Worker Utility as Hysteresis: A Preisach Model of Transaction Acceptance in Gig Labour Markets
यह शोध पत्र एक प्रिसच हिस्टेरेसिस (Preisach hysteresis) मॉडल प्रस्तावित करता है, जिसे बाइनरी गिग ट्रांजेक्शन डेटा से गुप्त कार्यकर्ता उपयोगिता सतहों (latent worker utility surfaces) का अनुमान लगाने के लिए एक डुअल-आउटपुट न्यूरल नेटवर्क और XGBoost क्लासिफायर के माध्यम से संचालित किया गया है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण उन लेनदेन की सटीक पहचान करके, जहाँ विषम स्वीकृति थ्रेशोल्ड (heterogeneous acceptance thresholds) के सापेक्ष उनकी स्थिति के आधार पर मजदूरी को सुरक्षित रूप से कम किया जा सकता है या रणनीतिक रूप से बढ़ाया जा सकता है, कुल वेतन बिलों को 21.3% तक कम करने और फिल दरों (fill rates) को 9.7 प्रतिशत अंक तक बढ़ाने में एक साथ सक्षम है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
काम की दुनिया में, एक लंबे समय से चली आ रही धारणा है कि लोग एक एकल, निश्चित संख्या के आधार पर नौकरी करने का निर्णय लेते हैं: एक न्यूनतम वेतन जिसे वे स्वीकार नहीं करेंगे। यदि कोई प्रस्ताव उस रेखा से ऊपर है, तो वे हाँ कहते हैं; यदि यह नीचे है, तो वे ना कहते हैं। यह विचार पारंपरिक नौकरियों के लिए अच्छी तरह काम करता है जहाँ एक कार्यकर्ता सही अवसर के लिए हफ्तों प्रतीक्षा कर सकता है। लेकिन यह आधुनिक "गिग इकोनॉमी" (gig economy) में टूट जाता है, जहाँ लोग मिनटों के भीतर अल्पकालिक कार्यों को स्वीकार या अस्वीकार करते हैं। इन तेज़ गति वाले बाजारों में, एक कार्यकर्ता का निर्णय शायद ही कभी किसी एक संख्या के बारे में होता है। यह उनके इतिहास के बारे में होता है। एक कार्यकर्ता जिसने हाल ही में कई कम भुगतान वाले कार्य स्वीकार किए हैं, वह एक थोड़े उच्च प्रस्ताव को भी अस्वीकार कर सकता है जिसे वह एक महीने पहले स्वीकार कर लेता। इसके विपरीत, एक कार्यकर्ता जिसे हाल ही में उच्च भुगतान दिया गया है, वह एक मानक प्रस्ताव को अस्वीकार कर सकता था जो कल स्वीकार्य होता। उनकी काम करने की इच्छा इस बात पर निर्भर करती है कि वे कहाँ से आए हैं, न कि केवल इस पर कि वे अभी कहाँ हैं। यह घटना, जहाँ अतीत वर्तमान को इस तरह आकार देता है जो सरल परिवर्तन का विरोध करता है, 'हिस्टेरेसिस' (hysteresis) के रूप में जानी जाती है। श्रमिकों को कार्यों से जोड़ने वाले प्लेटफार्मों के लिए इसे समझना महत्वपूर्ण है, क्योंकि यदि वे श्रमिकों के साथ ऐसे व्यवहार करते हैं जैसे कि उनकी कीमतें निश्चित हों, तो वे भुगतान का गलत अनुमान लगाएंगे, उन शिफ्टों पर पैसा बर्बाद करेंगे जो कम में भी स्वीकार कर ली जातीं, या उन श्रमिकों को बहुत कम देकर शिफ्ट खो देंगे जिन्हें अब अधिक की अपेक्षा करने के लिए प्रशिक्षित किया जा चुका है।
शोधकर्ताओं की एक टीम ने मूल रूप से चुंबकों का अध्ययन करने के लिए डिज़ाइन किए गए एक मॉडल का उपयोग करके इन अदृश्य निर्णय लेने वाले पैटर्न को मैप करने का एक नया तरीका विकसित किया है। भौतिकी में, एक चुंबक केवल वर्तमान चुंबकीय क्षेत्र के प्रति प्रतिक्रिया नहीं देता है; वह याद रखता है कि उसे अतीत में कैसे चुंबकित किया गया था। इसका वर्णन करने के लिए, वैज्ञानिक 'प्राइस मॉडल' (Preisach model) नामक एक ढांचे का उपयोग करते हैं, जो एक सामग्री को छोटे स्विचों के संग्रह के रूप में कल्पना करता है, जिनमें से प्रत्येक की अपनी अनूठी "ऑन" और "ऑफ" सीमाएँ होती हैं। शोधकर्ताओं ने महसूस किया कि एक कार्यबल बिल्कुल उसी तरह व्यवहार करता है। प्रत्येक कार्यकर्ता दो सीमाओं वाले एक छोटे स्विच की तरह है: एक वह कीमत जो उन्हें कार्य स्वीकार करने के लिए पर्याप्त है, और एक निचली कीमत जिस पर वे अंततः हार मान लेंगे और अस्वीकार कर देंगे। इन दो बिंदुओं के बीच अनिश्चितता का एक क्षेत्र है जहाँ कार्यकर्ता का चुनाव पूरी तरह से इस पर निर्भर करता है कि पिछली बार उन्होंने क्या किया था। यदि उन्होंने पिछली बार स्वीकार किया था, तो वे तब तक "स्वीकार" मोड में रहते हैं जब तक कि कीमत उनके निचले स्तर से नीचे नहीं गिर जाती। यदि उन्होंने पिछली बार अस्वीकार किया था, तो वे तब तक "अस्वीकार" मोड में रहते हैं जब तक कि कीमत उनके उच्च स्तर से ऊपर नहीं बढ़ जाती। यह बाजार में एक अंतराल, या स्मृति (memory) पैदा करता है जिसे मानक आर्थिक मॉडल पूरी तरह से छोड़ देते हैं।
इस विचार का परीक्षण करने के लिए, शोधकर्ताओं ने पोलैंड में एक गिग प्लेटफॉर्म के लगभग 37,000 वास्तविक लेनदेन का विश्लेषण किया। उन्होंने हर एक कार्यकर्ता के विशिष्ट मूल्य सीमा का अनुमान लगाने की कोशिश नहीं की, जो उनके पास उपलब्ध डेटा के साथ असंभव था। इसके बजाय, उन्होंने बाजार की स्मृति के आकार को सीखने के लिए एक दो-चरणीय प्रणाली बनाई। सबसे पहले, उन्होंने दो अलग-अलग "यूटिलिटी सर्फेस" (utility surfaces) का अनुमान लगाने के लिए एक कंप्यूटर प्रोग्राम का उपयोग किया। एक सतह उन श्रमिकों की औसत संतुष्टि की भविष्यवाणी करती है जिन्होंने कार्य स्वीकार किया था, और दूसरी सतह उन लोगों की औसत संतुष्टि की भविष्यवाणी करती है जिन्होंने इसे अस्वीकार कर दिया था। इन दोनों सतहों की तुलना करके, सिस्टम इस दोनों के बीच के "अंतराल" (gap) की गणना कर सकता था। यह अंतराल उनके बीच के 'अनिश्चितता क्षेत्र' (indifference zone) के आकार का प्रतिनिधित्व करता है—उन कीमतों की सीमा जहाँ कार्यकर्ता का इतिहास, न कि वर्तमान प्रस्ताव, परिणाम तय करता है। शोधकर्ताओं ने फिर इस अंतराल को, इन अनुमानित सीमाओं के साथ वर्तमान मूल्य की तुलना के साथ, एक दूसरे कंप्यूटर प्रोग्राम में डाला जिसे यह भविष्यवाणी करने के लिए डिज़ाइन किया गया था कि क्या एक नया कार्य स्वीकार किया जाएगा।
परिणामों ने एक ऐसे बाजार का खुलासा किया जो पहले की तुलना में कहीं अधिक जटिल और उत्तरदायी है। मॉडल के निष्कर्ष इस भविष्यवाणी के अनुरूप हैं कि कीमतों में बदलाव श्रमिकों को सममित रूप से प्रभावित नहीं करता है: वेतन में गिरावट, वेतन में समान वृद्धि की तुलना में स्वीकृति दर को अधिक कम करती प्रतीत होती है। यह हिस्टेरेसिस का हस्ताक्षर है: एक बार जब श्रमिकों को कम भुगतान की अपेक्षा करने के लिए अनुकूलित कर दिया जाता है, तो उन्हें वापस जीतने के लिए बहुत बड़ी वृद्धि की आवश्यकता होती है जितनी उन्हें खोने में लगी थी। हालाँकि, चूंकि मूल्य डेटा किसी यादृच्छिक प्रयोग (randomized experiment) से उत्पन्न नहीं हुआ था, इसलिए यह पैटर्न निश्चित रूप से कारण बताने के बजाय केवल एक सुझाव मात्र है, क्योंकि ऑपरेटरों ने विशेष रूप से कठिन शिफ्टों पर कीमतें बढ़ाई थीं जिन्हें पहले ही अस्वीकार किया जा चुका था। अधिक आश्चर्यजनक रूप से, मॉडल ने एक आर्थिक रूप से विरोधाभासी परिणाम उत्पन्न किया: पूरे डेटासेट पर लागू करने पर, मॉडल की सिफारिशें श्रम की कुल लागत को कम करते हुए कार्यों के भरे जाने की संख्या को भी बढ़ाती हैं। शोधकर्ताओं ने पाया कि लगभग 74 प्रतिशत लेनदेन के लिए, वर्तमान वेतन पहले से ही इतना अधिक था कि कार्य को काफी कम भुगतान करने के बाद भी स्वीकार कर लिया जाता। इन कार्यों के लिए, प्लेटफॉर्म केवल अधिक भुगतान कर रहा था। वेतन को स्वीकृति सीमा से ठीक ऊपर रखने के लिए कम करके, प्लेटफॉर्म बिना एक भी कार्यकर्ता खोए उन विशिष्ट नौकरियों पर औसतन 31 प्रतिशत बचा सकता था।
शेष 26 प्रतिशत कार्यों के लिए, स्थिति इसके विपरीत थी। वर्तमान वेतन बहुत कम था कि श्रमिकों को आकर्षित कर सके, लेकिन इतना भी कम नहीं था कि कार्य असंभव हो जाए। ये वे नौकरियाँ थीं जो हिस्टेसिस लूप के "अस्वीकार" मोड में फंसी हुई थीं। इन विशिष्ट कार्यों के लिए, मॉडल ने मामूली वेतन वृद्धि की सिफारिश की, जिसमें औसत वृद्धि केवल 7 प्रतिशत थी। यह छोटा सा उछाल प्रस्ताव को उनके उच्च स्तर से ऊपर धकेलने के लिए पर्याप्त था, जिससे निर्णय अस्वीकृति से स्वीकृति में बदल गया और वे कार्य वापस मिल गए जो अन्यथा खाली रह जाते। अध्ययन ने दिखाया कि कार्यकर्ता निर्णयों की दो-सीमा संरचना को समझने के मामले में, एक प्लेटफॉर्म इन दो समूहों के साथ एक ही समय में अलग-अलग व्यवहार कर सकता है। यह वहां लागत काट सकता है जहां सुरक्षा मार्जिन है और वहां वेतन बढ़ा सकता है जहां बाधा है, जिससे कुल मजदूरी में 21.3 प्रतिशत की कमी और फिल रेट (भरने की दर) में लगभग 10 प्रतिशत अंकों की वृद्धि होती है।
शोधकर्ताओं ने यह भी खोजा कि बाजार एक एकल, समान भीड़ नहीं है। जब उन्होंने डेटा का दृश्य रूप में विश्लेषण किया, तो श्रमिकों के दो स्पष्ट समूह उभरे। एक समूह, जो मुख्य रूप से रिटेल और हॉस्पिटैलिटी शिफ्ट कर रहा था, का मूल्य स्तर कम और सघन था। दूसरा समूह, जो विशेष कार्यों को संभाल रहा था, का मूल्य स्तर बहुत अधिक और अपेक्षाओं का दायरा व्यापक था। एक मॉडल जो सभी श्रमिकों को एक जैसा मानता है, वह इन समूहों को मिलाकर देखेगा और किसी भी एक की विशिष्ट आवश्यकताओं को देखने में विफल रहेगा। नया दृष्टिकोण, कार्यकर्ता के ऐतिहासिक थ्रेशोल्ड और वर्तमान प्रस्ताव के बीच के संबंध को मैप करके, इस अंतर को स्पष्ट रूप से देखने की अनुमति देता है। इसने दिखाया कि कार्यकर्ता के व्यवहार की भविष्यवाणी करने की कुंजी कार्य की पूर्ण कीमत जानना नहीं है, बल्कि यह जानना है कि वह कीमत कार्यकर्ता के व्यक्तिगत इतिहास के सापेक्ष कहाँ स्थित है।
यह कार्य सुझाव देता है कि गिग इकोनॉमी के लिए पुराना "रिजर्वेशन वेज" (reservation wage) का विचार अपर्याप्त है। श्रमिकों के पास केवल एक न्यूनतम मूल्य नहीं होता; उनके पास एक स्मृति होती है। उनके निर्णय प्रस्तावों के एक पथ से आकार लेते हैं, जिससे जड़ता का एक क्षेत्र बनता है जहाँ वेतन में छोटे बदलावों का कोई प्रभाव नहीं पड़ता। अध्ययन यह प्रदर्शित करता है कि इस स्मृति को स्वीकार करके और स्वीकृति और अस्वीकृति सीमाओं के बीच के अंतर को मॉडल करके, प्लेटफॉर्म स्मार्ट और अधिक कुशल निर्णय ले सकते हैं। वे उन कार्यों के लिए अधिक भुगतान करना बंद कर सकते हैं जो पहले से ही आसानी से भरे जा रहे हैं और उन कार्यों के लिए कम भुगतान करना बंद कर सकते हैं जो बस पहुंच से बाहर हैं। निष्कर्षों ने श्रम बाजारों के बारे में सोचने का एक नया तरीका प्रदान किया है, जो मानव निर्णय लेने की जटिलता और हमारे आर्थिक विकल्पों को आकार देने में इतिहास की शक्ति का सम्मान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।