劉 蘋 張 一

一、引言

羊群效應(yīng)理論有助于我們更好地理解平臺勞動者“逆算法行為”的形成和演化?！澳嫠惴ㄐ袨椤笔侵钙脚_勞動者，即依托于數(shù)字平臺開展勞動的各類眾包從業(yè)人員(鄒開亮和王霞，2022[1])，為擺脫平臺算法規(guī)則對自己的不利影響所采取的一種主體性策略(劉善仕等，2022[2]；張媛媛，2022[3])，從而使算法更有利于增加自身利益的行為(李營輝，2022[4])。實踐中，平臺勞動者與數(shù)字平臺之間固有的以利益為核心的博弈導(dǎo)致了“逆算法行為”的出現(xiàn)，這不僅使得平臺算法運行機制處于部分或完全失靈的狀態(tài)(范如國，2021[5])，還將平臺勞動者置于了競相角逐、自我施壓的“內(nèi)卷競爭”中(Yan 等，2022[6])。從表象上看，“逆算法行為”是算法運行機制和平臺勞動者二者共同作用的結(jié)果(Lee，2018[7]；Kuhn和Maleki，2017[8]；張媛媛，2022[3])，但其本質(zhì)卻是平臺勞動者感知勞動收益與算法決策之間是否公平的主觀性評判(Kellogg 等，2020[9])?！澳嫠惴ㄐ袨椤毖芯康年P(guān)鍵是挖掘影響平臺勞動者主觀性評判的核心要素(李營輝，2022[4]；張媛媛，2022[3])。羊群效應(yīng)(Herd effect)理論認為，依據(jù)預(yù)期收益最大化原則進行的行為模仿是個體普遍遵循的決策邏輯(汪熠杰等，2022[10]；Zemsky，1998[11])，這就使得“逆算法行為”成為平臺勞動者感知到收益與公平不對等后的最佳邏輯結(jié)果(沈灝和辛姜，2023[12]；李營輝，2022[4])。截止目前，已有學(xué)者從算法邏輯(孫萍，2019[13])、算法權(quán)力規(guī)訓(xùn)(顧燁燁和莫少群，2022[14])、工作壓力與認知體驗(劉蘋，2023[15]；劉善仕等，2022[2])等多個角度對“逆算法行為”形成進行了有益的探討，但現(xiàn)有相關(guān)文獻中尚無關(guān)于探討“逆算法行為”形成及演化過程中羊群效應(yīng)方面的學(xué)術(shù)成果。

關(guān)于平臺勞動者“逆算法行為”形成及其演化機制中羊群效應(yīng)問題是值得學(xué)術(shù)界探討的一個重要課題。從現(xiàn)有相關(guān)研究成果可知，雖然平臺勞動者的主觀性評判是影響“逆算法行為”的關(guān)鍵因素，但“逆算法行為”的形成和演化還會受到情境因素的形塑作用，其中平臺懲罰力度和負外部效應(yīng)是影響“逆算法行為”的重要情境因素。社會學(xué)習(xí)理論(social learning theory)指出，除預(yù)期收益下的行為模仿外，無意識狀態(tài)下的群體感染會使得個體的行為決策隨情境因素的變化呈現(xiàn)出差異性(汪熠杰等，2022[10]；徐浩等，2019[16])。首先，不同程度的平臺懲罰力度在約束和規(guī)范勞動過程、勞動收益和勞動行為等方面存在差異性(鄒開亮和王霞，2022[1]；李營輝，2022[4])，從而對“逆算法行為”的影響也有所不同。其次，作為重要的情境因素，“逆算法行為”所造成的負外部性效應(yīng)會在平臺勞動者群體中不斷擴散和蔓延，誘發(fā)群體性的不良后果(Molleman和Gachter，2018[17]；Mesoudi，2011[18])，并對“逆算法行為”的出現(xiàn)產(chǎn)生顯著影響。因此，在探討平臺勞動者“逆算法行為”形成過程中羊群效應(yīng)的作用機制時，還需要考慮平臺懲罰力度與負外部性水平的影響。基于上述原因，本文根據(jù)社會學(xué)習(xí)理論，從勞動收益、平臺懲罰力度、負外部性水平三個維度構(gòu)建平臺勞動者“逆算法行為”形成及演化博弈模型，通過模型求解和數(shù)值仿真實驗，旨在揭示平臺勞動者“逆算法行為”形成過程中羊群效應(yīng)的作用。

二、文獻綜述與研究假設(shè)

(一)平臺勞動者勞動收益、羊群效應(yīng)與“逆算法行為”之間的關(guān)系

勞動收益，根據(jù)社會學(xué)習(xí)理論中關(guān)于人類決策行為動機的解讀(Molleman等，2014[19]；Mesoudi等，2011[18])，可以分為生理收益與心理收益兩種類型，該分類有助于解釋個體在有限信息的環(huán)境下為何會模仿他人的行為以實現(xiàn)自身收益最大化的目的(汪熠杰等，2022[10]；徐浩等，2019[16])。近年來，數(shù)字平臺追求“效率至上”的理念愈發(fā)明顯(Rosenblat和Stark，2016[20])，卻忽略了平臺勞動者的情感體驗(王蔚，2021[21]；Liu等，2022[22])。這種現(xiàn)象的出現(xiàn)不僅導(dǎo)致了平臺勞動者勞動自主性的高度壓縮和勞動強度的大幅度提升，還迫使平臺勞動者采取逃避、解碼和操作算法運行機制(Kellogg等，2020[9])以提高自身的生理與心理收益，使“逆算法行為”成為平臺勞動者的最佳選擇(張媛媛，2022[3])。

羊群效應(yīng)是指個體在不完備信息環(huán)境下對他人的行為進行復(fù)制、模仿和跟隨的現(xiàn)象(Banerjee等，1992[23])。根據(jù)羊群效應(yīng)理論，存在兩種機制會對個體的行為產(chǎn)生影響，一是預(yù)期收益下的行為模仿；二是無意識的群體感染(徐浩等，2019[16]；張媛媛，2022[3])。羊群效應(yīng)會影響平臺勞動者對待勞動收益的感知程度，進而推動“逆算法行為”的出現(xiàn)，原因在于：首先，平臺勞動者對生理收益提高的預(yù)期會促使他們刻意識別和利用算法漏洞，達到“省時省力”的效果(陳洋等，2020[24])；一旦該效果達成，平臺勞動者在預(yù)期收益的導(dǎo)向下會不斷重復(fù)這種行為，最終實現(xiàn)對數(shù)字勞動過程中“逆算法”化的改造(李營輝，2022[4])。其次，因心理收益增大所帶來的負面情感宣泄和工作壓力釋放，無疑會讓平臺勞動者意識到解碼和操作算法運行機制的行為能夠帶來更高的心理滿足感(汪熠杰等，2022[10]；Doorn， 2017[25])。從收益和公平角度看，沒有得到這種心理滿足感的平臺勞動者會在潛意識中認為這種行為是合理的，因為反抗算法的行為能夠顯著降低算法不公平?jīng)Q策對他們的負面影響(魏昕等，2024[26])；進一步地，在勞動實踐中，這部分平臺勞動者會有意或無意識地跟隨和模仿他人的行為，從而參與和推動“逆算法行為”?？傊?，勞動收益的提高在羊群效應(yīng)的作用下推動了“逆算法行為”的產(chǎn)生。據(jù)此，本研究提出假設(shè)1：

H1：羊群效應(yīng)在平臺勞動者勞動收益對“逆算法行為”的影響過程中存在正向影響。

(二)平臺懲罰力度、羊群效應(yīng)與“逆算法行為”之間的關(guān)系

平臺懲罰制度建立和實施的目標(biāo)在于規(guī)范平臺活動、降低運營成本和運行風(fēng)險，從而提升平臺運營效率(范如國，2021[5])。已有研究認為，懲罰制度的出現(xiàn)能夠有效防范機會主義、規(guī)范各種行為以維持利益聯(lián)盟的穩(wěn)定(劉蘋等，2022[27])；懲罰力度的缺失或者選擇性懲罰則會導(dǎo)致多方增益受損，最終引發(fā)價值共毀(劉建剛等，2023[28])。

在數(shù)字勞動中，數(shù)字平臺通過算法技術(shù)構(gòu)造了模糊卻又全面的規(guī)則體系，通過對違反算法規(guī)定的平臺勞動者采取罰款、封號或不派單等懲罰性措施，在一定程度上有利于讓平臺勞動者的行為符合既定的算法規(guī)則(Kellogg等，2020[9]；陳龍，2020[29]；范如國，2021[5])。然而，這種全景式的算法監(jiān)控卻嚴重影響了平臺勞動者的勞動體驗(王蔚，2021[21])。一方面，由于單筆勞動訂單的收益與平臺懲罰力度之間存在著嚴重的不對等性(Rosenblat和Stark，2016[20]；孫萍，2019[13])，平臺勞動者往往會傾向于采取各種行為來反抗算法(Cameron和Rahman，2022[30])。例如：在外賣行業(yè)，騎手會通過“掛單”“報備”等方式來延長配送時間(陳龍，2020[29])；網(wǎng)約車司機會通過安裝外掛軟件來過濾垃圾單，實現(xiàn)輔助搶單(Rosenblat和Stark，2016[20])；秀場主播則會通過各種“刷票群”來“制造數(shù)據(jù)”(顧燁燁和莫少群.2022[14])。另一方面，羊群效應(yīng)通過強化“法不責(zé)眾”理念在平臺勞動者中的心理預(yù)期(汪熠杰等，2022[10])，讓平臺勞動者覺得選擇“逆算法行為”的人越多，則自身遭受處罰的可能性會越小，這就使得部分平臺勞動者出現(xiàn)“不干吃虧”和“參與有利”的心態(tài)，從而實施“逆算法行為”以獲得積極收益。因此，基于懲罰制度所建立的算法規(guī)則體系，會通過羊群效應(yīng)進一步激發(fā)平臺勞動者的“逆算法行為”。據(jù)此，本研究提出假設(shè)2：

H2：羊群效應(yīng)在平臺懲罰力度對“逆算法行為”的影響過程中存在正向影響。

(三)負外部性水平、羊群效應(yīng)與“逆算法行為”之間的關(guān)系

現(xiàn)階段，無論是數(shù)字平臺還是平臺勞動者，他們所面臨的市場需求與市場環(huán)境都表現(xiàn)出持續(xù)多樣化且競爭日益加劇的趨勢，他們的行為動機都伴隨著明顯的機會主義傾向(荊文君等，2022[31])。負外部性(Negative externalities)，是指無法在價格中反映的由某一個體的行為對其他個體產(chǎn)生了負面影響、而后者卻無法獲得任何補償?shù)默F(xiàn)象(荊文君等，2022[31]；王輝和寧煒，2022[32])。在數(shù)字勞動中，數(shù)字平臺依托算法技術(shù)實時獲取平臺勞動者的行為數(shù)據(jù)(Griesbach等，2019[33])，并將其投入到機器學(xué)習(xí)中以不斷優(yōu)化平臺效率(Azevedo和Wey，2016[34]；Leicht-Deobald等，2019[35])。但是，由于機器學(xué)習(xí)結(jié)果具備不可預(yù)測性，一旦將由“逆算法行為”所生產(chǎn)的數(shù)據(jù)用于算法決策中，算法就會認為當(dāng)前的勞動生產(chǎn)率還存在可以優(yōu)化的空間(張恩典，2020[36])，進而不斷壓縮勞動時間、降低單位勞動價格，雖然提升了平臺的經(jīng)濟收益卻給平臺勞動者帶來負外部性效應(yīng)。更重要的是，在平臺網(wǎng)絡(luò)外部性結(jié)構(gòu)的作用下(范如國，2021[5])，這種負外部性效應(yīng)會通過群體感染和行為模仿在平臺勞動者群體中快速擴散和蔓延(荊文君等，2022[31]；范如國，2021[5])，進一步降低平臺勞動者的勞動收入、工作幸福感和工作體驗感，誘發(fā)他們采取措施來逃避或欺騙算法，并推動“逆算法行為”的出現(xiàn)。據(jù)此，本研究提出假設(shè)3：

H3：羊群效應(yīng)在負外部性水平對“逆算法行為”的影響過程中存在正向影響。

三、平臺勞動者“逆算法行為”的演化博弈模型構(gòu)建

目前，國內(nèi)文獻對于“逆算法行為”的研究基本停留在理論探討和歸納演繹分析的層面，對平臺勞動者“逆算法行為”的形成及演化機制中的羊群效應(yīng)并沒有進行深入的建模分析。為此，本文將同一平臺中從事勞動生產(chǎn)的平臺勞動者視為博弈主體，通過構(gòu)建演化博弈模型來分析平臺勞動者“逆算法行為”形成過程中羊群效應(yīng)的作用。

(一)參數(shù)設(shè)置

1.假設(shè)存在一個由多個平臺勞動者構(gòu)成的勞動群體I，A和B為群體I中任意兩個無差異的平臺勞動者，他們依托于某一個數(shù)字平臺從事勞動生產(chǎn)。平臺勞動者的行為方式遵循有限理性，當(dāng)“逆算法行為”出現(xiàn)時，他們會根據(jù)自身的實際情況選擇模仿(Imitation behavior，IB)或不模仿(Non-imitative behavior，NB)兩種策略。因此，本文將平臺勞動者A和B的行為策略集設(shè)置為{IB，NB}={模仿，不模仿}；x和y分別表示二者選擇行為IB的初始概率，1-x和1-y分別表示選擇行為NB的初始概率，且x、y∈[0，1]。

2.參考汪熠杰等(2022)[10]、陳洋等(2020)[24]的研究，假設(shè)平臺勞動者在選擇IB策略后，不僅可以獲得由“逆算法行為”所帶來“省時省力”的效果，還能夠獲得負面情感宣泄和緩解工作壓力所產(chǎn)生的心理滿足感。因此，本文用參數(shù)u和h分別表示平臺勞動者的生理收益與心理收益。

3.參考徐浩等(2019)[16]的研究，由于IB策略的選擇不僅意味著平臺勞動者需要投入一定的時間和精力來學(xué)習(xí)和模仿這種行為，還有可能遭受罰款、封號或不派單等懲罰。因此，本文將選擇IB策略帶來的固定成本和機會成本分別設(shè)置為c1和c2。

4.參考劉蘋等(2023)[37]和張恩典(2020)[36]的觀點，在平臺勞動者選擇IB策略后，算法會意識到勞動生產(chǎn)效率還存在提升的空間，從而使得平臺勞動者被迫采取橫穿馬路或者逆行等方式來提高工作效率。因此，本文將這部分由負外部性帶來的損失記為d。

5.參考汪熠杰等(2022)[10]的研究，由于IB策略的出現(xiàn)是對平臺算法運行機制的否定和破壞，在不完備的信息環(huán)境下，羊群效應(yīng)會強化“法不責(zé)眾”的理念在平臺勞動者中的心理預(yù)期。因此將數(shù)字平臺對采取IB策略的懲罰力度設(shè)置為pc2，其中p∈(0，1)，以體現(xiàn)“法不責(zé)眾”理念。

6.考慮到實際情況，如果平臺勞動者采取NB策略，那么對于任意平臺勞動者而言，他們只能獲得初始收益a。最后，為方便模型演算，上述參數(shù)統(tǒng)一設(shè)置為正數(shù)。結(jié)合參數(shù)設(shè)置與基本假設(shè)，可以推導(dǎo)出博弈支付矩陣，如表1所示。

表1 平臺勞動者A和B的博弈支付矩陣

(二)考慮“羊群效應(yīng)”的演化博弈模型構(gòu)建。

根據(jù)表1中的博弈支付結(jié)果，可以推導(dǎo)出平臺勞動者的復(fù)制動力方程如下：

(1)

(2)

(3)

(4)

根據(jù)羊群效應(yīng)理論，“逆算法行為”的產(chǎn)生存在兩條路徑，一是無意識下的群體感染，二是預(yù)期收益下的行為模仿(徐浩等，2019[16]；張媛媛，2022[3])。因此，假設(shè)H代表羊群效應(yīng)的大??；k表示羊群效應(yīng)的影響力度，取值范圍為k∈[0，1]。那么，對于平臺勞動者A而言，在策略集{IB，NB}中，其收益狀態(tài)可以調(diào)整為：

(5)

根據(jù)Skyrms(2005)[38]的觀點，群體中羊群效應(yīng)的大小會受平臺勞動者數(shù)量、選擇從眾行為的頻率等因素影響，因此，羊群效應(yīng)H可抽象為一種增函數(shù)。參考陳洋等(2020)[24]和汪熠杰(2022)[10]等的方法，本文用平臺勞動者B選擇NB行為的概率表示平臺勞動者A受到的羊群效應(yīng)H的大小。因此，在考慮羊群效應(yīng)后，平臺勞動者A的收益變?yōu)椋?/p>

(6)

進一步，平臺勞動者A的復(fù)制動力方程可以表示為：

(7)

同理，通過推導(dǎo)平臺勞動者B的復(fù)制動力方程，可以構(gòu)建羊群效應(yīng)下的復(fù)制動力系統(tǒng)為：

(8)

四、平臺勞動者“逆算法行為”的模型求解與穩(wěn)定性分析

(9)

表2 雅克比矩陣J的行列式(DetJ)與軌跡(trJ)

在表2中，當(dāng)且僅當(dāng)DetJ>0且trJ<0時復(fù)制動力系統(tǒng)才存在穩(wěn)定性(Lyapunov，1994[40])，由于pc20。這說明，E2(0，1)、E3(1，0)不可能成為系統(tǒng)的均衡穩(wěn)定點(ESS)，所以本研究僅針對E1(0，0)、E4(1，1)兩種情況進行討論(見表3)。

表3 均衡點的局部穩(wěn)定性

1.情況S1。

存在u-c1-c2-k/(1-k)。此時，復(fù)制動力系統(tǒng)(8)中所有的平臺勞動者都傾向于采取NB策略，即所有的平臺勞動者均不愿意加入“逆算法行為”實踐中。

2.情況S2。

存在u-c1-c2>k/(1-k)且pc2-c1-h-d-u<-k/(1-k)。此時，復(fù)制動力系統(tǒng)(8)中所有的平臺勞動者都傾向于采取IB策略，即所有的平臺勞動者都愿意加入“逆算法行為”實踐中。

3.情況S3。

存在u-c1-c2

圖1 情況S3狀態(tài)下的演化相位

五、平臺勞動者“逆算法行為”的數(shù)值仿真實驗

(一)不存在羊群效應(yīng)時平臺勞動者的行為演化分析

為更直觀地說明平臺勞動者“逆算法行為”形成過程中羊群效應(yīng)的作用，本部分將應(yīng)用數(shù)值算例進行仿真實驗。根據(jù)文獻假設(shè)與穩(wěn)定性分析的結(jié)果，本文將初始參數(shù)進行如下設(shè)定：令平臺勞動者的初始收益a=10；學(xué)習(xí)或掌握逆算法實踐的固定成本c1=5；平臺勞動者的心理效益h=10；生理效益u=20；負外部性帶來的損失d=5；平臺對逆算法的懲罰力度c2=50、p=0.096。

圖2展示了羊群效應(yīng)較弱狀態(tài)下的演化結(jié)果。由圖2可知，隨著演化時間的推進，單個平臺勞動者演化到E1(0，0)或E4(1，1)穩(wěn)定狀態(tài)的時間要滯后于勞動群體大約1至1.5個單位時間。除此之外，圖2(b)的演化結(jié)果還表明，當(dāng)平臺勞動者意識到“逆算法行為”能夠為自身帶來積極的生理效益u與心理效益h時，即便面臨高額的平臺懲罰c2與外部性損失d，平臺勞動者也會“鋌而走險”采取IB策略。這說明，平臺單方面采取罰款、封號或不派單等懲罰措施無法有效抑制平臺勞動者“逆算法行為”的出現(xiàn)，反而還存在激化勞資矛盾的風(fēng)險，這與理論分析的結(jié)果一致(劉善仕等，2022[2]；李營輝，2022[4])。

圖2 羊群效應(yīng)較弱時平臺勞動者的行為演化

(二)存在羊群效應(yīng)時平臺勞動者的行為演化分析

在其他參數(shù)保持S2的穩(wěn)定性水平時，通過提高羊群效應(yīng)的影響力度k，使得k=0.9。此時，參數(shù)結(jié)果滿足情況S3的約束條件，仿真結(jié)果如圖3所示。

圖3 羊群效應(yīng)較強時平臺勞動者的行為演化

圖3的演化結(jié)果表明，選擇IB策略與NB策略平臺勞動者的群體規(guī)模的臨界值為0.35。這說明，當(dāng)存在羊群效應(yīng)時，若選擇IB策略的群體規(guī)模大于0.65時，“逆算法行為”才會在勞動群體中快速擴散和蔓延，最終成為群體性行為；相反，而當(dāng)采取NB策略的群體規(guī)模小于0.35時，NB策略將會成為最終的穩(wěn)定結(jié)果。仿真結(jié)果說明，羊群效應(yīng)會對平臺勞動者“逆算法行為”的形成和演化產(chǎn)生重要影響。

(三)羊群效應(yīng)對平臺勞動者“逆算法行為”的影響

結(jié)合圖2和圖3的仿真結(jié)果可得，平臺勞動者“逆算法行為”的出現(xiàn)不僅取決于勞動收益、成本、負外部性水平等因素，還取決于羊群效應(yīng)的大小。因此，本部分將進一步明確羊群效應(yīng)在“逆算法行為”形成過程中的作用。由圖1可知，平臺勞動者選擇不模仿行為(0，0)的策略與四邊形面積S呈正相關(guān)，而選擇模仿行為(1，1)的策略與面積S呈負相關(guān)，因此根據(jù)鞍點E5(x*，y*)的坐標(biāo)，可以將面積S簡化為S=φ/ψ，其中φ=k-(u-c1-c2)(1-k)，ψ=(1-k)(h+c2-pc2+d)+2k，此時，φ>0，ψ>0。

1.平臺勞動者心理收益h與生理收益u對羊群行為的影響。

參數(shù)h與u分別代表了平臺勞動者采取“逆算法行為”時感知到的心理與生理效益。結(jié)合情況S3的約束條件可知，?S/?h=-(1-k)φ/ψ2<0且?S/?u=-(1-k)ψ/ψ2<0恒成立，所以面積S是關(guān)于h與u的減函數(shù)，即當(dāng)平臺勞動者采取IB策略時感知到的心理與生理收益越大，面積S會越小，從而勞動群體會越傾向于采取IB策略。在圖3的基礎(chǔ)上，保持其余參數(shù)的結(jié)果不變，分別提高h與u值至40，仿真結(jié)果如圖4所示。

圖4 心理與生理效益對“逆算法行為”的影響

圖4展示了平臺勞動者心理收益h與生理收益u的變化對系統(tǒng)的影響。對比圖3可知，當(dāng)平臺勞動者所感知到的心理收益h與生理收益u增大時，臨界值分別出現(xiàn)了0.1與0.2個單位的下降，同時生理收益的下降幅度比生理收益的下降幅度高出了0.1個單位。這表明平臺勞動者對待生理收益u的敏感度要顯著高于心理收益h的敏感度。同時，也說明“逆算法行為”的發(fā)生不僅能夠為平臺勞動者帶來省時省力等生理上的滿足，同時還能在平臺算法控制之下實現(xiàn)自身主體性回歸，進而獲得心理上的收益。因此，有證據(jù)表明H1得到支持。

2.平臺懲罰力度c2與“法不責(zé)眾”p對羊群行為的影響。

結(jié)合穩(wěn)定條件S3并對面積S關(guān)于c2和p分別求偏導(dǎo)數(shù)，可以得到?S/?c2=(1-k)[ψ-φ(1-p)]/ψ2>0與?S/?p=(1-k)c2φ/ψ2>0恒成立。這說明，隨著平臺懲罰力度c2與“法不責(zé)眾”p的增大，面積S會越大，平臺勞動者會傾向于采取NB策略。在圖3的基礎(chǔ)上，保持其余參數(shù)不變，分別提高c2與p值至c2=100，p=0.96，仿真結(jié)果如圖5所示。

圖5 懲罰力度對“逆算法行為”的影響

圖5展示了懲罰力度對“逆算法行為”的影響。在圖5(a)中，當(dāng)平臺懲罰力度c2大幅度提高以后，勞動群體中選擇IB策略的臨界值仍然保持在0.35的水平；反之，若平臺“法不責(zé)眾”的效用提高至p=0.96，演化狀態(tài)的臨界值變?yōu)?.25。圖5的仿真結(jié)果說明，相比較提高“法不責(zé)眾”p而言，單方面提高平臺懲罰力度c2不會有效抑制平臺勞動者“逆算法行為”的出現(xiàn)。這說明，在實際工作中，平臺勞動者對預(yù)期行為的抉擇會更多地取決于自己感受到的預(yù)期收益，具有“收益偏好，風(fēng)險厭惡”的傾向(張一，2020[41]；黃俊等，2015[42])。因此，沒有充分的證據(jù)能夠支持H2成立。

3.負外部性水平d對羊群行為的影響。

參數(shù)d代表了平臺數(shù)字勞動中，由“逆算法行為”所導(dǎo)致的負外部性的大小。根據(jù)?S/?d=-(1-k)φ/ψ2，結(jié)合情況S3可知，?S/?d<0恒成立。因此，隨著負外部效應(yīng)d增大，面積S會越小，平臺勞動者更有可能采取IB策略。

圖6展示了負外部性水平變化對“逆算法行為”的影響。在圖6(a)中展示了在其他參數(shù)維持圖3的水平的條件下，降低負外部性水平d到2.5的狀態(tài)，此時當(dāng)平臺勞動者采取IB策略群體規(guī)模達到0.75時，“逆算法行為”才會成為最終穩(wěn)定的狀態(tài)。相反，將負外部性水平d提升至15時，平臺勞動者“逆算法行為”出現(xiàn)的群體規(guī)模僅需達到0.35。這說明，負外部性水平與“逆算法行為”之間具有正向影響。換言之，負外部性水平越高，勞動群體中越容易出現(xiàn)“逆算法行為”。因此，H3得到支持。

圖6 負外部水平對“逆算法行為”的影響

六、研究結(jié)論與展望

(一)研究結(jié)論

本文基于羊群效應(yīng)理論，構(gòu)建了平臺勞動者“逆算法行為”形成與演化機制博弈模型，通過模型求解和數(shù)值仿真實驗，揭示了羊群效應(yīng)在平臺勞動者“逆算法行為”形成及演化過程中的作用，得出以下幾點研究結(jié)論。

第一，平臺勞動者勞動收益的提高能夠通過羊群效應(yīng)正向影響“逆算法行為”的出現(xiàn)。本研究發(fā)現(xiàn)：一方面，當(dāng)平臺勞動者感知到“逆算法行為”帶來的生理收益與心理收益處于更高水平之時，他們對采取“逆算法行為”策略具有更強的內(nèi)在動機；另一方面，由于勞動過程的不穩(wěn)定性和算法控制(張媛媛，2022[3]；羅峰，2021[43])，“逆算法行為”帶給平臺勞動者生理與心理收益的滿足感成為他們感知勞動收益與算法決策是否公平的最直接的、非正式的指標(biāo)。這樣，關(guān)于勞動收益影響平臺勞動者采取“逆算法行為”的研究假設(shè)得到了證實(H1)。該結(jié)論不僅拓展了社會學(xué)習(xí)理論的應(yīng)用邊界，還能夠為平臺在復(fù)雜適應(yīng)性生態(tài)網(wǎng)絡(luò)中(范如國，2021[5])優(yōu)化激勵機制提供理論指導(dǎo)。

第二，平臺懲罰力度的提高無法通過羊群效應(yīng)有效抑制平臺勞動者“逆算法行為”的出現(xiàn)。近年來，學(xué)者們大多將“逆算法行為”視為一種受算法規(guī)制的影響而產(chǎn)生的被動性行為(張媛媛，2022[3])，本研究則指出了“逆算法行為”還應(yīng)該包括平臺勞動者尋找和解碼算法運行機制的主動性行為，并且會通過群體感染和行為模仿兩種途徑在群體中不斷擴散和蔓延。在這種情況下，以收益最大化為導(dǎo)向的平臺勞動者往往更容易采取“逆算法行為”來攫取更多的利益。與此同時，盡管“逆算法行為”可能會遭受到嚴重的平臺懲罰，但受“法不責(zé)眾”和群體感染等從眾心理的影響，平臺勞動者會認為參與“逆算法行為”的人越多，其自身受到處罰的概率就越小。因此，單方面提高平臺懲罰力度不僅難以有效遏制“逆算法行為”的發(fā)生(見圖5)，反而還有可能加速平臺勞動者“逆算法行為”的出現(xiàn)(李營輝，2022[4])。這一研究結(jié)論揭示了平臺勞動者“逆算法行為”不斷傳播和演化的背后機理，還在“推動平臺經(jīng)濟規(guī)范健康持續(xù)發(fā)展”的大背景下(國家發(fā)改委，2021[44])，為如何有效治理平臺勞動者“逆算法行為”提供依據(jù)。

第三，負外部性水平的提高能夠通過羊群效應(yīng)有效推動平臺勞動者“逆算法行為”的出現(xiàn)。本文的仿真結(jié)果證實：作為影響平臺勞動者“逆算法行為”的重要因素，隨著負外部性水平的提高，平臺勞動者出現(xiàn)“逆算法行為”的臨界值會顯著降低。這意味著，以收益最大化為導(dǎo)向的平臺勞動者更容易采取“逆算法行為”來彌補損失?；谶@一仿真結(jié)果，本文得出了負外部性水平對平臺勞動者“逆算法行為”存在正向影響的研究結(jié)論，揭示了負外部性水平對“逆算法行為”的影響機制，為進一步討論負外部性水平與平臺勞動者“逆算法行為”之間的關(guān)系鋪平了道路。

(二)管理啟示

基于上述研究結(jié)論，本文可以得到如下管理啟示：

第一，平臺應(yīng)該杜絕“最強算法”考核理念，創(chuàng)新平臺勞動監(jiān)管與申訴機制。本研究表明，“逆算法行為”是平臺勞動者為擺脫算法規(guī)制對自己造成的不利影響所采取的一種主體性策略。在實踐中，平臺應(yīng)該以“算法取中”作為指導(dǎo)理念，在算法設(shè)計和優(yōu)化過程中強調(diào)社會效益，通過閾值設(shè)置、明確工作時長、適當(dāng)放寬配送時間等降低平臺勞動者的生理壓力。更重要的是，數(shù)字平臺應(yīng)該積極探索和完善“平臺勞動者申訴機制”，針對存在的“惡意差評”，平臺可以探索“評價黑名單制度”“評價禁言機制”以及“平臺勞動者反評互系統(tǒng)”，合理考評勞動過程與結(jié)果，并幫助平臺勞動者及時宣泄和釋放工作中出現(xiàn)的負面情緒。

第二，平臺應(yīng)該重視技術(shù)創(chuàng)新與算法優(yōu)化，強化算法治理的智能化和協(xié)同化。根據(jù)本文研究可知，平臺勞動者對算法決策的公平性與勞動收益的主觀性評判是引發(fā)“逆算法行為”的邏輯起點?；诖?，平臺應(yīng)該發(fā)揮算法治理的協(xié)同化理念，積極與政府等公共部門合作，探索通過平臺APP、互聯(lián)網(wǎng)等線上手段吸納平臺勞動者加入社會團體，通過群體幫扶、勞動援助等手段維護平臺勞動者的合法權(quán)益。同時，平臺應(yīng)該積極履行社會責(zé)任，發(fā)揮算法優(yōu)勢，參與政府為平臺勞動者提供專屬休息場所的城市基礎(chǔ)設(shè)施建設(shè)工作，如參照北京市 “小哥加油站”“司機之家”的建設(shè)模式，增強平臺勞動者的幸福感。

第三，平臺應(yīng)該加強算法技術(shù)的監(jiān)督與應(yīng)用，積極推動模式創(chuàng)新與業(yè)務(wù)升級。本文的研究表明，負外部性水平的提高會強化“逆算法行為”的發(fā)生?；诖?，數(shù)字平臺一方面可以依托算法創(chuàng)新來提升算法的透明性，防范算法模糊決策對平臺勞動者造成的技術(shù)圍獵，通過算法創(chuàng)新來有效監(jiān)督和治理因技術(shù)導(dǎo)致的負外部性問題；另一方面，在法律法規(guī)允許的范圍內(nèi)，數(shù)字平臺可以充分發(fā)揮技術(shù)、數(shù)據(jù)、渠道的獨特優(yōu)勢，通過創(chuàng)新業(yè)務(wù)眾包、探索“所有權(quán)與使用權(quán)分離”的數(shù)字資源共建共享模式，通過業(yè)務(wù)創(chuàng)新與模式升級來豐富平臺的盈利模式，從而防治算法決策給勞動者帶來的異化。

(三)研究局限與展望

本研究基于羊群效應(yīng)和社會學(xué)習(xí)理論，通過數(shù)值仿真實驗，一定程度上揭示了平臺勞動者“逆算法行為”的形成與演化機制，但仍然存在局限性。

其一，在研究數(shù)據(jù)的選擇上，本文通過構(gòu)建演化博弈模型分析了平臺勞動者收益、負外部性水平、懲罰力度等對“逆算法行為”的影響，但是研究數(shù)據(jù)僅能反映在約束條件之下各參數(shù)之間的相對大小，數(shù)據(jù)僅能代表理論值。因此，未來的研究可以聚焦于開發(fā)“逆算法行為”的測度量表，通過收集真實數(shù)據(jù)來豐富理論研究成果。

其二，在研究視角的選擇上，本文基于羊群效應(yīng)與社會學(xué)習(xí)理論構(gòu)建了平臺勞動者“逆算法行為”的博弈模型，但是該博弈模型本質(zhì)上是一個短期模型。從長期來看，各種隨機因素也可能對“逆算法行為”的形成及演化造成積極或消極的影響。因此，未來的研究可以將隨機過程納入博弈模型中，探討諸如勞動訂單的價格和數(shù)量變化、信息不對稱以及各種非理性因素的變化對平臺勞動者“逆算法行為”的影響，拓展相關(guān)研究結(jié)論。

其三，在研究對象的選擇上，在本研究中出現(xiàn)的平臺勞動者主要是以外賣騎手為代表、從事生活類眾包服務(wù)的勞動者。這類勞動者在勞動過程、勞動收益、工作環(huán)境、逆算法實踐等方面與內(nèi)容創(chuàng)作型(如：網(wǎng)絡(luò)主播、網(wǎng)絡(luò)作家等)的平臺勞動者之間存在很大的差異。因此，未來的研究可以關(guān)注內(nèi)容創(chuàng)作為代表的平臺勞動者，探討這類勞動者“逆算法行為”的形成與演化機制，以豐富和補充現(xiàn)有研究結(jié)論。