Evaluating Collaborative and Autonomous Agents in Data-Stream-Supported Coordination of Mobile Crowdsourcing

要約

モバイル クラウドソーシングとは、タスクを完了するためにオンデマンドの労働力のクラウドワーカーが必然的に物理的に移動する必要があるシステムを指します。
証拠によれば、このようなシステムでは、タスクがクラウドワーカーに割り当てられることが多く、クラウドワーカーはそれらのタスクを正常に完了するのに苦労しており、その結果、失敗率が高く、サービス品質が低くなります。
より高いサービス品質を確保するための有望な解決策は、割り当てを継続的に調整し、異なるルートや車両を使用するより適切な作業者にタスクを転送することで、障害の原因となるイベントに対応することです。
ただし、モバイル クラウドソーシングでタスクの転送を実装することは、従業員が自律的であり、転送リクエストを拒否する可能性があるため、困難です。
さらに、タスクの結果は不確実であり、予測する必要があります。
この論文では、モバイルクラウドソーシングにおける成果予測とタスク調整を実現するためのさまざまなメカニズムを提案します。
まず、タスクの結果を予測するためのさまざまなデータ ストリーム学習アプローチを分析します。
次に、提案された予測モデルに基づいて、自律性の異なるタスク調整のための 2 つの異なるアプローチを提案および評価します。1 つは協調的だが非自律的なワーカーによるクラウドシッピングの日和見的なアプローチ、もう 1 つはクラウドセンシングのための自律的なワーカーによる市場ベースのモデルです。
。

要約(オリジナル)

Mobile crowdsourcing refers to systems where the completion of tasks necessarily requires physical movement of crowdworkers in an on-demand workforce. Evidence suggests that in such systems, tasks often get assigned to crowdworkers who struggle to complete those tasks successfully, resulting in high failure rates and low service quality. A promising solution to ensure higher quality of service is to continuously adapt the assignment and respond to failure-causing events by transferring tasks to better-suited workers who use different routes or vehicles. However, implementing task transfers in mobile crowdsourcing is difficult because workers are autonomous and may reject transfer requests. Moreover, task outcomes are uncertain and need to be predicted. In this paper, we propose different mechanisms to achieve outcome prediction and task coordination in mobile crowdsourcing. First, we analyze different data stream learning approaches for the prediction of task outcomes. Second, based on the suggested prediction model, we propose and evaluate two different approaches for task coordination with different degrees of autonomy: an opportunistic approach for crowdshipping with collaborative, but non-autonomous workers, and a market-based model with autonomous workers for crowdsensing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google