?
貢獻者是數據主體,而不僅僅是數據生產者——他們的身份,人口和聲音應該與任何客戶數據集一樣得到同樣的保護紀律.
操作規則是分離:身份和核查記錄與工作產品分開,對客戶的船是貢獻和數據集的合法主張的元數據——年齡帶、區域、方言——永遠不記錄身份。 人口信息是在同意下收集的,用於報告其存在的平衡,並儘可能縮小其他任何地方;如CrowdWork Sheets這樣的框架之所以存在,恰恰是因爲誰對數據集作了註釋,並記錄了負責地意味着彙總和保障,而不是暴露。 生物鑑別數據 ——信息敏感到需要明確,具體使用的同意——在幾個法域,語音數據集具有最嚴格的層次:同意命名用途,未經重新同意不得重新使用,通過管道進行安全處理.
撰稿人處理他人數據的地方——PII內部文件,錄音和截圖,橫跨各地出現. 文檔和OCR註釋 工作——保護的雙向點:去識別工作流程保護數據中的主題,而訪問控制,清潔室環境和保密培訓則保護貢獻者不承擔他們從未選擇的風險. 數據工作中的隱私是三個受益者的學科之一:客戶端,數據主體和貢獻者.
公平報酬爲什麼是一項高質量的決定,它應如何組織?
因爲證據說正確支付是怎樣產生準確的數據——保留積累了僅書面準則無法提供的專門知識。
牛津因特網研究所的研究表明,指導更加明確,而且直接支付更好的費用,提高了說明的準確性; 行業分析文件,穩定的作用使貢獻者能夠建立具體技能複雜的準則,公平待遇削減了在更換時悄悄地注入錯誤的週轉,重新吸取每一邊案例; Fairwork的報告顯示了在實踐中適用的相同原則。8–$9 每小時,當地最低價接近美元3.69,在規定的8小時之內,因爲審查人員已經開始問。 QA 文獻爲同一分類賬增加了一個直線:在失敗的做法中,列出的是每個任務而不是每小時的付款。
該 交付中心模式 就業結構與片面評分的擁擠工作平臺不同,是這一證據的一個答案:貢獻者通過 40+ 跨省服務中心 30+ 同樣的核心標準應該不論地點如何,因爲因地域不同而不同的價值是一種政策,而不是一種價值,而這種價值是處理問題背後的邏輯。 徵聘和認證 作爲一種真正的培訓管道,而不是一種報名表,包括被招募參加 非裔數據方案。它也以最合理的方式自私自利: 56,000+ 供應商只能依靠註冊-貢獻者網絡,因爲人們留下來,而人們留下來是因爲工作值得留下來——同樣的理由貫穿於 在整個多個交付中心開展全球數據業務 和 路由敏感註釋工作 訓練有素的,經過審查的隊伍,而不是公開的人羣。
謹慎對待數字:工資調查說明具體的平臺和時期,調查結果由被引用的組織公佈,數字顯示,供應商關於其業務的報告(交付-中心計數、貢獻者計數)應貼上公司報告標籤,在供應商自己公佈的水平上。 覈實原始來源的數字,不將這些數字視爲法律諮詢。 人文即時註釋提供者 供應商應直接瞭解其參與情況,因爲這是衡量供應商實際能保持的質量的主要指標。