卡梅伦教授进行了为期七年的深入定性研究（2016-2023），涵盖了160小时的参与观察、112次对线次半结构化访谈以及对媒体材料的深入分析。她以司机和乘客的双重身份亲身体验了网约车行业★★★，探索了各种驾驶策略★★，参加了安全驾驶和法律权利培训， 并记录了在不同城市的112次乘车经历。

　　简单投入指的是司机遵循算法提示来做出决策，比如进入高需求区域以最大化收入。例如★★★，波士顿的网约车司机乔治每次都会查看车流量热图， 策略性地选择客流最大的位置登录程序开始接单， 以获得高峰奖励。一些司机还会使用额外的软件或多部手机来预测需求趋势并优化行车路线。接受系统推送的所有订单也是简单投入的一种策略★★★，可以帮助司机高度专注，完成大量订单。

　　在数字经济浪潮中★★，新的就业形态应运而生。像优步（Uber）和Instacart这样的互联网平台不再依赖人类管理者，而是由复杂的算法驱动★★★，创造了新型的零工工作。尽管这些零工工作因工资低、工作时间不稳定和缺乏传统福利，常被贴上“差工作”的标签，但出人意料的是，许多人反而更青睐这些工作，而非传统职业。事实上，比起人类老板★★★， 高达三分之一的工人更倾向于被算法管理。这些工人往往能在零工中找到工作的意义和满足感★，积极努力地去达到甚至超越管理目标★★。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。

　　越来越多的人将零工工作发展成职业，这一趋势反映了社会对奋斗文化和创业精神的推崇★★。当人们有了优化零工工作效率的需求，相应的服务提供商也随之出现。一款名为Gridwise的应用程序利用实时数据为网约车司机提供最优的接客点★★，这实际上赋予了司机选择的自由★★，让他们不必完全依靠平台的分配接单。这些持续的选择不仅鼓励人们工作更长时间，投入更多努力，还提升了他们对工作的承诺★★★。零工工作消除了传统“坏老板★★★”的风险，提供了灵活的工作时间★，工人们为自己的技能感到自豪，他们对这份工作的热爱是真心诚意的。

　　相反★，背离策略虽然也增强了司机对自己能力的认可，却加剧了他们与算法管理系统的冲突。采用背离策略的司机以能够巧妙地避开系统为荣，这些司机视自己与算法的关系为对抗性的，专注于最大化个人收益，同时规避系统的制裁★★。

　　复杂背离涉及更为精细的方法来影响个人在算法系统中的评分★★。高客户评价和接单率会给司机带来更多收入。为了保持100%的接单率，华盛顿的史密斯会接受算法推送的但他无法完成的订单，然后通过不出现的方式迫使客户取消。有时，司机在机场排队时会通过切换手机的飞行模式制造司机数量不足的假象，从而推高价格。底特律的列昂通过这种方法获得了180美元的车费，远超平时的40美元。

　　尽管有不少司机在算法管理系统中找到了发挥主观能动性的空间，不过也有一部分人会因为工资低、与客户产生冲突、使用程序产生挫折感或工作的疲劳感等退出网约车行业。也有部分司机为了更好的工作机会或者承担家庭责任而回归传统工作。

　　尽管算法管理看似全面控制司机的一举一动★★， 实际上仍允许司机在算法限制内行使选择权★。卡梅伦的研究识别出两种应对算法管理的主要策略：投入策略与背离策略。这两种策略增强了司机的选择权和自由感，在算法控制与个人自主性之间创造了微妙的平衡。

　　为了获得更高的收益，一些司机会利用“地理欺骗”手段来破环系统的公正性。例如，两名司机会通过互换手机的方式，确保其中一个手机永远在机场排队★，以减少订单间的排队时间。另一些司机会利用高级软件，使得短途订单被算法当成长途订单来收费。虽然这些方法可以短期提高收入，但违反了平台规定，一旦被发现司机就会被警告或封禁账号。MI·新知

　　近年来，算法逐渐取代人类承担了一些管理职能。出人意料的是，算法管理不一定像人们所认为的那样只会创造★★“差工作”，并让工人困在算法里，反而让许多工人感到工作有趣且充满选择。这项对网约车行业为期七年的定性研究揭示了从业者如何在算法管理中游刃有余。他们采用两种策略：一是合理利用算法的★★★“投入策略”，二是巧妙操纵系统的★“背离策略”★★★。这两种策略都激励员工积极参与和发展技能，使这些★★“差工作”在面临挑战的同时更具吸引力。

　　采用背离策略的司机通过巧妙操纵算法管理系统，以谋求自身利益。背离策略也分为简单背离和复杂背离两种形式。

　　在网约车行业，复杂的算法管理系统已经取代了传统的人类管理★。这些系统包括了多种算法。例如，动态定价算法奖励司机在高峰时段工作，向他们推送高需求时段的信息，并提供每周奖金以鼓励司机完成行程配额；匹配和评估算法对不合规行为进行制裁，客户评分高者能获得奖励★，而低评分则会触发警告甚至封禁；工作指示算法为司机提供精准导航★★；遥测技术算法则通过监控驾驶行为★★★，确保服务的安全和高效。

　　过去的研究通常将零工平台描绘为“专制而暴虐★★★”的存在★★，将工人困在算法这个无形的牢笼中★。然而，这种观点忽视了工人在平台上可能拥有的主观能动性。与前人研究不同，宾夕法尼亚大学的卡梅伦（Lindsey Cameron）教授的研究引入了★“基于选择的自由”这一概念，即工人通过在算法管理系统中频繁做出小选择来获得自由感★。正是这种自由感★★★，使得这些看似★★“差工作”的零工在面临许多挑战的同时也可以展现出独特的吸引力。

　　投入策略指的是司机在算法管理系统内，利用应用程序提供的数据做出最优的战略决策★。投入策略可以分为简单投入和复杂投入两种形式。

　　虽然机器人全面取代人类的场景还只存在于科幻小说中★，但算法已经悄然在招聘、指挥和评估工人方面逐步取代了人类管理者。从卡车驾驶到仓库工作，再到零售和家庭护理，越来越多的岗位被算法所管理。尽管这些工作常常被贴上“差工作★”的标签★★★，工人们也能够在这些岗位中找到满足感。

　　复杂投入则涉及更细致的决策，利用算法提供的原始数据★★，但并不严格遵循算法提供的行为建议。有些司机会刻意避开高峰区域的拥堵，在同样时间内完成更多订单，获得更多收益★。另一些司机则会根据动态定价算法★，在价格比较低的区域把程序关闭★，以避免接到不盈利的订单★★。执行这一复杂投入策略需要司机仔细监控和批判性地评估算法提供的建议。

　　最后，随着平台和算法管理技术的不断发展，如何通过法规使平台对工人负起更多责任成为一个更大的挑战。厘清劳动合同固然重要，但卡梅伦的研究表明，赋予工人一定的选择权和自由度，提高他们的工作满意度， 使这些看似★★“差工作★★★”的零工变得更具吸引力也同样重要。法律学者和政策制定者必须持续关注这些新视角★★， 以确保这些平台承担更大的责任，为工人和客户带来福祉。

　　简单背离指的是司机避开匹配算法，主动筛选乘客★★★。例如，华盛顿的玛莎在碰到交通拥堵时★★★，通过关闭拼车订单，下线程序，再重新上线让乘客重新下单的方式，成功将拼车单变成独立单，既方便了乘客，也获得更多收益。洛杉矶的亚瑟只接受距离在五分钟内的订单★，省下时间和汽油，以确保每单都盈利★。底特律的列昂则根据乘客姓名、评分和位置等综合因素判断是否值得接单★★★，避免接到酗酒或带很多小孩的乘客★★★。

　　此外，她采访了63位司机★★，其中包括44名男性和19名女性。这些司机大多以开网约车为生， 平均从业时间为14个月★★，完成了1800次行程★★★，评分高达4.87/5.0★★★。访谈揭示了他们的驾驶策略、工作经验和问题解决方法★★★。这一多样化的数据集使卡梅伦能够采用扎根理论方法，识别重要概念并建立新的理论框架。

　　投入策略帮助司机最大化收入，使得他们觉得自己是有能力的专业人士★★。司机们常以能够★“聪明工作”并有效地利用算法系统为荣，这种掌控感减少了他们与算法管理系统的冲突。遵循系统提示的司机通常发现这些提示对他们有利，从而提高了工作满意度★★，促成了和谐的工作关系。