众包平台在线工作者行为模型分析与研究

摘要

众包是一种通过互联网把工作分发给分布于全球的大量的在线工作者来完成的新型商业模式。众包在成本和人才方面具备优势，再加上现如今互联网已经得到了广泛的普及与飞速的发展，众包已经在政治、经济、生产和生活中得到广泛应用，但质量和进度控制是决定众包成败的关键。不同的任务设置会产生不同的完成质量和完成时间。
　　为了更好的设计众包任务，本文综合在线工作者特征和任务参数共同作用对于众包任务质量和进度的影响，选取亚马逊土耳其机器人为研究平台，对微工作-图像识别进行实验设计，应用SPSS、MATLAB等软件，将回归分析、方差分析等作为主要理论依据进行建模、分析。具体来说本文做了以下工作：首先在亚马逊土耳其机器人这个众包平台上发布一个任务：给在线工作者一段停车场的视频，让其记录汽车进出停车场的时间。对这一任务进行实验设计，设定自变量与因变量。其次，对于最初设定的所有自变量设计筛选实验，对自变量进行赋值后发布任务从而得到因变量的值，分析得到不同的参数设置对任务质量和完成时间有显著影响的因素。最后，对这些有显著性影响的因素重新设计全因子实验，对他们进行新的赋值，利用得到的数据考虑二阶的交互效应进行回归建模。对于得到的模型，由于因变量不止一个，因此是一个多目标优化问题，可以通过帕累托前沿来展现这个问题的最优解，具体通过MATLAB画图实现。
　　通过以上分析得到对在线工作者行为有显著影响的因素有：任务报酬、视频播放速度、在线工作者的国籍、任务有效时间、任务规定的完成时间。通过回归模型反映了这些有显著性影响的因素如何影响在线工作者的行为，即，给定任务设置参数，在线工作者以何种质量在多长时间内完成此任务。在线工作者行为模型的分析有助于理解众包平台的动态特性，为更加高效地利用众包平台奠定理论和实践基础。

目录

声明

引言

1 背景知识介绍

1.1 众包

1.2 方差分析

1.2.1 方差分析简介

1.2.2 方差分析基本假定

1.2.3 方差分析基本原理

1.3 回归分析

1.3.1 回归分析简介

1.3.2 回归系数的最小二乘估计

1.3.3 线性假设的显著性检验

1.3.4 回归系数的显著性检验

1.4 帕累托图

1.5 帕累托前沿

2 筛选实验

2.1 数据来源

2.2 选取变量

2.2.1 自变量的选取

2.2.2 因变量的选取

2.3 方差分析

3 半因素实验

3.1 自变量赋值

3.2 方差分析与回归分析

4 帕累托前沿

结论

参考文献

致谢