Tổng quan về luận án

Luận án này tiên phong khám phá sự tương tác phức tạp giữa quản trị thuật toán (algorithmic governance) và động lực lao động bấp bênh (precarious labor dynamics) trong nền kinh tế gig, đặc biệt tập trung vào khả năng tự chủ (worker agency) và các lỗ hổng kinh tế-xã hội của người lao động trên nền tảng số. Bối cảnh khoa học hiện nay chứng kiến sự bùng nổ của các nền tảng kỹ thuật số, nơi các thuật toán ngày càng điều tiết quy trình làm việc, định giá, và thậm chí cả phúc lợi của người lao động. Tính tiên phong của nghiên cứu nằm ở việc vượt qua các phân tích đơn lẻ về chính sách hay trải nghiệm người lao động, thay vào đó, kiến tạo một khung lý thuyết mới để thấu hiểu cách các cấu trúc trung gian (meso-level) của thuật toán và thể chế định hình khả năng tự chủ của người lao động.

Research gap cụ thể được xác định là sự thiếu vắng một nghiên cứu so sánh sâu rộng, đa quốc gia, tích hợp phê phán chủ nghĩa hiện thực (critical realist epistemology) để bóc tách các cơ chế cấu trúc sâu xa ẩn dưới sự bấp bênh có thể quan sát được trong các bối cảnh quốc gia đa dạng. Trong khi các nghiên cứu trước đây đã phân tích sự tăng trưởng của nền kinh tế gig (Katz & Krueger, 2019) và bản chất của lao động bấp bênh (Standing, 2011), chúng thường không giải quyết được sự tương tác hiệp đồng giữa các cơ chế quản trị thuật toán cụ thể (ví dụ: thuật toán lên lịch, hệ thống danh tiếng) và trải nghiệm sống của người lao động trên nền tảng, đặc biệt là cách họ thương lượng sự tự chủ trong các mối quan hệ lao động được thuật toán hóa trên các môi trường pháp lý khác nhau. Sự phân mảnh này bỏ qua các liên kết quan trọng giữa cấu trúc siêu cấp (macro-structural forces) và các biểu hiện vi cấp (micro-level manifestations) của sự bấp bênh.

Nghiên cứu được định hướng bởi các câu hỏi và giả thuyết sau:

  1. RQ1: Các cơ chế quản trị thuật toán cụ thể nào ảnh hưởng đến khả năng tự chủ của người lao động trên nền tảng trong các bối cảnh quốc gia khác nhau (Đức, Ấn Độ, Brazil)?
  2. RQ2: Làm thế nào người lao động trên nền tảng xây dựng và thương lượng "thói quen thuật toán" (algorithmic habitus) của họ để phản ứng với sự kiểm soát và sự bấp bênh của thuật toán?
  3. RQ3: Mối quan hệ giữa sự kiểm soát của thuật toán, khả năng tự chủ của người lao động và các lỗ hổng kinh tế-xã hội như thế nào?
  4. RQ4: Các yếu tố thể chế và quy định quốc gia điều hòa tác động của quản trị thuật toán đối với khả năng tự chủ và sự bấp bênh của người lao động ra sao?
  • H1: Sự gia tăng mức độ kiểm soát thuật toán sẽ dẫn đến sự suy giảm đáng kể trong nhận thức về khả năng tự chủ của người lao động.
  • H2: Các bối cảnh pháp lý và văn hóa quốc gia sẽ điều hòa mối quan hệ giữa quản trị thuật toán và các hình thức biểu hiện của khả năng tự chủ và phản kháng của người lao động.
  • H3: Khả năng tự chủ của người lao động cao hơn (ngay cả trong khuôn khổ thuật toán) sẽ tương quan với các kết quả kinh tế-xã hội tích cực hơn.

Khung lý thuyết của luận án được xây dựng dựa trên sự tổng hợp của Thuyết Cấu trúc (Structuration Theory) của Giddens (1984) và khái niệm "Thói quen" (Habitus) của Bourdieu (1977), kết hợp với những hiểu biết sâu sắc từ Thuyết Quản lý Thuật toán (Algorithmic Management Theory) của Kellogg et al. (2020) và các lý thuyết về Lao động Kỹ thuật số (Digital Labor) của Srnicek (2017). Khung "Mối quan hệ bấp bênh thuật toán" (Algorithmic Precarity Nexus) đề xuất rằng quản trị thuật toán hoạt động như một trung gian năng động giữa các lực lượng cấu trúc vĩ mô (ví dụ: chủ nghĩa tư bản nền tảng, bãi bỏ quy định thị trường lao động) và khả năng tự chủ cấp vi mô của người lao động, định hình các hình thức mới của "khả năng tính toán phi tuyến" (disembedded calculability) và "thói quen thuật toán" (algorithmic habitus).

Luận án đưa ra các đóng góp đột phá với tác động có thể định lượng được. Một trong số đó là việc định lượng tác động của các "lời nhắc" thuật toán đối với khả năng tự chủ của người lao động, chỉ ra rằng các tính năng quản trị thuật toán cụ thể (ví dụ: phản hồi hiệu suất theo thời gian thực) có thể dẫn đến sự sụt giảm 0.7 độ lệch chuẩn trong khả năng tự chủ được nhận thức (p < .001). Một đóng góp khác là việc phát triển một kiểu phân loại đa quốc gia về "thói quen thuật toán," vượt ra ngoài một cái nhìn đơn nhất về sự bấp bênh. Phạm vi nghiên cứu bao gồm một mẫu khảo sát định lượng gồm 1500 người lao động trên nền tảng (500 người mỗi quốc gia) và 100 cuộc phỏng vấn chuyên sâu định tính, được tiến hành trong khoảng thời gian 24 tháng (từ tháng 1 năm 2021 đến tháng 1 năm 2023). Luận án này có ý nghĩa quan trọng trong việc thông báo cho các cuộc tranh luận học thuật về tương lai của lao động, các cuộc thảo luận chính sách về quy định nền tảng kỹ thuật số, và các chiến lược của người lao động để đối phó với sự kiểm soát của thuật toán.

Literature Review và Positioning

Tổng quan tài liệu cho thấy một bức tranh đa chiều về nền kinh tế gig và lao động bấp bênh. Các dòng nghiên cứu chính có thể được tổng hợp thành ba mảng lớn: (1) Nghiên cứu về sự phát triển của nền kinh tế gig và tác động kinh tế-xã hội của nó (ví dụ: Katz & Krueger, 2019; Ravenelle, 2019), thường tập trung vào sự tăng trưởng, đặc điểm nhân khẩu học của người lao động và tính chất bấp bênh của công việc; (2) Nghiên cứu về quản lý thuật toán và cấu trúc quyền lực trong nền tảng (ví dụ: Kellogg et al., 2020; Aloisi, 2020), phân tích cách thuật toán kiểm soát, phối hợp và giám sát người lao động; và (3) Nghiên cứu về khả năng tự chủ, kháng cự và tổ chức tập thể của người lao động (ví dụ: Vallas & Schor, 2020; Wood et al., 2019).

Tuy nhiên, có những mâu thuẫn và tranh luận đáng kể trong tài liệu. Một mặt, một số học giả lập luận rằng nền kinh tế gig cung cấp sự linh hoạt và cơ hội cho người lao động (ví dụ: Friederici et al., 2017), cho phép họ tự chủ hơn về thời gian làm việc và lựa chọn công việc. Một quan điểm khác, được ủng hộ bởi Standing (2011) và Srnicek (2017), nhấn mạnh rằng nền kinh tế gig chủ yếu tạo ra một "giai cấp bấp bênh" mới, nơi sự tự chủ chỉ là ảo ảnh và người lao động bị bóc lột một cách tinh vi bởi các thuật toán và cấu trúc nền tảng. Các cuộc tranh luận này xoay quanh bản chất thực sự của sự tự chủ trong lao động kỹ thuật số và liệu nền kinh tế gig có đại diện cho một hình thức lao động hoàn toàn mới hay chỉ là sự tái cấu trúc của các mô hình lao động bấp bênh truyền thống.

Luận án này định vị mình trong tài liệu bằng cách giải quyết một lỗ hổng cụ thể: sự thiếu vắng một khung lý thuyết thống nhất và bằng chứng thực nghiệm so sánh đa quốc gia về cách thức các cơ chế quản trị thuật toán tương tác một cách động học với các yếu tố thể chế quốc gia để định hình khả năng tự chủ của người lao động và các biểu hiện của sự bấp bênh. Trong khi Wood et al. (2019) đã nghiên cứu kiểm soát thuật toán và sức kháng cự của người lao động ở Vương quốc Anh, và Ravenelle (2019) đã khám phá trải nghiệm của người lái xe Uber ở Hoa Kỳ, thì vẫn còn một khoảng trống trong việc giải thích cách các khuôn khổ quy định, bối cảnh văn hóa và các chiến lược thuật toán khác nhau giữa các quốc gia có thể tạo ra các kết quả khác nhau cho khả năng tự chủ của người lao động.

Nghiên cứu này thúc đẩy lĩnh vực bằng cách phát triển khung "Mối quan hệ bấp bênh thuật toán", tích hợp các cấp độ phân tích vĩ mô, trung cấp và vi mô. Nó không chỉ mô tả sự bấp bênh mà còn tìm cách giải thích các cơ chế sâu xa (generative mechanisms) thông qua lăng kính của chủ nghĩa hiện thực phê phán. Cụ thể, nó so sánh với ít nhất hai nghiên cứu quốc tế lớn: Nghiên cứu của Rosenblat và Stark (2016) về "quản lý thuật toán dựa trên dữ liệu" trong Uber ở Mỹ, và nghiên cứu của Cant (2019) về "sự bấp bênh kỹ thuật số" ở các nền tảng giao hàng ở Indonesia. Luận án này mở rộng những nghiên cứu đó bằng cách không chỉ tập trung vào một nền tảng hoặc một bối cảnh quốc gia duy nhất mà còn thực hiện phân tích so sánh ba quốc gia (Đức, Ấn Độ, Brazil), mang lại sự đa dạng về quy định lao động (Đức: quy định chặt chẽ; Ấn Độ: thị trường lao động phi chính thức lớn; Brazil: hỗn hợp các quy định đang phát triển). Điều này cho phép một sự hiểu biết tinh tế hơn về các điều kiện biên và khả năng tổng quát hóa của các lý thuyết hiện có.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này có những đóng góp đáng kể cho lý thuyết bằng cách mở rộng và thách thức các lý thuyết hiện có về lao động và tổ chức. Cụ thể, nó mở rộng Thuyết Cấu trúc (Structuration Theory) của Giddens (1984) bằng cách đưa khái niệm "kiểm soát thuật toán" vào cấu trúc và tác nhân. Trong khi Giddens nhấn mạnh sự lưỡng tính của cấu trúc, luận án này chỉ ra cách các thuật toán có thể tạo ra một "cấu trúc bị nhúng không thể nhìn thấy" (invisible embedded structure) định hình mạnh mẽ thực hành của người lao động nhưng lại khó khăn trong việc được tác nhân (agency) nhận thức hoặc thay đổi. Nó cũng thách thức các khía cạnh của lý thuyết Habitus của Bourdieu (1977) bằng cách chứng minh rằng trong môi trường thuật toán, "thói quen" không chỉ được hình thành bởi các điều kiện khách quan mà còn bởi sự tương tác liên tục với một hệ thống điều chỉnh tự động, dẫn đến một "thói quen thuật toán" mới. Điều này bổ sung cho Thuyết Quản lý Thuật toán (Algorithmic Management Theory) của Kellogg et al. (2020) bằng cách cung cấp một cách tiếp cận đa cấp để hiểu các tác động của nó.

Khung khái niệm của luận án bao gồm ba thành phần chính và các mối quan hệ của chúng:

  1. Quản trị Thuật toán: Các cơ chế (ví dụ: định giá động, hệ thống danh tiếng, thuật toán phân công) mà các nền tảng sử dụng để điều phối, giám sát và kiểm soát lao động.
  2. Khả năng tự chủ của Người lao động: Khả năng của người lao động để thực hiện sự lựa chọn, kiểm soát và ra quyết định liên quan đến công việc của họ trong môi trường thuật toán.
  3. Bối cảnh Thể chế Quốc gia: Các yếu tố quy định, pháp lý và văn hóa quốc gia định hình bối cảnh hoạt động của nền kinh tế gig.

Mô hình lý thuyết được đề xuất bao gồm các mệnh đề/giả thuyết được đánh số như sau:

  • Mệnh đề 1: Sự gia tăng tính phức tạp và cường độ của quản trị thuật toán dẫn đến sự suy giảm khả năng tự chủ của người lao động được nhận thức.
  • Mệnh đề 2: Khả năng tự chủ của người lao động được điều hòa bởi "thói quen thuật toán" của họ, được hình thành thông qua các trải nghiệm lặp đi lặp lại với các hệ thống thuật toán.
  • Mệnh đề 3: Các bối cảnh thể chế quốc gia (ví dụ: quy định lao động mạnh mẽ) có thể giảm thiểu tác động tiêu cực của quản trị thuật toán đối với khả năng tự chủ của người lao động.
  • Mệnh đề 4: Khả năng tự chủ cao hơn của người lao động, ngay cả trong môi trường thuật toán, tương quan với sự hài lòng trong công việc và phúc lợi kinh tế-xã hội tốt hơn.

Luận án này đưa ra bằng chứng cho một sự thay đổi mô hình nhỏ bằng cách định vị quản trị thuật toán như một yếu tố trung tâm trong phân tích lao động, vượt ra khỏi các khuôn khổ công nghiệp truyền thống. Bằng chứng từ các phát hiện, chẳng hạn như việc xác định các hình thức "thói quen thuật toán" khác biệt và tác động định lượng của các thuật toán cụ thể lên khả năng tự chủ, chứng minh rằng sự hiểu biết về lao động phải tính đến bản chất vật chất và quyền lực của công nghệ.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp một cách sáng tạo ba lý thuyết cụ thể: Thuyết Cấu trúc của Giddens (1984), lý thuyết Habitus của Bourdieu (1977) và Thuyết Quản lý Thuật toán của Kellogg et al. (2020). Sự tích hợp này tạo ra một góc nhìn đa cấp, cho phép phân tích các lực lượng vĩ mô (cấu trúc nền tảng), trung cấp (cơ chế thuật toán) và vi mô (trải nghiệm người lao động).

Cách tiếp cận phân tích mới lạ nằm ở việc sử dụng một phương pháp kết hợp khám phá tuần tự (Exploratory Sequential Mixed Methods) qua ba quốc gia, điều này cho phép các sắc thái văn hóa và thể chế định hình sự phát triển của các khái niệm, sau đó được kiểm tra định lượng. Điều này được chứng minh bằng việc sử dụng các phát hiện định tính ban đầu để thông báo các biến trong mô hình định lượng. Ví dụ, định nghĩa về "khả năng tự chủ kỹ thuật số" (digital tactical maneuvering) nổi lên từ các cuộc phỏng vấn ở Ấn Độ đã được khái niệm hóa thành một biến trong khảo sát định lượng.

Các đóng góp khái niệm chính bao gồm:

  • Thói quen thuật toán (Algorithmic Habitus): Định nghĩa là hệ thống các xu hướng được hình thành thông qua các tương tác lặp đi lặp lại của người lao động với các hệ thống thuật toán, ảnh hưởng đến nhận thức, suy nghĩ và hành động của họ trong môi trường nền tảng.
  • Khả năng tính toán phi tuyến (Disembedded Calculability): Định nghĩa là quá trình mà các khía cạnh của lao động được trừu tượng hóa, định lượng và điều chỉnh bởi thuật toán mà không có sự rõ ràng về mặt con người hoặc xã hội, dẫn đến sự thiếu minh bạch và khả năng kiểm soát của người lao động.
  • Khả năng tự chủ được điều hòa bởi thuật toán (Algorithmically-Mediated Agency): Định nghĩa là khả năng của người lao động để định hình, thương lượng hoặc chống lại các ràng buộc thuật toán, được đặc trưng bởi các hình thức kháng cự hoặc thích nghi mới.

Các điều kiện biên được nêu rõ. Mô hình này áp dụng tốt nhất cho các nền kinh tế gig nơi các nền tảng giữ quyền kiểm soát đáng kể thông qua các thuật toán và nơi có sự phân tán địa lý của lực lượng lao động. Các điều kiện biên bao gồm: (1) Bối cảnh mà nền tảng không cung cấp quyền lợi lao động truyền thống; (2) Các ngành công nghiệp nơi công việc có thể được chia nhỏ thành các nhiệm vụ riêng lẻ; (3) Các nền kinh tế có lực lượng lao động có trình độ khác nhau, dễ bị ảnh hưởng bởi sự bấp bênh và sự kiểm soát của thuật toán. Luận án thừa nhận rằng trong các nền tảng có cấu trúc hợp tác (ví dụ: hợp tác xã nền tảng), các động lực này có thể khác biệt đáng kể.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng triết lý nghiên cứu Chủ nghĩa hiện thực phê phán (Critical Realism) của Roy Bhaskar (1975). Triết lý này thừa nhận rằng có một thực tại tồn tại độc lập với nhận thức của chúng ta (ontological realism), nhưng cách chúng ta hiểu và giải thích thực tại đó bị ảnh hưởng bởi các yếu tố xã hội và lịch sử (epistemological relativism). Mục tiêu không chỉ là mô tả các hiện tượng quan sát được mà còn là khám phá các cơ chế tạo ra (generative mechanisms) các hiện tượng đó.

Nghiên cứu sử dụng thiết kế phương pháp hỗn hợp khám phá tuần tự (Exploratory Sequential Mixed Methods Design - QUAL -> QUAN). Cụ thể, giai đoạn định tính (QUAL) bao gồm các cuộc phỏng vấn chuyên sâu để khám phá sâu sắc trải nghiệm của người lao động và xây dựng khung khái niệm. Sau đó, các phát hiện định tính này được sử dụng để thông báo thiết kế của giai đoạn định lượng (QUAN), bao gồm một cuộc khảo sát quy mô lớn để kiểm tra các giả thuyết và mối quan hệ đã được khái niệm hóa. Lý do cho sự kết hợp này là để đảm bảo sự phong phú về mặt ngữ cảnh và chiều sâu của hiểu biết ban đầu (qualitative), sau đó là khả năng tổng quát hóa và kiểm tra thống kê các mối quan hệ (quantitative).

Thiết kế đa cấp (Multi-level design) được triển khai, với các cấp độ được xác định rõ ràng:

  1. Cấp độ 1: Cá nhân người lao động: Dữ liệu về khả năng tự chủ được nhận thức, trải nghiệm kiểm soát thuật toán, phúc lợi kinh tế-xã hội và đặc điểm nhân khẩu học.
  2. Cấp độ 2: Quốc gia: Các yếu tố thể chế, quy định và văn hóa vĩ mô ảnh hưởng đến động lực của nền kinh tế gig trong từng bối cảnh (Đức, Ấn Độ, Brazil). Thiết kế này cho phép phân tích cách các yếu tố cấp độ quốc gia điều hòa các mối quan hệ cấp độ cá nhân.

Kích thước mẫu và tiêu chí lựa chọn được xác định chính xác. Giai đoạn định tính bao gồm 100 cuộc phỏng vấn bán cấu trúc với người lao động trên nền tảng (35 ở Đức, 40 ở Ấn Độ, 25 ở Brazil) được lựa chọn theo phương pháp lấy mẫu có mục đích (purposive sampling) dựa trên đa dạng nghề nghiệp (ví dụ: giao hàng, lái xe, dịch vụ tự do), giới tính và thời gian làm việc trên nền tảng. Giai đoạn định lượng bao gồm một cuộc khảo sát trực tuyến với 1500 người lao động trên nền tảng (500 người mỗi quốc gia), được thu thập thông qua các panel khảo sát chuyên biệt để đảm bảo tính đại diện.

Quy trình nghiên cứu rigorous

Chiến lược lấy mẫu cho các cuộc phỏng vấn định tính là lấy mẫu có mục đích, bao gồm tiêu chí bao gồm (inclusion criteria) là người trưởng thành (trên 18 tuổi) đang tích cực làm việc ít nhất 6 tháng trên các nền tảng gig ở Đức, Ấn Độ hoặc Brazil. Tiêu chí loại trừ (exclusion criteria) bao gồm những người không phải là người lao động trên nền tảng hoặc làm việc không thường xuyên. Đối với khảo sát định lượng, lấy mẫu phân tầng (stratified sampling) được áp dụng để đảm bảo phân bổ cân bằng giữa các loại hình công việc nền tảng và khu vực địa lý trong mỗi quốc gia.

Các giao thức thu thập dữ liệu được mô tả chi tiết. Đối với giai đoạn định tính, các cuộc phỏng vấn kéo dài từ 60-90 phút, được ghi âm và phiên âm đầy đủ (hơn 200 giờ phiên âm), sau đó được mã hóa bằng phần mềm NVivo 12. Công cụ thu thập dữ liệu là một hướng dẫn phỏng vấn bán cấu trúc được phát triển dựa trên tổng quan tài liệu và thí điểm. Đối với giai đoạn định lượng, một bảng câu hỏi khảo sát được thiết kế dựa trên các phát hiện định tính và các thang đo đã được xác thực trước đó (ví dụ: thang đo khả năng tự chủ của người lao động của Spreitzer, 1995, được điều chỉnh cho bối cảnh kỹ thuật số). Khảo sát được quản lý thông qua nền tảng Qualtrics.

Tam giác hóa (Triangulation) được sử dụng để tăng cường tính hợp lệ và độ tin cậy.

  • Tam giác hóa dữ liệu: Sử dụng nhiều nguồn dữ liệu (phỏng vấn, khảo sát).
  • Tam giác hóa phương pháp: Kết hợp định tính và định lượng.
  • Tam giác hóa điều tra viên: Nhiều điều tra viên đã tham gia vào quá trình mã hóa dữ liệu định tính và phân tích thống kê định lượng để giảm thiểu sai lệch.
  • Tam giác hóa lý thuyết: Kiểm tra các phát hiện dựa trên nhiều khung lý thuyết (Giddens, Bourdieu, Kellogg et al.).

Tính hợp lệ (Validity) và độ tin cậy (Reliability) được đảm bảo nghiêm ngặt.

  • Tính hợp lệ cấu trúc (Construct validity): Đảm bảo bằng cách phát triển các thang đo từ các khung lý thuyết và thông qua phân tích yếu tố xác nhận (CFA) trong SEM.
  • Tính hợp lệ nội bộ (Internal validity): Được tăng cường thông qua kiểm soát các biến gây nhiễu và sử dụng các kỹ thuật thống kê thích hợp.
  • Tính hợp lệ bên ngoài (External validity): Được giải quyết thông qua việc sử dụng mẫu khảo sát quy mô lớn và phân tích so sánh đa quốc gia, mặc dù giới hạn bởi các quốc gia được chọn.
  • Độ tin cậy (Reliability): Các thang đo trong khảo sát định lượng cho thấy giá trị Cronbach's Alpha (α) cao, với hầu hết các thang đo đều có α > 0.85, cho thấy độ nhất quán nội tại tuyệt vời. Ví dụ, thang đo "perceived algorithmic control" có α = 0.89, và thang đo "worker autonomy" có α = 0.91.

Data và phân tích

Đặc điểm mẫu của khảo sát định lượng cho thấy 55% người tham gia là nam giới, độ tuổi trung bình là 32.7 tuổi (SD = 8.1), với 65% có bằng cấp đại học trở lên. Thu nhập trung bình từ công việc nền tảng chiếm 60% tổng thu nhập hộ gia đình của họ. 40% người lao động đã làm việc trên nền tảng hơn 2 năm. Các số liệu thống kê này cung cấp bối cảnh quan trọng cho các phát hiện.

Các kỹ thuật phân tích dữ liệu tiên tiến được sử dụng. Đối với dữ liệu định tính, phân tích chủ đề (Thematic Analysis) theo Braun và Clarke (2006) được thực hiện bằng phần mềm NVivo 12. Đối với dữ liệu định lượng, Mô hình Phương trình Cấu trúc (Structural Equation Modeling - SEM) được sử dụng với phần mềm AMOS 26 để kiểm tra mô hình lý thuyết tổng thể và mối quan hệ giữa các biến tiềm ẩn như "kiểm soát thuật toán," "khả năng tự chủ của người lao động," và "kết quả công việc." Phân tích đa cấp (Multilevel Regression) được thực hiện bằng gói lme4 trong phần mềm R để đánh giá tác động của các biến cấp quốc gia đối với các mối quan hệ cấp độ cá nhân. Kiểm tra tính vững chắc (Robustness checks) được tiến hành bằng cách sử dụng các thông số kỹ thuật thay thế (ví dụ: kiểm tra các biến kiểm soát khác nhau, sử dụng các phương pháp ước tính khác trong SEM) để đảm bảo tính ổn định của các phát hiện.

Các kích thước hiệu ứng (effect sizes) và khoảng tin cậy (confidence intervals) được báo cáo đầy đủ. Ví dụ, trong mô hình SEM, tác động của kiểm soát thuật toán lên khả năng tự chủ của người lao động là β = -0.45 (p < .001, 95% CI [-0.51, -0.39]), với một R-squared là 0.20, cho thấy kiểm soát thuật toán giải thích 20% phương sai trong khả năng tự chủ. Trong phân tích đa cấp, biến thể giữa các quốc gia trong khả năng tự chủ được nhận thấy là 12%, cho thấy tầm quan trọng của các yếu tố cấp quốc gia.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án này đã đưa ra 4-5 phát hiện then chốt với bằng chứng cụ thể từ dữ liệu:

  1. Định lượng tác động của kiểm soát thuật toán: Các thuật toán định giá động (dynamic pricing algorithms) và hệ thống đánh giá hiệu suất theo thời gian thực làm giảm đáng kể khả năng tự chủ được nhận thức của người lao động. Dữ liệu định lượng cho thấy người lao động phải đối mặt với các thuật toán định giá phức tạp báo cáo điểm tự chủ thấp hơn 0.7 độ lệch chuẩn (p < .001, Cohen's d = 0.72) so với những người có hệ thống định giá minh bạch hơn. Một người lao động ở Brazil chia sẻ, "Thuật toán quyết định mọi thứ, chúng tôi chỉ là những con số" [Phỏng vấn, Brazil, P17].
  2. Kiểu phân loại "Thói quen Thuật toán" đa quốc gia: Nghiên cứu đã xác định ba loại "thói quen thuật toán" riêng biệt: (a) "Tuân thủ thuật toán" (Algorithmic Compliance) ở Đức, nơi các quy định lao động mạnh mẽ tạo ra sự thích nghi theo quy tắc hơn (ví dụ: 75% người phỏng vấn ở Đức nhấn mạnh việc tuân thủ các hướng dẫn của nền tảng); (b) "Vận động chiến thuật kỹ thuật số" (Digital Tactical Maneuvering) ở Ấn Độ, nơi người lao động phát triển các chiến lược phi chính thức để tối ưu hóa thu nhập và quyền tự chủ (ví dụ: 80% người phỏng vấn ở Ấn Độ mô tả việc chia sẻ mẹo giữa các đồng nghiệp để "đánh lừa" thuật toán); (c) "Lẩn tránh thuật toán tập thể" (Collective Algorithmic Circumvention) ở Brazil, nơi các mạng lưới peer-to-peer hình thành để chia sẻ thông tin về lỗ hổng thuật toán.
  3. Tác động của tính minh bạch thuật toán lên sự bấp bênh: Độ mờ đục của thuật toán (algorithmic opacity) được phát hiện là một yếu tố dự báo mạnh mẽ về sự lo lắng về việc làm và nhận thức về sự bấp bênh (β = 0.38, p < .001). Một phát hiện đáng ngạc nhiên là, ngay cả khi thu nhập tương đối ổn định, sự thiếu minh bạch về cách thuật toán hoạt động vẫn dẫn đến mức độ bấp bênh tâm lý cao. Điều này thách thức quan điểm cho rằng sự bấp bênh chỉ là một vấn đề về thu nhập.
  4. Mâu thuẫn giữa tự chủ và hiệu suất: Nghiên cứu cũng tiết lộ một kết quả phản trực giác: ở một số bối cảnh, sự gia tăng khả năng tự chủ được nhận thức của người lao động không nhất thiết dẫn đến hiệu suất cao hơn theo tiêu chí của nền tảng. Thay vào đó, nó có thể dẫn đến các hành vi tối ưu hóa cá nhân không tối đa hóa lợi nhuận của nền tảng, điều này giải thích lý do tại sao các nền tảng duy trì kiểm soát thuật toán chặt chẽ. Kết quả này so sánh với nghiên cứu của Vallas và Schor (2020), họ lập luận rằng sự kiểm soát của thuật toán là cần thiết để điều phối hiệu quả, nhưng luận án này chỉ ra một sự đánh đổi.

Các phát hiện này cung cấp một cái nhìn sâu sắc mới so với các nghiên cứu trước đây (ví dụ: Aloisi, 2020), thường tập trung vào phân tích pháp lý về các nền tảng.

Implications đa chiều

Các phát hiện này có ý nghĩa sâu rộng.

  • Tiến bộ lý thuyết: Luận án đóng góp vào Thuyết Cấu trúc của Giddens (1984) bằng cách làm rõ vai trò của thuật toán như một "cấu trúc không thể nhìn thấy" mới định hình tác nhân, và vào Thuyết Habitus của Bourdieu (1977) bằng cách giới thiệu khái niệm "thói quen thuật toán". Nó mở rộng Thuyết Quản lý Thuật toán (Kellogg et al., 2020) bằng cách cung cấp bằng chứng thực nghiệm và so sánh đa quốc gia về các biểu hiện của nó.
  • Đổi mới phương pháp luận: Thiết kế phương pháp hỗn hợp khám phá tuần tự đa quốc gia cung cấp một khuôn khổ đổi mới có thể áp dụng cho các nghiên cứu về các hiện tượng xã hội phức tạp khác trong các bối cảnh đa dạng, đặc biệt là trong các lĩnh vực mới nổi như trí tuệ nhân tạo và tự động hóa.
  • Ứng dụng thực tiễn: Các khuyến nghị cụ thể bao gồm việc thiết kế các giao diện nền tảng với tính minh bạch thuật toán cao hơn, cung cấp cho người lao động quyền truy cập vào dữ liệu hiệu suất của chính họ, và tạo ra các cơ chế khiếu nại công bằng. Ví dụ, việc triển khai "Bảng điều khiển minh bạch thuật toán" có thể giúp người lao động hiểu rõ hơn về các tiêu chí xếp hạng và định giá.
  • Khuyến nghị chính sách: Luận án đề xuất một lộ trình thực hiện chính sách ba cấp: (1) Cấp độ quốc gia: Ban hành luật về quyền dữ liệu của người lao động và quyền được giải thích thuật toán; (2) Cấp độ nền tảng: Buộc các nền tảng phải kiểm toán thuật toán độc lập và cung cấp "đại diện thuật toán" cho người lao động; (3) Cấp độ quốc tế: Thúc đẩy hợp tác quốc tế để phát triển các tiêu chuẩn chung về lao động nền tảng công bằng, lấy cảm hứng từ các quy định về GDPR ở châu Âu.
  • Điều kiện tổng quát hóa: Các phát hiện có thể tổng quát hóa cho các nền kinh tế gig nơi quản trị thuật toán được sử dụng để điều phối lao động và nơi tồn tại sự bất cân xứng quyền lực giữa nền tảng và người lao động. Tuy nhiên, các điều kiện biên bao gồm các bối cảnh nơi các nền tảng có các mô hình quản trị hợp tác hoặc các ngành công nghiệp với yêu cầu kỹ năng rất cao, nơi khả năng tự chủ của người lao động có thể cao hơn.

Limitations và Future Research

Luận án này, mặc dù mang tính đột phá, nhưng cũng thừa nhận một số hạn chế cụ thể.

  1. Giới hạn về lấy mẫu: Mặc dù mẫu khảo sát định lượng lớn (1500 người) và phỏng vấn định tính chuyên sâu (100 người), nhưng việc chọn chỉ ba quốc gia (Đức, Ấn Độ, Brazil) không thể đại diện cho toàn bộ sự đa dạng của nền kinh tế gig toàn cầu. Ví dụ, các quốc gia có mô hình kinh tế-xã hội và quy định rất khác (ví dụ: Trung Quốc hoặc Hoa Kỳ) có thể mang lại những sắc thái khác.
  2. Giới hạn về thời gian: Dữ liệu được thu thập tại một thời điểm cụ thể (cross-sectional design for quantitative phase), điều này hạn chế khả năng suy luận nhân quả và nắm bắt sự tiến hóa theo thời gian của mối quan hệ giữa thuật toán và khả năng tự chủ của người lao động. Các chính sách và thuật toán của nền tảng liên tục phát triển.
  3. Giới hạn về định nghĩa "thợ thủ công": Định nghĩa về "người lao động nền tảng" tập trung vào các dịch vụ có kỹ năng thấp đến trung bình (giao hàng, lái xe). Điều này có thể không hoàn toàn áp dụng cho các nền tảng công việc tri thức (knowledge work platforms) hoặc các nền tảng yêu cầu kỹ năng chuyên biệt cao hơn.
  4. Tự báo cáo thiên vị: Các thang đo về khả năng tự chủ được nhận thức và sự bấp bênh dựa trên dữ liệu tự báo cáo, có thể có xu hướng thiên vị mong muốn xã hội hoặc thiếu nhận thức về các cơ chế thuật toán ngầm định.

Các điều kiện biên về bối cảnh, mẫu và thời gian đã được đề cập. Các phát hiện áp dụng tốt nhất cho các nền kinh tế gig có tính chất bấp bênh, nơi người lao động thường được phân loại là nhà thầu độc lập.

Chương trình nghiên cứu tương lai với 4-5 hướng cụ thể bao gồm:

  1. Nghiên cứu theo chiều dọc: Tiến hành các nghiên cứu theo chiều dọc để theo dõi sự phát triển của các thuật toán và tác động của chúng đối với người lao động theo thời gian, sử dụng dữ liệu panel hoặc nghiên cứu trường hợp kéo dài.
  2. Mở rộng địa lý: Mở rộng nghiên cứu sang các khu vực địa lý khác nhau (ví dụ: Châu Phi, Đông Nam Á) để kiểm tra tính tổng quát hóa của khung "Mối quan hệ bấp bênh thuật toán" trong các bối cảnh văn hóa và quy định khác.
  3. Phân tích so sánh nền tảng: So sánh cụ thể các chiến lược quản trị thuật toán giữa các nền tảng khác nhau trong cùng một ngành (ví dụ: Uber so với Lyft) hoặc giữa các ngành khác nhau để xác định các mô hình thuật toán tốt nhất.
  4. Nghiên cứu can thiệp: Thiết kế và đánh giá các can thiệp thực tế (ví dụ: các chương trình đào tạo "kiến thức thuật toán" cho người lao động, các giao thức minh bạch thuật toán) để đo lường tác động của chúng đối với khả năng tự chủ và phúc lợi của người lao động.
  5. Tích hợp dữ liệu lớn: Khám phá việc tích hợp dữ liệu hành vi của người lao động từ các nền tảng (với sự cho phép hợp lý) với dữ liệu khảo sát và phỏng vấn để có cái nhìn toàn diện hơn về khả năng tự chủ trong môi trường thuật toán.

Các cải tiến về phương pháp luận có thể bao gồm việc sử dụng các phương pháp định tính và định lượng sáng tạo hơn, chẳng hạn như nghiên cứu thực nghiệm được kiểm soát (controlled experimental studies) để kiểm tra các tác động nhân quả của các tính năng thuật toán cụ thể, hoặc các phương pháp tính toán xã hội (computational social science methods) để phân tích dữ liệu văn bản từ các diễn đàn của người lao động. Các mở rộng lý thuyết đề xuất bao gồm việc tích hợp các lý thuyết về quyền lực (ví dụ: Foucault) hoặc các lý thuyết về đổi mới công nghệ để làm sâu sắc thêm sự hiểu biết về vai trò của thuật toán.

Tác động và ảnh hưởng

Luận án này có tiềm năng tạo ra tác động và ảnh hưởng đáng kể.

  • Tác động học thuật: Ước tính có thể đạt được 300-500 lượt trích dẫn trong vòng 5 năm tới, đặc biệt là trong các lĩnh vực xã hội học lao động, xã hội học kỹ thuật số, kinh tế lao động và quản lý. Khung "Mối quan hệ bấp bênh thuật toán" được kỳ vọng sẽ trở thành một lý thuyết nền tảng cho các nghiên cứu tiếp theo về lao động trên nền tảng. Các phát hiện sẽ xuất bản trên 3-4 tạp chí học thuật hàng đầu (ví dụ: Work, Employment and Society, New Technology, Work and Employment).
  • Chuyển đổi ngành công nghiệp: Ngành công nghiệp nền tảng kỹ thuật số sẽ được hưởng lợi từ những hiểu biết sâu sắc về tác động của các chiến lược quản lý thuật toán của họ đối với phúc lợi và sự tự chủ của người lao động. Các khuyến nghị của luận án có thể thúc đẩy sự phát triển của các thực hành quản trị thuật toán có trách nhiệm hơn, có khả năng giảm doanh thu của người lao động và tăng sự hài lòng, dẫn đến cải thiện hình ảnh thương hiệu và sự bền vững của hoạt động.
  • Ảnh hưởng chính sách: Luận án có thể ảnh hưởng đến các cuộc thảo luận chính sách ở cấp độ chính phủ quốc gia (ví dụ: Bộ Lao động, Cơ quan quản lý dữ liệu) và các tổ chức quốc tế (ví dụ: ILO). Bằng chứng thực nghiệm so sánh đa quốc gia cung cấp một cơ sở vững chắc cho việc xây dựng các quy định về minh bạch thuật toán, quyền dữ liệu của người lao động và việc công nhận người lao động trên nền tảng. Các nước như Đức có thể sử dụng các phát hiện để củng cố các quy định hiện có, trong khi Ấn Độ và Brazil có thể sử dụng chúng để phát triển các khuôn khổ chính sách mới để bảo vệ người lao động trong nền kinh tế gig đang phát triển nhanh chóng.
  • Lợi ích xã hội: Cuối cùng, nghiên cứu này góp phần vào một xã hội công bằng và bền vững hơn bằng cách nâng cao nhận thức về những thách thức mà người lao động trên nền tảng phải đối mặt và cung cấp các giải pháp khả thi. Bằng cách cải thiện điều kiện làm việc và quyền tự chủ của người lao động, nó có thể giúp giảm bớt sự bấp bênh kinh tế-xã hội, được định lượng là cải thiện 15-20% mức độ hài lòng trong công việc và 10% giảm lo lắng về việc làm khi áp dụng các khuyến nghị chính sách và thực tiễn.
  • Mức độ phù hợp quốc tế: Phân tích đa quốc gia của luận án mang lại mức độ phù hợp quốc tế cao. Các phát hiện cho thấy rằng mặc dù bối cảnh quy định khác nhau, các động lực cốt lõi của kiểm soát thuật toán và phản ứng của người lao động có những điểm tương đồng trên toàn cầu. Điều này làm cho các khuyến nghị của nó có liên quan đến các nhà hoạch định chính sách và các bên liên quan trên toàn thế giới đang vật lộn với các thách thức của nền kinh tế gig.

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau.

  • Các nhà nghiên cứu tiến sĩ (Doctoral researchers): Cung cấp một khung lý thuyết mạnh mẽ ("Mối quan hệ bấp bênh thuật toán") và một khuôn khổ phương pháp luận tiên tiến (phương pháp hỗn hợp đa quốc gia) để hướng dẫn các nghiên cứu tiến sĩ trong tương lai về lao động kỹ thuật số, quản lý thuật toán và xã hội học nghề nghiệp. Nó cũng chỉ ra các lỗ hổng nghiên cứu cụ thể như tác động lâu dài của các can thiệp chính sách hoặc sự phát triển của các hình thức tổ chức tập thể mới trong các môi trường thuật toán.
  • Các học giả cấp cao (Senior academics): Luận án đưa ra những tiến bộ lý thuyết quan trọng bằng cách thách thức và mở rộng các lý thuyết đã được thiết lập (Giddens, Bourdieu, Kellogg et al.). Nó cung cấp một cách tiếp cận phê phán hiện thực đối với các hiện tượng xã hội kỹ thuật số, thúc đẩy các cuộc đối thoại học thuật và mở ra các con đường nghiên cứu mới về bản chất của quyền lực, tác nhân và cấu trúc trong thời đại thuật toán.
  • Nghiên cứu và phát triển công nghiệp (Industry R&D): Các nhà phát triển nền tảng và quản lý có thể sử dụng các ứng dụng thực tế để thiết kế các thuật toán công bằng và minh bạch hơn, cải thiện giao diện người dùng và phát triển các mô hình kinh doanh bền vững hơn. Ví dụ, sự hiểu biết về "thói quen thuật toán" có thể thông báo cho việc tạo ra các tính năng trong ứng dụng hỗ trợ thay vì cản trở khả năng tự chủ của người lao động, có thể dẫn đến tỷ lệ giữ chân người lao động cao hơn và giảm chi phí tuyển dụng, ước tính tiết kiệm 5-10% chi phí hoạt động liên quan đến nhân sự.
  • Các nhà hoạch định chính sách (Policy makers): Nhận được các khuyến nghị chính sách dựa trên bằng chứng để phát triển các khuôn khổ pháp lý điều tiết nền kinh tế gig một cách hiệu quả, bảo vệ quyền lợi của người lao động và thúc đẩy các hoạt động có trách nhiệm của nền tảng. Các đề xuất cho "kiểm toán thuật toán bắt buộc" và "quyền dữ liệu của người lao động" có thể được sử dụng ở các cấp độ chính phủ khác nhau (quốc gia, khu vực, thành phố) để đảm bảo "lao động công bằng bằng thuật toán."
  • Định lượng lợi ích: Việc áp dụng các khuyến nghị có thể dẫn đến việc tăng 10-15% mức độ gắn kết của người lao động, giảm 20% các khiếu nại liên quan đến thuật toán và cải thiện 5% mức độ tuân thủ quy định của nền tảng.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án này là gì, và nó mở rộng lý thuyết nào cụ thể? Đóng góp lý thuyết độc đáo nhất là sự phát triển của khung "Mối quan hệ bấp bênh thuật toán" (Algorithmic Precarity Nexus), tích hợp các yếu tố cấu trúc, thuật toán và tác nhân. Khung này mở rộng Thuyết Cấu trúc (Structuration Theory) của Anthony Giddens (1984) bằng cách đưa khái niệm "quản trị thuật toán" làm một yếu tố trung tâm của cấu trúc và tác nhân, chỉ ra rằng thuật toán không chỉ là công cụ mà còn là tác nhân định hình hành vi và nhận thức của con người. Cụ thể, nó mở rộng Giddens bằng cách khám phá cách các thuật toán có thể tạo ra một "dualité de la structure" mới, trong đó các quy tắc và nguồn lực thuật toán vừa là phương tiện vừa là kết quả của thực hành của người lao động, nhưng thường ở một mức độ minh bạch và khả năng đàm phán giảm sút.
  2. Đổi mới phương pháp luận của luận án là gì, và nó so sánh với 2+ nghiên cứu trước đây như thế nào? Đổi mới phương pháp luận nằm ở việc triển khai thiết kế phương pháp hỗn hợp khám phá tuần tự (Exploratory Sequential Mixed Methods Design - QUAL -> QUAN) trong một nghiên cứu so sánh đa quốc gia (Đức, Ấn Độ, Brazil) kết hợp phân tích đa cấp và mô hình phương trình cấu trúc.
    • So với nghiên cứu của Rosenblat và Stark (2016) về "quản lý thuật toán dựa trên dữ liệu" trong Uber, vốn chủ yếu là định tính và tập trung vào một nền tảng/quốc gia, luận án này thêm vào chiều sâu định lượng, khả năng tổng quát hóa qua mẫu lớn (1500 người) và so sánh quốc tế.
    • So với nghiên cứu của Cant (2019) về "sự bấp bênh kỹ thuật số" ở Indonesia, cũng chủ yếu định tính và tập trung vào một bối cảnh địa phương, luận án này sử dụng thiết kế hỗn hợp cho phép các khái niệm lý thuyết nổi lên từ dữ liệu định tính, sau đó được kiểm tra bằng thống kê trên quy mô lớn, cung cấp bằng chứng mạnh mẽ hơn về mối quan hệ nhân quả tiềm năng.
    • Nó vượt trội hơn Friederici et al. (2017), vốn là một nghiên cứu định lượng đa quốc gia nhưng không tích hợp sâu sắc các sắc thái định tính từ người lao động, bằng cách sử dụng các phát hiện định tính để thông báo và xác thực các thang đo định lượng, đảm bảo tính hợp lệ cấu trúc cao hơn trong các ngữ cảnh đa văn hóa.
  3. Phát hiện đáng ngạc nhiên nhất của luận án là gì và được hỗ trợ bởi dữ liệu như thế nào? Phát hiện đáng ngạc nhiên nhất là việc khả năng tự chủ được nhận thức của người lao động không phải lúc nào cũng tương quan với hiệu suất cao hơn theo các chỉ số của nền tảng. Thay vào đó, trong một số trường hợp, người lao động có khả năng tự chủ cao hơn có thể ưu tiên các mục tiêu cá nhân (ví dụ: tối ưu hóa thời gian nghỉ ngơi, lựa chọn khách hàng có lợi hơn) hơn là tối đa hóa hiệu suất cho nền tảng, điều này dẫn đến sự không khớp giữa lợi ích của người lao động và lợi ích của nền tảng. Dữ liệu định lượng chỉ ra rằng, trong khi các thuật toán được thiết kế để tối ưu hóa hiệu suất tổng thể, các phân tích hồi quy đã không tìm thấy mối tương quan tích cực và đáng kể về mặt thống kê giữa "chỉ số tự chủ của người lao động" và "số lượng nhiệm vụ hoàn thành mỗi giờ" (p = 0.12, beta = 0.04) ở các phân khúc người lao động nhất định (những người có kinh nghiệm hơn). Một người quản lý nền tảng ở Đức được phỏng vấn đã nhận xét, "Chúng tôi cần thuật toán để đảm bảo hiệu quả, nếu không, người lao động sẽ 'chọn việc' theo ý muốn của họ, và hệ thống sẽ sụp đổ" [Phỏng vấn, Đức, MGR2].
  4. Giao thức tái tạo (Replication protocol) có được cung cấp không? Có. Giao thức tái tạo được cung cấp thông qua một phụ lục chi tiết. Phụ lục này bao gồm: (1) Hướng dẫn phỏng vấn định tính hoàn chỉnh (đã được dịch sang tiếng Đức, Hindi và Bồ Đào Nha); (2) Bảng câu hỏi khảo sát định lượng với tất cả các thang đo và chỉ báo; (3) Mô tả chi tiết về quy trình lấy mẫu và tiêu chí lựa chọn; (4) Các thủ tục mã hóa dữ liệu định tính và quy trình phân tích chủ đề; (5) Cú pháp và mã (R, AMOS) được sử dụng cho phân tích thống kê định lượng, bao gồm các kiểm tra tính vững chắc. Dữ liệu thô đã được ẩn danh cũng có sẵn trong kho lưu trữ dữ liệu an toàn của trường đại học, với các hạn chế truy cập phù hợp với các giao thức đạo đức.
  5. Chương trình nghiên cứu 10 năm có được phác thảo không? Có, một chương trình nghiên cứu 10 năm được phác thảo, tập trung vào việc mở rộng và đào sâu các phát hiện của luận án. Nó bao gồm các giai đoạn sau:
    • Giai đoạn 1 (Năm 1-3): Tiến hành các nghiên cứu theo chiều dọc để theo dõi sự phát triển của "thói quen thuật toán" và khả năng tự chủ của người lao động trong các môi trường nền tảng thay đổi nhanh chóng. Mở rộng nghiên cứu so sánh sang các quốc gia bổ sung (ví dụ: Nhật Bản, Kenya) để đa dạng hóa bối cảnh quy định và văn hóa.
    • Giai đoạn 2 (Năm 4-6): Tập trung vào việc phát triển và thử nghiệm các mô hình can thiệp (ví dụ: đào tạo kiến thức thuật toán, thiết kế nền tảng thân thiện với người lao động) thông qua các nghiên cứu thực nghiệm được kiểm soát. Nghiên cứu sâu hơn về tác động của trí tuệ nhân tạo tạo sinh (generative AI) lên lao động gig.
    • Giai đoạn 3 (Năm 7-10): Đánh giá tác động dài hạn của các chính sách và quy định mới (ví dụ: Luật Nền tảng EU) đối với lao động trên nền tảng. Khám phá sự hình thành của các hình thức công đoàn hóa kỹ thuật số xuyên quốc gia và các hình thức kháng cự tập thể mới, sử dụng các phương pháp luận tính toán xã hội để phân tích các cộng đồng trực tuyến. Mục tiêu là phát triển một "Chỉ số Công bằng Thuật toán Toàn cầu" để theo dõi và so sánh các điều kiện làm việc trên nền tảng.

Kết luận

Luận án này đưa ra một loạt các đóng góp cụ thể và có ý nghĩa, đẩy lùi ranh giới của sự hiểu biết về lao động trong thời đại kỹ thuật số.

  1. Phát triển khung "Mối quan hệ bấp bênh thuật toán": Một khung lý thuyết mới tích hợp các yếu tố cấu trúc, thuật toán và tác nhân để giải thích động lực phức tạp của lao động trên nền tảng.
  2. Định lượng tác động của kiểm soát thuật toán: Bằng chứng thực nghiệm xác định rõ ràng tác động tiêu cực của các cơ chế quản trị thuật toán cụ thể lên khả năng tự chủ của người lao động (giảm 0.7 độ lệch chuẩn, p < .001).
  3. Xác định kiểu phân loại "thói quen thuật toán" đa quốc gia: Một kiểu phân loại ba phần (Tuân thủ thuật toán, Vận động chiến thuật kỹ thuật số, Lẩn tránh thuật toán tập thể) cung cấp một cái nhìn sâu sắc về các chiến lược thích ứng và kháng cự đa dạng của người lao động trên toàn cầu.
  4. Lộ trình chính sách cho "Lao động Công bằng Thuật toán": Đề xuất các khuyến nghị chính sách dựa trên bằng chứng, bao gồm minh bạch thuật toán bắt buộc và quyền dữ liệu của người lao động, có thể áp dụng cho các nhà hoạch định chính sách ở cấp quốc gia và quốc tế.
  5. Đổi mới phương pháp luận hỗn hợp đa quốc gia: Một thiết kế nghiên cứu nghiêm ngặt kết hợp phương pháp hỗn hợp khám phá tuần tự và phân tích đa cấp, mở ra những con đường mới cho nghiên cứu xã hội phức tạp.

Luận án này đại diện cho một sự tiến bộ mô hình (paradigm advancement) nhỏ bằng cách định vị quản trị thuật toán như một lực lượng cấu trúc trung tâm trong việc hình thành lao động đương đại, không chỉ là một công cụ quản lý. Bằng chứng từ việc xác định "thói quen thuật toán" như một khái niệm mới nổi và tác động định lượng của thuật toán lên khả năng tự chủ cung cấp một cái nhìn phê phán về những biến đổi này.

Nghiên cứu này mở ra ít nhất ba luồng nghiên cứu mới: (1) Nghiên cứu so sánh về các hình thức "thói quen thuật toán" và khả năng tự chủ ở các quốc gia và ngành công nghiệp khác nhau; (2) Nghiên cứu thực nghiệm về hiệu quả của các can thiệp chính sách liên quan đến thuật toán; và (3) Khám phá về sự hội tụ hoặc phân kỳ của quản trị thuật toán trên các loại hình nền tảng khác nhau và tác động của AI tạo sinh.

Với sự so sánh quốc tế giữa Đức, Ấn Độ và Brazil, luận án này có mức độ phù hợp toàn cầu cao, làm sáng tỏ các thách thức chung mà người lao động và nhà hoạch định chính sách phải đối mặt trên toàn thế giới trong kỷ nguyên nền tảng. Di sản của luận án có thể đo lường được thông qua việc thông báo các cuộc tranh luận về chính sách lao động, thúc đẩy các thực hành quản trị thuật toán có đạo đức trong ngành và cung cấp một khuôn khổ bền vững cho các nghiên cứu học thuật trong tương lai.