Modalità di pagamento e qualità dei dati

sintetizza

Nella ricerca di studi critici sui dati, i risultati evidenziano che i pagamenti digitali sono un aspetto fondamentale del lavoro sui dati in outsourcing. I pagamenti digitali nel contesto della produzione di dati hanno ricevuto scarsa attenzione da parte della ricerca,
nonostante la loro importanza per la comprensione delle condizioni in cui vengono generati i dati per l’apprendimento automatico quando vengono esternalizzati. Precedenti ricerche sul lavoro dei dati hannostabilito un legame diretto tra la precarietà dei lavoratori e la qualità dei dati (…). L’erosione dell’autonomia dalle strutture di pagamento digitali non solo ha un impatto significativo sulla nostra comprensione
della precarizzazione del lavoro sui dati e sul modo in cui le aziende di IA beneficiano della riduzione dei costi di produzione, ma è anche correlata a problemi quali l’alienazione dei lavoratori e il declino della qualità dei dati (…). Questo calo di qualità, a sua volta, si
ripercuote sui modelli addestrati su tali dati. Pertanto, i pagamenti finanziari dovrebbero essere incorporati nelle future discussioni sulle pratiche etiche di produzione dei
dati e, più in generale, sullo sviluppo dell’IA. (J. Posada, “Deeply Embedded Wages: Navigating Digital Payments in Data Work”)


The Data-Production Dispositif

Il Dispositivo di Produzione dei Dati: Un’Analisi Critica – Sommario di YouTube Digest, non supervisionato

Introduzione

Il presente articolo si propone di esaminare il concetto di “Dispositivo di Produzione dei Dati ” attraverso un’analisi critica condotta da Milagros Miceli e Julian Posada. Questo studio si concentra sul lavoro di produzione dati esternalizzato per l’apprendimento automatico, definendo tale lavoro come l’insieme delle attività coinvolte nella raccolta, cura, classificazione, etichettatura e verifica dei dati.

Il Concetto di Dispositivo

Il termine “dispositivo”, coniato da Foucault, descrive un insieme di elementi che si influenzano reciprocamente per produrre conoscenza e potere attraverso il loro interplay. Ne derivano tre tipi di elementi:

  • Pratiche linguistiche eseguite, ossia ciò che viene detto, pensato e scritto.
  • Pratiche non linguistiche, ossia ciò che viene fatto e come viene fatto.
  • Materializzazioni del dispositivo, come artefatti o oggetti che supportano la sua missione.
Elementi Costitutivi del Dispositivo di Produzione dei Dati

L’analisi condotta rileva tre elementi chiave:

  1. I valori di verità predefiniti codificati nelle istruzioni di lavoro dei dati.
  2. Le pratiche lavorative e le posizioni sociali dei lavoratori.
  3. Materializzazioni come sistemi e interfacce utilizzati dai lavoratori per svolgere i compiti.
Implicazioni Sociali ed Economiche

L’analisi evidenzia come il dispositivo di produzione dei dati dia origine a una specifica tipologia di lavoratore, spesso proveniente da aree svantaggiate e sottoposto a condizioni di lavoro precarie. Questi lavoratori sono istruiti ad obbedire senza discutere, creando una dinamica di sfruttamento e alienazione.

Metodologia di Ricerca e Risultati

Lo studio si è concentrato su tre domande di ricerca:

  1. Quali sono i discorsi presenti nelle istruzioni dei compiti forniti ai lavoratori esternalizzati?
  2. Come interagiscono i lavoratori, i manager e i richiedenti tra loro e con i documenti di istruzione per produrre dati?
  3. Quali artefatti supportano l’osservanza delle istruzioni e quale tipo di lavoro svolgono?
Conclusioni e Riflessioni

L’articolo si conclude con un appello a considerare il lavoro dignitoso come requisito per la qualità dei dati, anziché come un costo per la loro produzione. La lotta contro il lavoro precario dovrebbe essere un requisito per i sistemi di intelligenza artificiale etici, poiché non può esservi intelligenza artificiale etica senza rispetto dei diritti del lavoro.

Considerazioni Finali

Invece di tenere i lavoratori al di fuori del processo produttivo e sorvegliarli costantemente per controllarli, le loro opinioni e feedback possono permettere ai richiedenti di migliorare i loro progetti e individuare errori molto più rapidamente.

Grazie per l’attenzione e siamo disponibili a rispondere a eventuali commenti su questo progetto. Grazie!