Elección dicotómica archivos - DirigeHoy PREMIUM https://dirigehoy.info/tag/eleccion-dicotomica/ Todo lo que un gerente tiene que saber Fri, 28 Mar 2025 15:47:59 +0000 es hourly 1 https://wordpress.org/?v=6.9.4 https://dirigehoy.info/wp-content/uploads/2022/02/cropped-identidad-32x32.png Elección dicotómica archivos - DirigeHoy PREMIUM https://dirigehoy.info/tag/eleccion-dicotomica/ 32 32 242473640 Investigación: Cómo las plataformas gig pueden mitigar el sesgo racial en las valoraciones https://dirigehoy.info/como-las-plataformas-gig-pueden-mitigar-el-sesgo-racial-en-las-valoraciones/ Thu, 27 Mar 2025 13:30:17 +0000 https://dirigehoy.info/?p=271179 Las plataformas gig dependen de las valoraciones de los clientes para evaluar el desempeño de los trabajadores.

La entrada Investigación: Cómo las plataformas gig pueden mitigar el sesgo racial en las valoraciones se publicó primero en DirigeHoy PREMIUM.

]]>

Investigación: Cómo las plataformas gig pueden mitigar el sesgo racial en las valoraciones

L

as plataformas de trabajo en línea como Fiverr, Handy, Uber y Upwork han crecido de manera significativa desde finales de la década de 1990, transformando radicalmente la economía y las prácticas de gestión utilizadas para respaldar el trabajo gig. Uno de los principales cambios introducidos por estas plataformas es su dependencia de las valoraciones de los clientes para evaluar el desempeño de los trabajadores.

Las implicaciones de este cambio son profundas. Las valoraciones de los clientes en estas plataformas no son solo comentarios sobre el desempeño; influyen directamente en las oportunidades de empleo, las asignaciones de trabajo y los ingresos de los trabajadores.

Por qué falla la escala de cinco estrellas y cómo ayuda la dicotomización

Si bien muchas personas creen que las evaluaciones son meritocráticas en teoría, y que son una medida justa del desempeño, se ha demostrado que los sesgos sutiles pueden influir en las evaluaciones, incluso sin conciencia de ello. La probabilidad de que estos sesgos sutiles influyan en las valoraciones puede aumentar cuando los clientes tienen una mayor libertad para hacer la evaluación (por ejemplo, al incluir más puntos en la escala que fomenten una mayor diferenciación).

Por ejemplo, un cliente con un sesgo inconsciente podría calificar a un trabajador racializado con cuatro estrellas en lugar de cinco, creyendo que aún le está dando una buena valoración; al fin y al cabo, es la mayoría de las estrellas disponibles. Sin embargo, cuando estos ligeros cambios a la baja no están relacionados con la calidad y se repiten en miles de transacciones, estos pequeños sesgos se acumulan, dando lugar a desigualdades cuantificables en los ingresos y las oportunidades de los trabajadores.

Los trabajadores enfrentan una creciente inseguridad reputacional, ya que las plataformas de trabajo en línea utilizan algoritmos opacos y valoraciones de los clientes para determinar sus oportunidades laborales. Incluso pequeños cambios en las valoraciones de los trabajadores pueden reducir drásticamente sus ingresos.

Proponemos que cambiar a una escala de valoración dicotómica (por ejemplo, pulgar arriba/pulgar abajo) podría reducir estos sesgos al simplificar la decisión a una elección dicotómica. En lugar de permitir evaluaciones matizadas (pero potencialmente sesgadas), una escala dicotómica anima a los evaluadores a centrarse en la pregunta esencial: ¿El desempeño fue bueno o malo?

Recomendamos las siguientes estrategias para las plataformas que buscan reducir los sesgos en procesos de evaluación similares.

Identifique las brechas.

Las plataformas deben auditar periódicamente sus sistemas de valoración para determinar si las evaluaciones varían sistemáticamente en función de las características que comúnmente no están relacionadas con la calidad del trabajo, como la identidad demográfica del trabajador.

Para detectar con mayor precisión los sesgos (y no las diferencias de calidad), las plataformas deben comparar las valoraciones de los trabajadores que realizan trabajos similares con una experiencia comparable. También pueden analizar de manera proactiva los comportamientos individuales de valoración de los clientes para identificar a aquellos que de forma sistemática califican a los trabajadores de forma diferente en función de sus características demográficas y no de su rendimiento.

Simplifique el proceso.

Adopte procesos de evaluación más simples que dirijan la atención de los calificadores a la evaluación central: ¿El desempeño fue bueno o malo?, en lugar de sistemas de valoración complejos que puedan introducir ambigüedad y sesgo.

Proporcione directrices de valoración más claras.

En un principio, los responsables de las plataformas podrían preocuparse de que pasar a una escala más simple de pulgar arriba/pulgar abajo implique sacrificar las valiosas distinciones que ofrece una escala multipunto. Una posible solución es que las plataformas consideren el uso de una serie de valoraciones dicotómicas en los criterios más importantes para capturar comentarios detallados de manera clara y efectiva.

Los procesos de evaluación efectivos deben ser precisos, justos y fáciles de entender. Nuestra investigación demuestra que, cuando se trata de crear procesos de evaluación más eficaces, a veces las soluciones simples son las más poderosas.

© 2025 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

Online labor market platforms like Fiverr, Handy, Uber and Upwork have grown significantly since the late 1990s, radically transforming the economy and the management practices used to support gig work. One major change introduced by these platforms is their reliance on customer ratings to assess worker performance.

The implications of this shift are profound. Customer ratings on these platforms are not just performance feedback; they directly influence workers’ job opportunities, work assignments and income.

WHY THE FIVE-STAR RATING SCALE FAILS AND HOW DICHOTOMIZATION HELPS

While people often believe that evaluations are meritocratic in theory and that they are fair measure of performance, it has been demonstrated that subtle biases can influence evaluations, even without conscious awareness. The likelihood that these subtle biases influence ratings may be compounded when customers have greater latitude to make the assessment (e.g., including more scale points that encourage greater differentiation). For example, a customer with unconscious bias might rate a worker of color with four stars instead of five, believing they are still giving a good evaluation; it is, after all, the majority of the available stars. However, when these slight rating downshifts are unrelated to quality and are repeated across thousands of transactions, these small biases accumulate, resulting in measurable inequalities in worker income and opportunities.

Workers face growing reputational insecurity as online labor market platforms use opaque algorithms and customer ratings to determine work opportunities. Even small changes in worker ratings can drastically reduce their earnings.

We proposed that switching to a dichotomous rating scale (e.g., thumbs up/thumbs down) could reduce these biases by simplifying the decision to a dichotomous choice. Instead of allowing for nuanced but potentially biased evaluations, a dichotomous scale encourages evaluators to focus on the essential question: Was the performance good or bad?

We recommend the following strategies for platforms seeking to reduce biases in similar evaluation processes.

CHECK FOR GAPS.

Platforms should regularly audit their rating systems to see if evaluations vary systematically based on characteristics commonly unrelated to the quality of work, like the demographic identity of the worker.

To most accurately detect bias and not quality differences, platforms should compare ratings for workers performing similar jobs with comparable experience. Platforms can also proactively analyze individual customer rating behaviors to identify customers who consistently rate workers differently based on worker demographics rather than performance.

KEEP IT SIMPLE.

Adopt simpler evaluation processes that direct raters’ attention to the core assessment — Was the performance good or bad? — rather than complex rating systems that may introduce ambiguity and bias.

PROVIDE CLEARER RATING GUIDELINES.

Platform leaders might initially worry that moving to a simpler thumbs up/thumbs down scale could sacrifice valuable distinctions provided by a multipoint scale. One potential solution is for platforms to consider using a series of dichotomous ratings across the most important criteria to clearly and effectively capture detailed feedback.

Effective evaluation processes must be accurate, fair and easy to understand. Our research demonstrates that when it comes to creating more effective evaluation processes, sometimes simple solutions are the most powerful.

La entrada Investigación: Cómo las plataformas gig pueden mitigar el sesgo racial en las valoraciones se publicó primero en DirigeHoy PREMIUM.

]]> 271179