格格党

手机浏览器扫描二维码访问

数据达尔文主义（第1页）

数据达尔文主义

banner"

>

2013年3月，发生了Uber司机因其平均用户评级低于最低值而被平台开除后进行抗议的事件，该抗议在当时是很不寻常的。

该事件后，GigaOm（美国一个科技博客网站）的创始人欧姆·马利克（OmMalik）发布了一篇博客日志，其中他提出我们看到的也许是新型的劳资纠纷：“在工业时代，当工人觉得老板从他们身上不正当地获利时，就会发生劳资纠纷。

我想在网络时代，我们会看到劳资纠纷发生在当人们被毫不客气地从按需劳动力市场中被排除出来的时候。”

马利克的评论似乎有点开玩笑的意味，但它却奇妙地对未来几年会发生的事情有了预见。

更重要的是，他的日志中有一个更深刻的观点。

马利克预测了他称之为“数据达尔文主义”

的出现，而且暗示这在未来的数年内将是一个重要的社会和劳工问题。

那么数据达尔文主义究竟是什么？关键理念在于我们如何评估我们的供应者、分享经济的劳动力，以及这些数字化的评价如何影响劳动者获得工作的机会。

想想2013年被平台除名的Uber司机的例子，也许事实上，这些都是在Uber的点对点反馈系统中应该被淘汰的“坏苹果”

。

但是，如果这些司机只是被消费者所丑化了呢？如果这个司机只是这天工作心情不好，导致一些消费者对他的评价很差呢？如果某个社区的居民有组织地不喜欢某个特定种族的人，而这位司机碰巧在某天到了这个社区。

或者如果如同乔希·德兹扎（JoshDzieza）在他2015年的文章《评级的游戏》（TheRatingGame）中提到的，在线反馈系统使用范围的扩大只是使我们的客户变成了非常坏的老板。

马利克的文章中有一个很简单的观点：也许Uber的评级系统不应该太急于做出判断。

但更重要的一点是，现在的工作机会也影响一个未来的工作机会。

早期在Yelp上获得好评价的餐馆，往往会由于被认为更有价值而得到更多的认同，使他们（如果他们的确很好）获得一个更牢固的好名声。

如同哈佛商学院的教授迈克尔·卢卡曾表示，人们倾向于受到他们已经看到的评级的影响从而产生偏见，对评价高的餐馆进行高评价仅仅是因为它一开始就有了一个较高的分数。

而且，正如沃顿商学院的卡提克·霍桑纳格（KartikHosanaga）和丹尼尔·弗莱德（DanielFleder）展示的，自动推荐系统可以放大这种偏见，促使潜在的消费者选择此前已经有了较高分数的产品，在小范围内使其更加受欢迎。

这是基于用户反馈数据的评级系统的进化论的一面。

强者愈强，适者生存。

即使这些适用性评估可能太繁杂了。