Machine Translated by Google

Jornal Chinês de Comunicação

ISSN: 1754-4750 (Impresso) 1754-4769 (Online) Página inicial do jornal: https://www.tandfonline.com/loi/rcjc20

Seu pedido, o trabalho deles: uma exploração de

algoritmos e trabalho em plataformas de entrega de
comida na China

Ping Sun

Para citar este artigo: Ping Sun (2019): Seu pedido, seu trabalho: uma exploração de algoritmos
e trabalho em plataformas de entrega de comida na China, Chinese Journal of Communication,
DOI: 10.1080/17544750.2019.1583676

Para acessar este artigo: https://doi.org/10.1080/17544750.2019.1583676

Publicado online: 26 de março de 2019.

Envie seu artigo para esta revista

Visualizações do artigo: 6

Exibir dados de marca cruzada

Os Termos e Condições completos de acesso e uso podem ser encontrados em

https://www.tandfonline.com/action/journalInformation?journalCode=rcjc20
Machine Translated by Google

Jornal Chinês de Comunicação, 2019 Vol. 0, nº

0, 1–16, https://dx.doi.org/10.1080/17544750.2019.1583676

Seu pedido, o trabalho deles: uma exploração de algoritmos e trabalho em

plataformas de entrega de comida na China

Ping Sun

Instituto de Jornalismo e Comunicação, Academia Chinesa de Ciências Sociais,

Pequim, China

Este estudo examina o uso de “algoritmos no trabalho cotidiano” para explorar as condições de
trabalho de três plataformas chinesas de entrega de alimentos: Baidu Delivery, Eleme e Meituan.
Em particular, examina como os entregadores entendem esses algoritmos por meio dos
parâmetros de temporalidade, afeto e gamificação. O estudo também demonstra que, ao trabalhar
para plataformas de entrega de alimentos, os entregadores não são simplesmente entidades
passivas sujeitas a um “panóptico” digital. Em vez disso, eles criam seus próprios “algoritmos
orgânicos” para gerenciar e, em alguns casos, até subverter o sistema. Os resultados da
abordagem utilizada neste estudo demonstram que o trabalho digital tornou-se mais acessível e
mais precário na China contemporânea. Com base nesses resultados, a noção de “fazer e refazer
algorítmico” é sugerida como um tópico em futuras pesquisas sobre tecnologia e trabalho digital.

Palavras-chave: entregadores; plataforma de entrega de comida; algoritmos; trabalho

Introdução

Na hora do almoço, o Hongzhuangyuan (ÿÿÿ) (uma rede de restaurantes popular com localizações em
toda Pequim) pode ficar muito lotado. Além de outros clientes que comem lá, várias pessoas vestindo
roupas de trabalho multicoloridas e capacetes vão e vêm continuamente. Essas pessoas são entregadores
de comida que coletam comida, apertam as sacolas plásticas, grampeiam seus telefones, pulam em motos
elétricas e desaparecem na correria. Esta imagem é uma representação geral dos trabalhadores da
indústria de comida para viagem da China.

A emergência global da economia “sharing”, “gig” ou “on-demand” tem atraído crescente interesse
acadêmico sobre como as plataformas intermediárias constroem, conectam e reconstroem as relações
sociais entre consumidores, trabalhadores e empresas (Gillespie, 2010; Gloss et al., 2016; Malin &
€

Chandler, 2016; Rosenblat & Stark, 2016; Schäfer

experimentaram
& Van Es, 2017).
um aumento
Os serviços
monumental
de entrega
emderesposta
alimentos
ao
aumento da atividade econômica sob demanda na China. Em julho de 2018, o número de usuários de
serviços de pedidos de refeições online atingiu 300 milhões, e o mercado inclui 1.300 cidades, o que gerou
uma receita de US$ 37 milhões (China Internet Network Information Center, 2018) .

No entanto, o mercado de entrega de alimentos na China está passando por um período de instabilidade.
À medida que gigantes de TI, como Alibaba, Tencent e Baidu se juntam e competem por uma participação
de mercado, o enorme investimento no mercado e em capital humano levou muitas plataformas de
alimentos à falência. De acordo com Newseed, mais

Autor correspondente. E-mail: sunp@cass.org.cn

2019 Centro de Pesquisa em Mídia Chinesa e Comunicação Comparada, Universidade Chinesa de Hong Kong
Machine Translated by Google

2 Ping Sun

Figura 1. Captura de tela da interface do usuário do Meituan Waiwai.

mais de 20 plataformas de pedidos de comida na China fecharam seus negócios (Newseed,

2016). Em agosto de 2017, a Baidu Deliveries, que era a terceira maior operadora de mercado,
foi vendida para a Ele.me depois de não conseguir obter uma participação adequada no
mercado. Portanto, com efeito, o mercado tornou-se um duopólio. A Eleme é apoiada pelos
gigantes do comércio eletrônico Alibaba e Meituan Dianping, cujo principal investidor é o rival
do Alibaba, Tencent. Os projetos de aplicativos e serviços fornecidos pelas três plataformas
são bastante semelhantes (consulte a Figura 1). As plataformas permitem aos utilizadores
encomendar comida de restaurante, produtos de supermercado, legumes e frutas, sobremesas,
bem como entrega de bolos e flores. Para atrair mais clientes, os players da plataforma
costumam subsidiá-los com várias promoções.
Desde 2015, devido à redução dos custos trabalhistas e à população altamente concentrada
na China, as plataformas de entrega de alimentos O2O (online to offline) proliferaram. Não há
estatísticas oficiais sobre o número total de trabalhadores de entrega, mas com base em um
relatório da Phoenix Television, ultrapassa três milhões de pessoas, incluindo os trabalhadores
de entrega nas grandes cidades chinesas, onde os trabalhadores migrantes constituem a
maioria do “exército” de entrega. . Para garantir sua participação no mercado, as empresas de
entrega de alimentos competem acirradamente na contratação de entregadores, oferecendo
bônus maiores quando entregam mais pedidos (Tabela 1). Os trabalhadores de entrega são
distintos de outros trabalhadores digitais por causa de sua integração nas plataformas
digitalizadas. A adoção de dispositivos móveis e o uso de aplicativos são pré-requisitos
essenciais para sua contratação, pois são parte integrante de todo o processo de trabalho,
incluindo atribuições de trabalho, desempenho e avaliações.
Pesquisas anteriores sobre tecnologia e trabalho documentaram que o surgimento da
economia sob demanda foi acompanhado pelo controle cada vez mais individualizado do
empreendedorismo e dos algoritmos (por exemplo, Rosenblat & Stark, 2016; van Doorn,
2017 ) . No presente estudo, a análise das práticas laborais dos entregadores foi baseada no
conceito de “gestão algorítmica”, que se refere a “algoritmos de software que assumem funções
gerenciais e
Machine Translated by Google

Jornal Chinês de Comunicação 3

Tabela 1. Sete níveis do cavaleiro nas entregas do Baidu.

nível dos cavaleiros Subsídios para cada pedido Pontos Acumulados

Cavaleiro Divino 1,5 RMB (aprox. 0,23 UDS) 6.000

Cavaleiro Sagrado 1,2 RMB (aprox. 0,18 UDS) 4.100
Cavaleiro Diamante (Diamond Knight) 1,0 RMB (aprox. 0,15 UDS) 2.800
Black Golden Knight (Cavaleiro de Ouro Negro) 0,8 RMB (aprox. 0,12 UDS) 1.800
Cavaleiro Dourado 0,5 RMB (aprox. 0,076UDS) 900
Cavaleiro de Prata (Cavaleiro de Prata) 0,3 RMB (aprox. 0,045 UDS) 400
Cavaleiro Comum 0,1 RMB (aprox. 0,015 UDS) QUE

dispositivos institucionais que suportam algoritmos na prática” (Lee et al., 2015, p.

1603). Ao situar novos serviços de compartilhamento de viagens, como Uber e Lyft, Lee
et al. demonstrou a importância de encorajar algoritmos centrados no ser humano,
analisando as maneiras pelas quais os projetos algorítmicos que envolvem entidades não
humanas não consideram os sentimentos de desigualdade dos motoristas. Com base nas
descobertas de Lee et al. (2015) , este estudo teve como objetivo estender e conceituar
algoritmos como humanos e não humanos, bem como técnicos e sociais. Com base nos
resultados, o autor defende a reconceituação de algoritmos como “algoritmos no trabalho
cotidiano”, pedindo uma definição ampla e inclusiva de engajamento social e atividades econômicas.
Este estudo também fornece uma crítica aos algoritmos de plataforma, examinando
como os entregadores entendem os algoritmos por meio de parâmetros, como
temporalidade, afetos e gamificação. Com base nos resultados, o estudo demonstra que
os entregadores em plataformas de entrega de alimentos não são simplesmente entidades
passivas sujeitas a um “panóptico” digital (Foucault, 2012). Em vez disso, as descobertas
mostram que esses trabalhadores da plataforma geraram formas alternativas de usar e
dar sentido aos algoritmos. Ao examinar a criação e reconstrução de algoritmos entre
plataformas e trabalhadores de entrega, este estudo contribui para a discussão em curso
sobre o uso de algoritmos na economia de plataforma.

Situando algoritmos e trabalho na economia de plataforma

Tem havido algum debate sobre como os algoritmos devem ser definidos. Cientistas
sociais abordaram algoritmos indo além das restrições da ciência da computação para
aplicá-los a sistemas sociais e culturais (por exemplo, Beer, 2017; Gillespie, 2014; Lee et
al., 2015; Seaver, 2017). Gillespie (2014) considerou os algoritmos como uma “lógica do
conhecimento” particular que foi “construída sobre presunções específicas sobre o que é
o conhecimento e como se deve identificar seus componentes mais relevantes” (p. 168).
Seaver (2017) defendeu “algoritmos como cultura”, afirmando que os algoritmos devem
ser “constituídos não apenas por procedimentos racionais, mas por instituições, pessoas,
contextos que se cruzam e pela criação de sentido simples e pronta que se obtém na
cultura comum. vida” (p. 10). Seaver (2017) estabeleceu os algoritmos como “compostos
de práticas humanas coletivas” (p. 5) e recomendou que os pesquisadores explorassem
os algoritmos etnograficamente. Com base nesta pesquisa anterior, este estudo é baseado
no argumento de que os algoritmos são um processo que inclui as montagens de agentes
humanos e não humanos em contextos sociais e técnicos, onde eles se encontram,
interagem e entram em conflito uns com os outros. Na análise a seguir, portanto, os
algoritmos são examinados usando uma abordagem de ciências sociais na qual o
“algoritmo” é assumido como um conceito multicamada que inclui elementos heterogêneos e dinâmicos.
Machine Translated by Google

4 Ping Sun

práticas sociotécnicas (Beer, 2017). Ao usar essa abordagem, o algoritmo está situado
na rede social interconectada da economia sob demanda, que é constituída por diferentes
partes e tem implicações sociotécnicas multicamadas.
O estudo de algoritmos ganhou força, levando a múltiplas camadas de investigação.
Uma abordagem que é usada atualmente em estudos de algoritmos concentra-se no
poder social dos algoritmos, como eles moldam a tomada de decisão e a governança
(Yeung, 2017 ). Outros estudos descobriram que eles têm poder de agência e podem ser
agonísticos (Amoore, 2013; Kennedy, Poell e van Dijk, 2015) e que mantêm relações
estruturais de poder por meio de classificação, classificação e previsão (Mager, 2012;
Rieder, 2017). Outra abordagem tem sido examinar algoritmos através da perspectiva da
vida cotidiana (Kitchin & Dodge, 2011). Diferentemente dos estudos relacionados ao
poder social, esses estudos desenvolveram críticas político-econômicas para entender
não apenas como os algoritmos moldam as decisões organizacionais, institucionais,
comerciais e governamentais, mas também como os algoritmos são experimentados,
imaginados e até remodelados por meio da “experiência vivida no dia a dia”. ” (Cerveja,
2017, p. 6). Willson (2017) demonstrou que os algoritmos estão cada vez mais engajados
na delegação de papéis na realização e viabilização das práticas cotidianas. Willson
(2017) também forneceu diferentes algoritmos de “maneiras de ver” (p. 146),
especialmente no que diz respeito a como os usuários humanos podem usar tecnologias
para decretar suas práticas diárias ou aplicar suposições específicas. Bucher (2017)
defendeu a noção de “imaginário algorítmico” (p. 42) ao articular as relações interativas
entre os usuários e as plataformas do Facebook. Bucher argumentou que as percepções
dos usuários do Facebook sobre os algoritmos e suas funções desempenham um papel
crítico na formação e construção dos próprios algoritmos.
Seguindo a última abordagem, este estudo teve como objetivo explorar as relações
entre algoritmos e trabalho. Ele começa com um argumento de baixo para cima para a
reconsideração da criação e reconstrução de algoritmos na compreensão da política de
trabalho no caso dos trabalhadores de entrega de plataforma na China. Como os
algoritmos podem ser executados e compreendidos por meio de múltiplas perspectivas
(Seaver, 2017), este estudo considera “algoritmos no trabalho cotidiano” com relação
específica às experiências dos entregadores de trabalho mediado por algoritmos. Essa
abordagem é usada para abrir a caixa preta dos algoritmos, documentando as práticas
trabalhistas cotidianas dos entregadores. Nessa abordagem de baixo para cima, os
trabalhadores individuais são vistos não como subordinados, mas como pessoas cujos
sentimentos, emoções e experiências de algoritmos são significativos, levantando
questões sobre a compreensão da agência e do poder nas complexas interações dos
humanos com a tecnologia (Lupton, 2014 ). A abordagem “algoritmos no trabalho
cotidiano” concentra-se em histórias e experiências pessoais para ver “como os processos
de algoritmo são experimentados e reagem no nível da experiência cotidiana” (Beer,
2017, p. 6 ) . Como mencionado anteriormente, os algoritmos devem ser usados além
do sigilo corporativo e das restrições tecnológicas (Dourish, 2016), e devem ser inseridos
em múltiplos sistemas sociais que são constituídos por engajamentos e práticas variadas.
No presente estudo, o conceito de “fazer e refazer algoritmos” é empregado para revelar
a dinâmica e a manifestação da política trabalhista que ocorre na atual economia de
plataforma. O conceito refere-se à criação e reconstrução de algoritmos conforme eles
são continuamente refinados pelo feedback dos trabalhadores da plataforma e da
paisagem social. Este estudo visa explicar, por um lado, as razões pelas quais o trabalho
digital se tornou mais acessível e precário na economia de plataforma contemporânea e, por outro
Machine Translated by Google

Jornal Chinês de Comunicação 5

Por outro lado, como é possível quebrar o “halo do algoritmo” aplicando-o ao contexto da política
trabalhista digital.
Na análise empírica a seguir, “a construção e reconstrução de algoritmos” é operacionalizada
em três etapas. Primeiro, são documentadas as percepções do trabalho de plataforma como sendo
flexível e os conflitos empresariais com as experiências cotidianas de trabalho dos entregadores.
Em segundo lugar, é explicado como os indivíduos entendem os algoritmos por meio da experiência
de trabalho em tempo real e das plataformas digitais. Em terceiro lugar, é explorado como os
indivíduos podem ir além dos algoritmos de plataforma e reconstruir “algoritmos de trabalho”
alternativos.

Questões e métodos de pesquisa

Desde 2015, a Baidu Deliverys desenvolveu logística de inteligência artificial (AIL), com o objetivo
de construir o primeiro sistema de despacho de pedidos de IA e plataforma de pedidos de comida
online. A Meituan e a Eleme seguiram de perto o Baidu ao estabelecer seus próprios sistemas
automatizados de despacho de alimentos on-line em 2016 (Tencent News, People.com.cn). Desde
então, as três gigantes das plataformas de entrega, que geram milhões de pedidos de comida todos
os dias, contam com um sistema algorítmico remoto, eletrônico e altamente automatizado. À medida
que as tecnologias, como automação, realidade virtual e inteligência artificial, na economia sob
demanda floresceram, houve uma tendência de enfatizar as características técnicas, programáveis
e às vezes inacessíveis dos algoritmos. Esse fluxo de conhecimento pode ajudar a entender o poder
da infraestrutura técnica. No entanto, tais estudos geralmente ignoram o trabalho humano envolvido
na economia de plataforma. É imperativo perceber que a pesquisa anterior sobre as maneiras pelas
quais a tecnologia está remodelando o futuro do trabalho é caracterizada por uma “falta de
envolvimento geral com trabalhadores temporários cujas vidas e meios de subsistência são
diretamente afetados pelas mudanças em andamento” (van Doorn, 2017 , pág. 908). Na China, os
milhões de trabalhadores digitais envolvidos na economia de plataforma permanecem invisíveis para
a maioria da população. Portanto, fica clara a necessidade de estudos a partir de perspectivas
baseadas no cotidiano dos trabalhadores.

Estudos anteriores sobre tecnologia e trabalho desenvolveram críticas ao capitalismo de

plataforma, mostrando como os trabalhadores digitais se tornam “trabalhadores algorítmicos” (Rosenblat
e Stark, 2016) quando suas práticas de trabalho e desempenho são controlados por algoritmos (por
exemplo, van Doorn, 2017; Rosenblat e Stark, 2016). Se a compreensão da estrutura do capitalismo
de plataforma for invertida e todos os seus constituintes forem considerados, surge uma questão
central: o que o algoritmo significa para os trabalhadores de plataforma? Para responder a esta
questão, são colocadas as seguintes questões: Quais são as condições de trabalho dos entregadores
em plataformas de entrega de comida e como eles experimentam e dão sentido aos algoritmos? O
que pode ser aprendido com a compreensão dos algoritmos dos entregadores?

Neste estudo, as práticas de trabalho dos entregadores de comida foram examinadas em um

estudo de caso de três grandes plataformas de pedidos de comida online na China: Meituan, Eleme
e Baidu Delivery. Uma abordagem de trabalho de campo etnográfico foi usada para examinar o
desempenho dos entregadores e como eles entenderam os algoritmos usados em seu trabalho.
Neste estudo qualitativo, os entregadores de comida online foram observados em espaços físicos e
digitais com base no uso de “algoritmos no trabalho cotidiano”. Os dados foram coletados em
entrevistas,
Machine Translated by Google

6 Ping Sun

observações participantes e etnografia online. Como os algoritmos podem ser aplicados e

apreendidos por meio de uma ampla gama de métodos usados por diferentes públicos, este
estudo é baseado na suposição de que a etnografia é um método de pesquisa apropriado.
Ele pode ser usado para examinar as inter-relações entre humanos e não-humanos, “a
produção local de representação abstrata” (Seaver, 2017, p.6), a criação de sentido de
operações algorítmicas e os diversos engajamentos dentro do ecossistema sociotécnico
(van Doorn , 2017) de uma perspectiva interativa e construtiva.

O trabalho de campo etnográfico foi realizado de março de 2017 a agosto de 2018.

Foi realizado em Pequim, que tem o maior número de entregadores na China. Quarenta e
cinco entrevistas semiestruturadas em profundidade foram realizadas com entregadores de
alimentos das três plataformas (43 homens, 2 mulheres; 36 em período integral, 9 em meio
período; média de idade 23 anos; média de horas de trabalho de 12,4 por dia) . Devido aos
horários agitados dos entregadores de alimentos, o autor procurou seguir suas rotinas de
trabalho e conduzir as entrevistas onde era possível fazê-lo. A maioria das entrevistas foi
realizada em restaurantes ou na rua, enquanto os trabalhadores aguardavam pedidos. A
duração das entrevistas foi de 60 a 90 minutos.
Em cada entrevista, o pesquisador começava informando aos entregadores o objetivo do
estudo e assegurando-lhes que os dados da entrevista seriam confidenciais.
O consentimento informado foi obtido dos participantes antes das entrevistas. Todas as
entrevistas foram realizadas em chinês e depois traduzidas para o inglês pelo autor.
Durante o trabalho de campo, a autora visitou semanalmente os entregadores em seus
locais de encontro como zhandian (pequenas estações), restaurantes e esquinas. No início,
não foi fácil para uma pesquisadora ser aceita nessa indústria altamente dominada por
homens. Alguns entregadores consideravam o autor um fiscal da empresa, por isso tentaram
manter distância. No entanto, à medida que o trabalho de campo continuou, o autor juntou-
se às suas conversas e jogou jogos móveis com os trabalhadores. Aos poucos, a autora fez
amizade com alguns deles, que mais tarde concordaram em deixá-la acompanhá-los nas
jornadas diárias de trabalho, observar como recebiam os pedidos, recolhiam a comida e
faziam as entregas. O autor também visitou alguns locais de moradia dos entregadores e
documentou suas histórias de vida. Além disso, o autor conduziu entrevistas com o Diretor
de Estratégia (CSO), o líder do departamento de P&D e o Vice-presidente de Recursos
Humanos (HRVP) da Baidu Delivery. Todas as entrevistas foram transcritas pela autora e
sua equipe.
O software de codificação NVivo foi usado para identificar os seguintes três padrões de
trabalho de parto.

Tornando-se um “cavaleiro”: três modos de trabalho algorítmico

temporalidade A temporalidade tornou-se uma importante fonte
de valor na economia sob demanda, especialmente em plataformas de entrega de alimentos
onde atender às necessidades imediatas dos clientes é a prioridade. Os algoritmos da
plataforma têm desempenhado um papel importante na mediação dos tempos de trabalho
dos entregadores. Por um lado, a plataforma calcula e revisa constantemente o prazo de
entrega; por outro lado, o sistema de despacho automático gera a “adesão à plataforma”
pelos entregadores. Este termo refere-se a uma situação em que os entregadores de
plataforma são impedidos de participar do controle de tempo enquanto dependem das
plataformas durante o processo de trabalho. Xiao Ji era o
Machine Translated by Google

Jornal Chinês de Comunicação 7

primeiro entregador que entrevistei em meu trabalho de campo. Durante a entrevista, ele expressou
o seguinte:

“Quando comecei a trabalhar para a Baidu, o tempo de entrega de cada um dos pedidos era de 45
minutos, mas hoje em dia foi reduzido para 29 minutos! É louco. Quando você vê seu celular, ele mostra
que você tem apenas alguns minutos, você precisa correr.”

Como a velocidade e a eficiência eram enfatizadas nas plataformas, os entregadores geralmente

estavam sob grande pressão para entregar os pedidos aos clientes rapidamente.
Além disso, durante o horário de pico, os trabalhadores tinham que competir com os prazos de
entrega limitados estabelecidos pelas plataformas. A aplicação instalada nos telemóveis dos
entregadores recolheu e acumulou periodicamente dados sobre o tempo de entrega com o objetivo
de prever, gerir e reordenar os prazos de entrega de forma cada vez mais precisa. No entanto, o
projeto algorítmico de cronometrar o trabalho de entrega dos trabalhadores não incluiu seu trabalho
emocional. Durante as entrevistas, a competição com o tempo foi um dos assuntos mais citados
pelos entregadores.
Por serem considerados altamente substituíveis, os entregadores também têm dificuldade em
negociar o valor de sua mão de obra para as plataformas. À medida que o sistema de IA se torna
mais inteligente, a plataforma tenta encurtar o tempo de entrega para otimizar os recursos de mão
de obra e alavancar o valor extra gerado pelos entregadores. Li Feng ficou zangado com a forma
como Meituan calculou a distância e o tempo de entrega:

“Ao estimar o tempo de entrega, ele (o algoritmo) prevê o tempo de duração com base na distância
linear. Isso não é verdade! Não é o caso quando entregamos a comida. Tem muitos enrolamentos. E
também precisamos esperar o semáforo. … Ontem entreguei um pedido que foi reivindicado como 5
quilômetros pelo sistema; porém, rodei quase 7 quilômetros. O sistema nos considera helicópteros, mas
não somos.”

O horário de corte levou a um aumento dramático no número de acidentes de trânsito sofridos pelos
trabalhadores de entrega. Muitos entregadores optaram por não seguir as regras de trânsito quando
o prazo de entrega estava acabando. No entanto, pegar atalhos ou desviar para o lado errado da
estrada frequentemente resultava em tragédia. No primeiro semestre de 2017, 76 vítimas de
acidentes de trânsito na China eram entregadores, metade dos quais trabalhava para Eleme e
Meituan (The Paper, 2017).
De acordo com o Sina News (http://news.sina.com.cn/), há baixas de entregadores a cada 2,5 dias
em Xangai (Sina News, 2017). Em Nanquim, há 18 acidentes de trânsito envolvendo entregadores
todos os dias.
O processo de plataformatização permitiu que sistemas algorítmicos despachassem pedidos e
gerenciassem entregas, de modo que os entregadores perderam o controle sobre seu tempo de
trabalho. Embora corporações, como Meituan, Eleme e Baidu, prometam horários flexíveis e bons
pagamentos quando recrutam trabalhadores de entrega, com base em experiências reais de Li
Feng, tais incentivos “não podem ser levados a sério”.
Seu trabalho diário depende inteiramente do sistema de pedidos e despacho de IA, que geralmente
é percebido como evasivo e fechado (Greenfield, 2017). Como trabalhadores a tempo inteiro, são
obrigados a cumprir a jornada obrigatória de oito horas; no entanto, a maioria deles opta por
trabalhar mais horas para obter mais pedidos. Li Feng revelou: “Se o sistema não lhe atribuir
pedidos suficientes nas horas de ponta, você terá que esperar por mais (pedidos), caso contrário,
não poderá pagar as contas”.
Machine Translated by Google

8 Ping Sun

Figura 2. Status do pedido no aplicativo utilizado pelo Baidu Delivery.

Como sua renda é baseada no número de pedidos, os entregadores dependem muito das
plataformas. Consequentemente, a “adesão à plataforma” tornou-os trabalhadores de risco que
perderam o controle de seu tempo de trabalho (Neff, 2012). Em comparação com a manufatura, onde
a produção e a reprodução são rigorosamente programadas, os trabalhadores da plataforma
experimentam uma demarcação indistinta entre trabalho e lazer. Os trabalhadores passam a maior
parte do tempo de trabalho jogando no celular, fumando ou conversando na esquina enquanto
esperam por pedidos. Além disso, eles estão de prontidão e devem estar preparados para trabalhar
a qualquer momento. Alguns até recebem alertas quando estão no banheiro. Sharma (2014) chamou
essa hierarquia de tempo de “cronografia de poder”, em que os horários de trabalho dos trabalhadores
estão além de seu controle e vinculados às necessidades temporárias dos clientes. A falta de
demarcação entre trabalho e lazer é consistente com o conceito de Gregg (2013) de “intimidade no
trabalho”, no qual o tempo de trabalho das pessoas é onipresente devido à Internet e à penetração
das mídias digitais. Para os entregadores, a “adesão à plataforma” é uma condição de trabalho ainda
pior porque os algoritmos da plataforma não só ocupam o tempo de reprodução dos entregadores
como os impedem de controlar seus horários de trabalho.

Trabalho afetivo e emocional

Como as plataformas de entrega de comida são fortemente orientadas para seus clientes, os
entregadores precisam realizar vários tipos de trabalho emocional (Hochschild, 2003) sob a
governança algorítmica das plataformas:

“Nos dizem que muitos devem e não devem. Por exemplo, ao entregar a comida, não
podemos entrar no quarto do cliente, receber gorjetas ou pedir um
Machine Translated by Google

Jornal Chinês de Comunicação 9

bom comentário. Temos que sorrir, bater na porta e entregar o troco com as duas mãos”.

Segundo Hochschild (1979), o trabalho emocional refere-se ao ato de expressar emoções

socialmente desejadas durante as transações de serviço. Neste estudo, o trabalho emocional refere-
se à regulação emocional e ao desempenho dos entregadores quando estão lidando com os clientes.
Assim, a entrega é uma espécie de performance social centrada nos clientes. Consequentemente,
esse desempenho contribui para a geração de uma cultura orientada para o cliente (van Doorn,
2014) , pois os prestadores de serviços se otimizam para deixar os clientes satisfeitos e enfrentar a
situação de marginalização. Alguns entrevistados também mencionaram que tinham que fazer
ligações constantemente, marcar horários e esperar do lado de fora quando um cliente não estava
em casa. Às vezes, eles precisavam se desculpar, mesmo que não fossem responsáveis por um
atraso inesperado. De acordo com os entregadores, a suposição implícita é “deixar o cliente satisfeito
e obter um comentário cinco estrelas”. Os comentários e avaliações do cliente estão diretamente
relacionados aos salários e promoções dos entregadores. Por exemplo, os rendimentos finais dos
entregadores da Baidu nas plataformas são baseados nas avaliações dos clientes. As classificações,
que são geradas pelo aplicativo de pedidos de comida dos clientes, estão em uma escala de 1 a 5,
onde 1 significa a experiência menos preferida e 5 significa a experiência mais preferida.

Os direitos supremos dos clientes (Hanser, 2007), segundo muitos entrevistados, “não são um
comércio justo”. A Figura 2 mostra a captura de tela de um pedido de cliente na plataforma Baidu. O
aplicativo exibe todas as etapas do processo de entrega de comida ao cliente após o recebimento
do pedido. Também mostra os números de celular dos entregadores para facilitar a comunicação
dos clientes com eles. Os clientes também têm o direito de “cancelar o pedido” ou “apressar a
comida” (cui dan, ÿÿ) a qualquer momento durante o processo de pedido. Alguns entregadores
reclamaram que não estavam em pé de igualdade em relação à comunicação. Por exemplo, Zhu
disse: “Eles (clientes) podem ver tudo, todos os processos, mas não sabemos quem são. E quando
há um problema, não podemos simplesmente cancelar a entrega como eles fazem.” Zhu também
compartilhou sua experiência com o cancelamento de um pedido:

“Ontem, recebi dois pedidos para entrega do mesmo restaurante. Um tem cerca de 1,5
km, faltam 45 minutos; o outro tem cerca de 3 quilômetros, faltam 20 minutos. Para
garantir a entrega dos dois pedidos a tempo, fui primeiro ao pedido que tinha uma distância maior.
Mas o cliente com a distância mais curta assistiu meu GPS passar sem entregar sua
refeição. Ele parecia zangado, então cancelou o pedido e reclamou na plataforma. … Eles
simplesmente não entendem que você tem tantos pedidos para entregar ao mesmo tempo
que precisa encontrar uma maneira melhor.

Nas plataformas de pedidos de comida online, as avaliações realizadas por algoritmos são
legitimadas com base nas suposições codificadas de quem “importa e quem não importa”
(Rosenblat e Stark, 2016). Essa descoberta está de acordo com a definição de Hanser (2007) de
“trabalho de distinção”. No estudo de Hanser, o trabalho de serviço interativo realizado nas lojas de
departamento chinesas mostrou relações de poder desiguais entre os trabalhadores e os
compradores. No design algorítmico dos aplicativos de entrega de comida, existe uma lógica de
“supremacia do cliente”, que explica a marginalização dos entregadores. No sistema de entrega da
plataforma, essa lógica é legitimada ao fornecer aos clientes o poder de acessar o mapa de entrega,
apressar o pedido, avaliar a entrega
Machine Translated by Google

10 Ping Sun

Tabela 2. Subsídios para necessidades especiais em Meituan Waimai.

Valor do Subsídio para

Tipos Especiais de Subsídios Requisitos Um pedido

Distância de entrega Mais de 3 quilômetros 2 RMB (aprox. 0,30 USD)

Turno da noite 21:00-24:00 2 RMB (aprox. 0,30 USD)
24:00-3:00 O 3 RMB (aprox. 0,46 USD)
Grande Pedido custo do pedido é superior a 80 RMB 2 RMB (aprox. 0,30 USD)
(aprox. 12,16 USD)
O custo do pedido é superior a 200 5 RMB (aprox. 0,76 USD)
RMB (aprox.
30,40 USD)
O custo do pedido é superior a 500 10 RMB (aprox. 1,50 USD)
RMB (aprox.
76,01 USD)
O custo do pedido é superior a 1.000 15 RMB (aprox. 2,28 USD)
RMB (aprox.
152,04 USD)

trabalhadores e fazer reclamações. Para os entregadores, essa “supremacia do cliente” é

outro tipo de controle algorítmico onde eles devem confrontar as “assimetrias de
informação” (Rosenblat e Stark, 2016) e as “assimetrias de acesso” durante seu processo
de trabalho. Diferentemente dos motoristas do Uber ou do Didi, que podem fazer avaliações
para seus clientes, os entregadores não podem acessar os números de telefone dos clientes
antes de iniciar a entrega nem avaliar seus clientes. Segundo Bowker e Star (2000), “o
software que conduz imanentemente operações de coleta, organização e previsão pode ser
visto como o 'discurso organizacional e político congelado' que circula como um meio de
legitimar a desigualdade” (p. 135). Como as plataformas programaram e projetaram
trabalhadores para serem trabalhadores servis, esses entregadores precisam gerar valores
afetivos, como explicar, coordenar e comunicar durante suas práticas de trabalho.

Gamificação
Uma característica chave das plataformas takeaway é que os algoritmos de software
tomaram o lugar dos gerentes humanos na gestão de recursos humanos e nas análises de
desempenho (Lee et al., 2015). Essa substituição foi alcançada por meio da construção e
legitimação de complicados sistemas de avaliação e classificação, que monitoram
constantemente as práticas de trabalho dos entregadores. Muitos entregadores se
perceberam envolvidos em um “jogo” algorítmico de categorização e cálculo projetado pela
plataforma.
A estratégia geral de jogo das plataformas de entrega de alimentos neste estudo é
baseada em uma “técnica de gerenciamento escalável” (van Doorn, 2017, p. 903) ou
“categorização”. Nessa técnica, os entregadores são categorizados em diferentes níveis
com base, mas não limitado a, número de pedidos concluídos, distância percorrida, duração
do horário de trabalho e análises de desempenho do trabalho, como avaliações e comentários
dos clientes. A renda total dos entregadores é uma combinação de salário mínimo (jiben
gongzi, ÿÿÿÿ) e bônus. A Baidu Delivery fornece um exemplo útil. O salário básico para
trabalhadores de entrega por mês é de 3.000 RMB (aproximadamente 457 USD). Os bônus
são baseados no
Machine Translated by Google

Revista Chinesa de Comunicação 11

o nível de “cavaleiro” do entregador, bem como o número de pedidos que ele entregou naquele
mês. Cada nível denota uma quantidade diferente de bônus. O bônus do Cavaleiro Comum pode
ser tão baixo quanto 0,015 USD por entrega, e o bônus do Cavaleiro Divino é de 0,23 dólares
americanos para cada entrega (consulte a Tabela 1). Os pontos acumulados são o elemento-
chave na atualização para níveis mais altos. Os pontos são baseados nas avaliações dos clientes,
que serão detalhadas na seção a seguir.
Para impulsionar seus negócios de entrega, as plataformas incentivam seus entregadores a
entregar o maior número possível de pedidos em um tempo limitado. De acordo com Xiao Xu,
“eles querem que trabalhemos dia e noite. Para economizar tempo esperando o elevador, continuei
subindo as escadas e meus joelhos quase me mataram.” Quando eu disse a Xiao Xu que queria
ser entregador, ele ficou surpreso e disse: “não é adequado para você, muito trabalho físico”.
Além dos bônus de entrega normal, as plataformas também fornecem diferentes formas de bônus
para aumentar seus pedidos, que incluem entregas de longa distância, turnos noturnos, mau
tempo, entregas imediatas e entregas de grandes encomendas (ver Tabela 2 ) . Esse sistema de
avaliação hierárquico e “gamificado” incentiva a competição entre trabalhadores individuais,
grupos e locais, atuando como base para a automotivação e o empreendedorismo.

O sistema de avaliação ganha assim legitimidade não só através da gamificação do envolvimento

comportamental dos trabalhadores (Rosenblat e Stark, 2016) , mas também através da integração
dos trabalhadores na reprodução do sistema de avaliação (Gillespie, 2014).
O sistema de classificação geral usado pela Baidu Delivery é baseado em um esquema de
resgate de pontos. Nesse esquema, ao final de cada mês, o número de pontos necessários para
manter o mesmo nível de Cavaleiro é subtraído do total de pontos acumulados. Caso os pontos
acumulados não sejam suficientes para manter o nível de Cavaleiro correspondente, o entregador
é rebaixado para um nível inferior no mês seguinte. A crescente capacidade das empresas de
entrega de coletar e tabular dinâmicas sociais como padrões de informação e avaliação agrava as
más condições de trabalho do entregador, reduzindo-o a um “sujeito móvel” ÿPlatt et al., 2016, p .
2209). Quanto maior o seu nível, maior a pressão para manter esse nível. “Eu me tornei um
Cavaleiro Negro de Ouro no mês passado. Eu não esperava isso. Se eu quiser manter, veja, como
o Ouro Preto, preciso de mais 832 pontos. É muito trabalho a fazer”, disse Xiao Xu enquanto me
mostrava seu celular. Em seu aplicativo Xiaodu Qishi, vi um lembrete dizendo: “para manter o
mesmo nível, você precisa de mais 832 pontos”. A categorização do trabalho é indicativa da
governança e controle que as plataformas exercem sobre os entregadores. Ao prometer aos
trabalhadores o potencial de aumentos salariais, o sistema de cálculo categorizado contribui para
o que Gillespie (2014) descreveu como a criação do “trabalhador calculado”, que é essencialmente
um trabalhador gerido por algoritmos (Rosenblat e Stark, 2016). Os detalhes do trabalho diário do
trabalhador, atualização, rebaixamento, recompensas e penalidades são baseados em
categorização e cálculo em algoritmos de software.

As três dimensões do trabalho de plataforma – temporalidade, trabalho emocional e

gamificação – são indicativas da abordagem de “algoritmos no trabalho cotidiano”. Essa abordagem
revela não apenas a ascendência dos algoritmos usados pelas plataformas de entrega, mas
também a tensão entre elas e seus entregadores. As plataformas de entrega de alimentos
dependem fortemente de um pool de trabalho intensivo para gerar dados massivos para
substanciar seus algoritmos e mantê-los funcionando corretamente. Portanto, há um conflito entre
os entregadores e as plataformas em relação à compreensão dos algoritmos. Em outras palavras,
os entregadores entendem o
Machine Translated by Google

12 Ping Sun

algoritmos está em conflito com a lógica de gerenciamento e extração de dados da economia de

plataforma (Srnicek, 2017). Em vez de seguir o sistema algorítmico da plataforma o tempo todo, os
trabalhadores criam seus próprios “algoritmos orgânicos” para gerenciar e, em alguns casos, até
subverter o sistema. Suas práticas diárias de trabalho podem representar estratégias alternativas
para dar sentido aos algoritmos da empresa de plataforma.

Refazendo algoritmos no trabalho diário À

medida que o trabalho dos trabalhadores dependentes de plataforma tornou-se totalmente
digitalizado e vigiado, sua alfabetização e compreensão dos algoritmos passaram de desconhecidos
para vernáculos e discursos variados. Em sua criação de algoritmos, os trabalhadores empregaram
uma abordagem de baixo para cima, na qual o trabalho de entrega e o desempenho do trabalho se
tornam “insumos” importantes, enquanto a obtenção de renda e a sustentabilidade se tornam
“produtos”. Ao “introduzir” diversas práticas de trabalho durante o processo de parto, os entregadores
compreenderam os mecanismos subjacentes e as relações sociotécnicas. Finalmente, eles refizeram
um conjunto de “algoritmos de trabalho” que poderiam facilitar seu desempenho no trabalho.

Por exemplo, os entregadores taticamente gamificaram os algoritmos da plataforma, alinhando-

se com outros participantes da economia da plataforma. Na primavera de 2014, durante a guerra de
bônus entre as plataformas rivais de entrega de comida Baidu Delivery, Eleme e Meituan, e no verão
de 2017 entre a Eleme e a Meituan, os entregadores recebiam os pedidos online sozinhos. Depois
de receberem as encomendas atribuídas, fingiam cumpri-las sem efectivamente entregar comida
nos destinos. Os entregadores, restaurantes ou fabricantes de alimentos dividiriam os lucros. Como
as plataformas forneciam bônus após um certo número de pedidos, os entregadores em um zhandian
ajudavam uns aos outros a criar pedidos para que pudessem receber bônus.

Durante o horário de pico, para garantir que a comida seja entregue ao cliente no prazo e sem
reclamações, os entregadores podem transferir seus pedidos entre si, formal ou informalmente.
Formalmente, eles podem usar a função “transferência de pedido” (zhuandan) no aplicativo de
entrega para informar outros funcionários sobre o pedido.
No entanto, eles geralmente pediam informalmente a colegas ou mesmo amigos para concluir a
entrega por meio de seu grupo WeChat, que é uma comunidade virtual de mídia social de colegas e
aldeões. Quando se encontravam em restaurantes, conversavam sobre seus pedidos e os
transferiam para economizar tempo e bateria em suas e-bikes:

“O pedido que fiz só tem 2 minutos restantes. Fica no 26º andar e o elevador está cheio.
Acontece que vejo que um colega está para vir, então entrei em contato com ele e deixei a
comida para ele porque tinha outros três que estavam prestes a se atrasar.

Embora o sistema de IA tenha sido projetado para tomar decisões inteligentes com base em cálculos
de tempo precisos, ele não está imune a erros, como fazer previsões de tempo imprecisas ou
mostrar rotas de entrega falsas. Para evitar ser enganado pelo sistema de fundo, os entregadores
aprenderam a confiar mais em seu próprio conhecimento do que no algoritmo. Eles controlaram
estrategicamente quando e onde trabalhar e quando ativar o modo de trabalho do aplicativo para
obter os tipos de pedidos de sua preferência. Trabalhadores veteranos tinham uma rica experiência
e conhecimento sobre tempo real
Machine Translated by Google

Revista Chinesa de Comunicação 13

condições de tráfego e rotas de entrega. Esses veteranos geralmente escolhem a rota em que
confiam, em vez da rota recomendada pelo algoritmo.
As redes sociais, especialmente o WeChat, tornaram-se uma comunidade virtual de entregadores
para mitigar sua vulnerabilidade e enriquecer sua alfabetização de algoritmos em condições precárias
de trabalho. Um entregador geralmente se junta a dois ou três grupos do WeChat para entrega de
comida. O primeiro é o grupo de correio baseado em zhandian, o segundo é o grupo de correio
baseado em Xiaozu (subunidade de zhandian) e o terceiro pode incluir seus amigos e outros aldeões.
Como as plataformas de entrega de comida mudam constantemente suas políticas de bônus,
informações de incentivo e outras regulamentações de gerenciamento digital, os grupos do WeChat
se tornaram locais importantes para compartilhamento e circulação de informações entre os
entregadores dispersos. É também um espaço crítico para a construção de “comunidades de
práticas” (Wenger, 2000) porque permite que os trabalhadores digitais compartilhem suas táticas de
entrega, experiência em comunicação com clientes e tratamento de reclamações, bem como
informações fornecidas sobre tráfego em tempo real condições.

Como a atribuição de pedidos algorítmicos não é confiável e imprevisível, os entregadores

aprenderam a “jogar” e reduzir a incerteza trocando virtualmente seus locais de trabalho. Eles
baixaram vários aplicativos de entrega ao mesmo tempo e mudaram constantemente suas condições
de trabalho para receber mais pedidos de diferentes plataformas de entrega. Yawei, entregador
Eleme em tempo integral, me mostrou seu celular com três aplicativos de entrega: Shansong, Baidu
Xiaofeixia e Meituan Zhongbao. Quando não havia nenhum pedido atribuído de Eleme, ele abriu os
outros dois e assinou como mensageiro em meio período. Essa abordagem de “planejamento”

(Moten & Harney, 2013) seus horários de trabalho por meio da gamificação dos algoritmos de fundo
abriram “possibilidades adjacentes” (Lobenstine & Bailey, 2014) para os entregadores refazerem
seus “algoritmos de trabalho” e complicarem as relações entre seu trabalho, a economia de
plataforma e o uso de algoritmos.
Embora estejam sob rigorosa governança algorítmica, os entregadores encontraram maneiras
alternativas de entender os algoritmos e desenvolver novas formas de cooperação na criação de
estratégias para contornar os algoritmos. A tentativa de construir o trabalho algorítmico se estende
além da lógica do capital e do mercado, não apenas para incorporar algoritmos inacessíveis na
condição material do trabalho, mas também para reabrir a luta coletiva em um nível algorítmico. As
comunidades virtuais construídas por esses trabalhadores tornaram-se bases críticas para
entregadores individuais entenderem e refazerem algoritmos que poderiam utilizar em seu trabalho
diário.

Discussão e conclusão

Este estudo explorou a política de trabalho de plataforma em um contexto social de algoritmos e

digitalização. As descobertas indicam que os entregadores entendem os algoritmos da economia de
plataforma e da digitalização na China. Em relação às questões de pesquisa, o estudo examinou as
maneiras pelas quais os entregadores experimentaram os algoritmos da plataforma por meio de três
modos: temporalidade, trabalho emocional e gamificação. Verificou-se que os entregadores que
haviam sido descritos como “indivíduos empreendedores” e “cavaleiros” estavam, na verdade,
sujeitos a controle e gerenciamento algorítmicos rigorosos. Além disso, os algoritmos de fundo, que
foram declarados imparciais e isentos de valor, melhoraram a plataforma
Machine Translated by Google

14 Ping Sun

capitalismo e priorizou os objetivos das empresas e as necessidades de seus clientes.

Na economia compartilhada, supõe-se que os trabalhadores possam ganhar dinheiro

em seu tempo de lazer; no entanto, uma ideologia de plataforma que prioriza o
empreendedorismo mina a essência do trabalho de plataforma. Como o algoritmo usado
pela plataforma de entrega de comida em seu sistema de despacho de pedidos impedia que
os trabalhadores controlassem seu tempo, muitos entregadores arriscavam trabalhar mais
tempo e perder seu tempo de reprodução. A linha entre seu tempo de lazer e seu tempo de
trabalho era tênue.
Neste estudo, a abordagem de “algoritmos no trabalho cotidiano” foi usada para
reconsiderar as inter-relações entre a economia de plataforma, algoritmos e agência. Ao
usar essa abordagem, descobriu-se que os entregadores desenvolveram um vernáculo e
um discurso variados para dar sentido aos algoritmos e desenvolveram um conjunto de
“algoritmos de trabalho” para facilitar o desempenho do trabalho. Com base nessas
constatações, “fazer e refazer algoritmo” deve ser incluído na produção digital e seu
significado na interseção entre algoritmo e trabalho deve ser repensado.

O governo chinês ainda está no estágio inicial de regular o desenvolvimento da

plataforma. Portanto, a lógica dos algoritmos nas plataformas de entrega de alimentos
reflete principalmente a lógica do capitalismo. Com a digitalização contínua e a
plataformatização da economia chinesa, os algoritmos estão se tornando uma nova
infraestrutura que está transformando e reconfigurando a política trabalhista. Ao vincular
diferentes partes, como corporações de plataforma, empresas de terceirização, trabalhadores
migrantes e clientes, um ecossistema de bens e serviços que prioriza o consumo enquanto
exacerba a precariedade dos trabalhadores de plataforma está sendo estabelecido.

Estruturas de poder assimétricas refletem profundas desigualdades sociais em vários

níveis que não se limitam a algoritmos ou programação. Evgeny Morozov (2014) afirmou
que os vieses sociais existem independentemente de algoritmos ou computadores estarem
fazendo o trabalho ou não. Da mesma forma, Leurs e Shepherd (2017) argumentaram que
os algoritmos são uma forma de “genocídio metodológico” que desconsidera história, cultura,
contexto, especificidade, significados, estrutura e agência. Neste estudo etnográfico, os
algoritmos foram entendidos como inseridos em relações sociotécnicas locais, contextuais
e multicamadas. O estudo abordou não apenas a necessidade de focar a pesquisa em
algoritmos e software, mas também o trabalho humano amplamente ignorado que deveria
estar no centro de qualquer análise da sociedade da informação. Argumentou-se que os
algoritmos poderiam ser conceituados não apenas por uma abordagem de caixa preta, mas
também por experiências e práticas cotidianas. No presente estudo, essa abordagem foi
aplicada para examinar a comunicação diária dos entregadores, o desempenho no trabalho
e as “comunidades de prática” (Wenger, 2000) em ambientes locais. As descobertas deste
estudo etnográfico demonstram a necessidade de reconsiderar os significados políticos e
sociotécnicos dos algoritmos no desenvolvimento de um meio de cooperativismo de
plataforma (Scholz, 2016) na transformação da China.

declaração de divulgação
Nenhum potencial conflito de interesse foi relatado pelos autores.
Machine Translated by Google

Revista Chinesa de Comunicação 15

Notas sobre o colaborador

Ping Sun é professora assistente no Instituto de Jornalismo e Comunicação da Academia Chinesa de
Ciências Sociais. A sua investigação incide principalmente sobre TIC, plataforma e trabalho digital.

Referências
Amoore, L. (2013). A política da possibilidade: risco e segurança além da probabilidade. Durham:
Duke University Press.
Cerveja, D. (2017). O poder social dos algoritmos. Informação, Comunicação e Sociedade,
20(1), 1–13.
Bowker, GC, & Star, SL (2000). Classificando as coisas: Classificação e suas consequências.
Cambridge, MA: MIT Press.
Bucher, T. (2017). O imaginário algorítmico: explorando os efeitos comuns dos algoritmos do Facebook.
Informação, Comunicação e Sociedade, 20(1), 30–44.
China Internet Network Information Center (CNNIC). (2018). Relatórios estatísticos sobre o
Desenvolvimento da Internet na China. Pequim: CNNIC.
Dourish, P. (2016). Algoritmos e seus outros: cultura algorítmica em contexto. Big Data & Society, 3(2), 1–11.

Foucault, M. (2012). Disciplinar e punir: o nascimento da prisão. Nova York: Vintage.

Gillespie, T. (2010). A política das “plataformas”. New Media & Society, 12(3), 347–364.
Gillespie, T. (2014). A relevância dos algoritmos. Em T. Gillespie, PJ Boczkowski, & Foot, K. A (Eds.),
Tecnologias de mídia: ensaios sobre comunicação, materialidade e sociedade (pp. 167–194). Cambridge,
€
MA: MIT Press.
Gloss, M., McGregor, M., & Brown, B. (2016). Projetando para o trabalho: Uber e a força de trabalho móvel
sob demanda. Anais da Conferência CHI de 2016 sobre Fatores Humanos em Sistemas de Computação,
1632–1643. CHI'16. Nova York, NY, EUA: ACM.
Greenfield, A. (2017). Tecnologias radicais: O design da vida cotidiana. Nova York: Verso Books.
Gregg, M. (2013). A intimidade do trabalho. Nova York: John Wiley & Sons.
Hanser, A. (2007). O cliente tem sempre razão? Classe, serviço e produção de distinção em lojas de
departamento chinesas. Teoria e Sociedade, 36(5), 415–435.
Harvey, D. (1990). A condição da pós-modernidade: uma investigação sobre as condições da mudança
cultural. Londres: John Wiley and Sons Ltd.
Hochschild, AR (1979). Trabalho emocional, regras de sentimento e estrutura social. americano
jornal de sociologia, 85 (3), 551-575.
Hochschild, AR (2003). O coração administrado: Comercialização do sentimento humano.
Califórnia: University of California Press.
Kitchin, R., & Dodge, M. (2011). Código/espaço: Software e vida cotidiana. Cambridge, MA:
Imprensa MIT.
Lee, MK, Kusbit, D., Metsky, E., & Dabbish, L. (2015, abril). Trabalhando com máquinas: o impacto do
gerenciamento algorítmico e baseado em dados em trabalhadores humanos.
Anais da 33ª Conferência Anual da ACM sobre Fatores Humanos em Sistemas de Computação (pp.
1603–1612). ACM.
Leurs, K., & Shepherd, T. (2017). Dataficação e discriminação. Em MT Sch€afer & K.
Van Es, K. (Eds.), The datafied society: Studying culture through data (pp. 211–231).
Amsterdã: Amsterdam University Press.
Liang, M. (2017). Hard control e soft contract: Trabalho doméstico sob influência de
Internet (em chinês). Coleção de Estudos da Mulher. 5(1), 47–59.
Lobenstine, L., & Bailey, K. (2014). Redefinindo o possível adjacente: Jovens e comunidades negras
enfrentam o (não) novo futuro do (não) trabalho. Futuro do projeto de trabalho. Recuperado de https://
static.opensocietyfoundations.org/misc/future-of-work/the-informal-economy and-the-evolving-hustle.pdf

Lupton, D. (2014). Sociologia digital. Londres: Routledge.

Mager, A. (2012). Ideologia algorítmica: como a sociedade capitalista molda os mecanismos de busca.
Informação, Comunicação e Sociedade, 15(5), 769–787.
Malin, BJ e Chandler, C. (2016). Livre para trabalhar ansiosamente: fragmentando a precariedade entre
motoristas de Uber e Lyft. Comunicação, Cultura e Crítica, 10(2), 382–400.
Machine Translated by Google

16 Ping Sun

Morozov, E. (2014). Para salvar tudo, clique aqui: A loucura do solucionismo tecnológico.
Nova York: PublicAffairs.
Moten, F., & Harney, S. (2013). The undercommons: planejamento fugitivo e estudo negro.
Wivenhoe, Reino Unido e Nova York: Composições Menores.
Neff, G. (2012). Trabalho de risco. Journal of Broadcasting & Electronic Media, 57(3), 427–430.
Nova semente. (2016). Outra plataforma morre: uma lista de plataformas O2O que estão morrendo. Recuperado de
https://news.newseed.cn/p/1323637
Platt, M., Yeoh, BS, Acedera, KA, Yen, KC, Baey, G., & Lam, T. (2016).
Renegociando experiências de migração: trabalhadoras domésticas indonésias em Cingapura e o uso de
tecnologias de informação e comunicação. New Media & Society, 18(10), 2207–2223.
Rieder, B. (2017). Examinando uma técnica algorítmica: o classificador de Bayes como leitura interessada da
realidade. Informação, Comunicação e Sociedade, 20(1), 100–117.
Rosenblat, A., & Stark, L. (2016). Trabalho algorítmico e assimetrias de informação: Um estudo de caso de
motoristas de Uber. Jornal Internacional de Comunicação, 10(3), 3758–3784.
Sch€afer, MT, & Van Es, K. (Eds.). (2017). A sociedade datificada: estudando a cultura através
dados. Amsterdã: Amsterdam University Press.
Scholz, T. (2016). Cooperativismo de plataforma. Desafiando a economia de compartilhamento corporativo.
Nova York, NY: Fundação Rosa Luxemburgo.
Seaver, N. (2017). Algoritmos como cultura: algumas táticas para a etnografia de sistemas algorítmicos. Big Data
& Society, 4(2), 1–12.
Sharma, S. (2014). Enquanto isso: Temporalidade e política cultural. Durham: Duke University
Imprensa.

Sina Notícias. (2017). Por que os entregadores estão correndo atrás de couro? Obtido em http://news.sina.com.cn/
o/2017-10-10/doc-ifymrqmq2631336.shtml
Srnicek, N. (2017). Capitalismo de plataforma. John Wiley & Filhos.
Tencent Notícias. (2017, 28 de novembro). Por que Meituan e Dianping silenciosamente desenvolveram a IA?
Obtido em http://new.qq.com/omn/20171128A0BVAM.html O papel. (2017).
Causando 76 baixas de entregadores em meio ano, 8 plataformas de entrega foram investigadas pela polícia de
Xangai. Obtido em http://www.thepaper.cn/newsDetail_forward_1775421

Van Doorn, N. (2014). O sujeito neoliberal do valor: medindo o capital humano

nas economias da informação. Política Cultural, 10(3), 354–375.
Van Doorn, N. (2017). Trabalho de plataforma: sobre a exploração racializada e de gênero do trabalho de serviços
de baixa renda na economia “sob demanda”. Informação, Comunicação e Sociedade 20(6), 898–914.

Wenger, E. (2000). Comunidades de prática: aprendizagem, significado e identidade (nova ed.).

Cambridge: Cambridge University Press.
Willson, M. (2017). Algoritmos (e os) todos os dias. Informação, Comunicação e Sociedade,
20(1), 137–150.
Yeung, K. (2017). “Hypernudge”: Big data como um modo de regulação por design. Informação, Comunicação e
Sociedade, 20(1), 118–136.