/>
چند سال پیش ، حریم خصوصی اخبار آنلاین در مورد نوع جدیدی از نظارت ، که در محل کار اتفاق می افتد نوشت. در آن زمان هدف این سیستم ها توجه به کارگران بود و آنها اغلب برای شناسایی مشکلات طراحی می شدند. اما دو سال زمان طولانی در دنیای دیجیتال امروز است و همه چیز به طور قابل توجهی پیش رفته است. به عنوان مثال ، در سال 2017 هوش مصنوعی (AI) قبلاً برای نظارت بر محیط کار اعمال شده بود ، اما تا حد زیادی برای کمک به تجزیه و تحلیل الگوهای کار ، و پرچم گذاری ناهنجاری ها بود. هوش مصنوعی امروز قادر تر و مداخله گرتر است. دیگر رضایت ندارد که به صورت استعاری بنشینیم و فقط تماشا کنیم که کارگران مشاغل خود را طی کنند. اکنون شروع به کنترل آنها می کند. گزارشی از داده و جامعه این موضوع را "مدیریت الگوریتمی" توصیف می کند:
[Its] ظهور در محل کار با عزیمت از ساختارهای مدیریتی قبلی که بیشتر بر روی ناظران انسانی به کارگران متکی هستند ، مشخص می شود. مدیریت الگوریتمی مقیاس گذاری کارها را به عنوان مثال با هماهنگی فعالیت های کارگرهای بزرگ و تفکیک شده یا استفاده از داده ها برای بهینه سازی نتایج مطلوب مانند هزینه های پایین تر کار امکان پذیر می کند.
در این گزارش پنج عنصر اصلی مدیریت الگوریتمی انتخاب شده است: "داده های پرکار جمع آوری و نظارت کارگران از طریق فناوری "؛ پاسخگویی در زمان واقعی؛ تصمیم گیری خودکار یا نیمه خودکار؛ ارزیابی عملکرد انجام شده توسط سیستم های AI بر اساس معیارهای نسبتاً ساده؛ و استفاده از "gudges" و مجازات برای تأثیرگذاری بر رفتار کارگران.
گزارش داده و جامعه اشاره می کند که بسیاری از این ویژگی ها برای اولین بار در شرکت هایی که به عنوان بخشی از اقتصاد "گیگ" فعالیت می کنند – به عنوان مثال ، Uber. استفاده از نیروی کار در حال تغییر و توزیع ، به هیچ وجه نیاز به این نوع "نظارت مستمر و نرم" دارد. با این حال ، نکته قابل توجه این است که صنایع سنتی نیز چگونه از این رویکرد استقبال می کنند ، حتی اگر آن را کاملاً لازم نباشد.
این توسط مقاله طولانی در The Verge نشان داده شده است ، که واقعیت مدیریت الگوریتمی را برای افرادی که باید کار کنند نشان می دهد. در زیر آن. داستان ها شامل خانه داران هتل هستند که به وسیله نرم افزار به آنها دستور داده اند که اتاق ها را به روش هایی که خواستار و تخلیه آنها هستند تمیز کنند ، اما در عین حال هر چند فایده ای را برای بازدید کنندگان هتل ایجاد می کنند. با کمال تعجب ، ویژگی های آمازون که وسواس کارآیی دارند. این فقط فرسودگی نیست که مدیریت الگوریتمی بی امان می تواند منجر به آن شود ، بلکه به میزان بالایی از صدمات کارگران نیز منجر می شود. شاید ساده ترین کار برای نظارت و مدیریت الگوریتمی نوشتن کد باشد. هر ضربه ای را می توان ضبط کرد ، هر مکثی ذکر شد ، و از وب کم رایانه می توان برای نظارت تصویری از برنامه نویس هنگام کار خود استفاده کرد. این تجربه مارک رونی ، مهندس نرم افزار در داکا ، بنگلادش ، با استفاده از "ابزار اندازه گیری بهره وری" WorkSmart است ، همانطور که در مقاله "Verge" شرح داده شده است:
این نرم افزار کلیدهای کلید ، کلیک ماوس و برنامه های کاربردی وی را ردیابی کرد. همه برای ارزیابی بهره وری او. او همچنین موظف بود دسترسی به این برنامه را به وب کم خود بدهد. هر 10 دقیقه ، برنامه به طور تصادفی سه عکس می گرفت تا از حضور او در میز کار اطمینان یابد. اگر رونی در آنجا نبود که WorkSmart عکاسی کند ، یا اگر این کار را تعیین کرد که کار وی در زیر آستانه مشخصی از بهرهوری قرار گرفته است ، برای آن بازه 10 دقیقهای پول دریافت نخواهید کرد. شخص دیگری که با رونی شروع به کار کرد ، از دسترسی به وب کم نرم افزار امتناع کرد و شغل خود را از دست داد.
تجربه آنجلا ، که در یک مرکز تماس با بیمه کار می کرد ، به آنچه که احتمالاً با یک مدیریت الگوریتمی تبدیل به یک مسئله جدی می شود ، اشاره می کند. مشاغلی که به مهارتهای بین فردی احتیاج دارند کیفیت اصلی در این زمینه "همدلی" است ، بنابراین نظارت در محیط کار به طور طبیعی در تلاش است تا این امر را اندازه گیری کند و کارگران را تحت فشار قرار دهد تا بیشتر از این نشان دهند. اما یک مشکل بزرگ در اینجا وجود دارد:
این عادت مرسوم است که مهارت های بین فردی مانند همدلی یکی از نقش هایی خواهد بود که انسان پس از به دست آوردن روبات ها ، به انسان ها واگذار می شود ، و این اغلب به عنوان یک آینده خوش بینانه رفتار می شود. اما مراکز تماس نشان می دهند که چگونه می توان آن را به راحتی تاریک کرد: اتوماسیون افزایش همدلی مورد نیاز کارگران و سیستم های خودکار که برای ایجاد همدلی بیشتر از آنها یا حداقل تقریب قابل خواندن با ماشین از آن استفاده می شود. آنجلا ، کارگری که با [the call center evaluation software] Voci مشغول است ، نگران این است که از آنجا که از AI برای خنثی کردن تأثیرات شرایط کار استفاده می شود ، کار او همچنان به صورت ناخوشایند تر می شود.
این تجربه برخی از مسائل مهم دیگر را با استفاده از سیستم های خودکار برای مدیریت قرار می دهد. مردم. به عنوان مثال ، در افراطی ساده لوحانه به نظر می رسد كه فکر می کنیم چیزی به اندازه "همدلی" پیچیده و گنگ است که نمی تواند تنها توسط مجموعه الگوریتمها شناسایی شود ، بلکه با توجه به نوعی درجه بندی به منظور درخواست تغییر در رفتار کارگر. این در مورد بسیاری از جنبه های دیگر کار صادق است. به سادگی نمی توان مهارت های یک مدیر خوب انسانی را به خطوط کد هوش مصنوعی تقسیم کرد ، مهم نیست که چه تعداد یا چه اندازه خوب نوشته شده باشد – حداقل ، هنوز هم نیست.
علاوه بر این ، تلاش برای انجام این کار چالش های معمول را با خود به همراه می آورد. با سیستم های هوش مصنوعی به عنوان مثال ، فرضیات اصلی برنامه ها ممکن است حاوی تعصبات پنهان باشد. و حتی اگر این حداقل ها باشد ، مدیران الگوریتمی همچنان جعبه های سیاه برای کارگران هستند ، که هرگز به آنها گفته نمی شود که چرا تصمیم گیری در مورد آنها گرفته می شود یا به هر فرصتی برای تجدید نظر در مورد آن داده می شود. در واقع ، انتقال از مدیریت سنتی و مبتنی بر رایانه ، روشی از عینیت را فراهم می کند که احتمالاً تصمیم گیری را برای کارگران دشوارتر می کند ، زیرا به نظر می رسد آنها متلاشی و منطقی هستند.
نکته اصلی این است که این به طور فزاینده ای بی حس می شود. و نهایتا روش ضد تولید در مدیریت مردم فقط به دلیل نظارت مستمر و دقیق در محل کار امکان پذیر است. یکی از راه های متوقف کردن این فقدان بشریت ، مبارزه با از بین رفتن حریم خصوصی است که آن را زیرپا می گذارد.
تصویر برجسته توسط اسکات لوئیس.
درباره Glyn Moody
Glyn Moody یک روزنامه نگار آزاد است که در مورد حریم شخصی می نویسد و صحبت می کند ، نظارت ، حقوق دیجیتال ، متن باز ، حق چاپ ، حق ثبت اختراعات و موضوعات کلی سیاست مربوط به فناوری دیجیتال. وی شروع به پوشش استفاده از مشاغل اینترنت در سال 1994 كرد و اولین ویژگی اصلی را در مورد لینوكس نوشت ، كه در اوت 1997 در Wired ظاهر شد. كتاب وی با نام "Rebel Code" اولین و تنها تاریخ كامل در مورد ظهور منبع آزاد است. ، در حالی که کار بعدی او ، "کد دیجیتال زندگی" ، به بررسی بیوانفورماتیک – تقاطع محاسبات با ژنتیک می پردازد.
تجارت الگوریتمی با NodeJs – یادداشت های مهندس
با دسترسی ما به بازار سهام، تجارت الگوریتم (تجارت الگوریتم، تجارت سیاه و سفید و غیره) به نظر می رسد مانند یک پروژه جانبی بسیار جذاب، یک گزینه جذاب برای بالقوه افزایش ثروت ما و همچنین یک تمرین مغرضانه برای توسعه دهندگان احتمالا قبلا می دانید که بازارهای سهام ما و هر چیزی که مربوط به امور مالی است، به شدت تنظیم می شود، با بسیاری از گواهینامه ها و گواهینامه های لازم، که به نظر می رسد یک مبتدی است که نمی خواهد با آن مقابله کند. پس ما چه کار میکنیم؟ ما با ریسک بیشتری شروع می کنیم، اما برای گزینه های ما بیشتر به ما امکان می دهد: معاملات معکوس ارز. بازار های رمزنگاری مانند تنظیمات شدید نیست و سیستم عامل های تجاری مانند GDAX.com فرصتی عالی برای شروع و توسعه مدل های معاملاتی خود را ارائه می دهند. نقطه شروع برای شما و خلاقیت شما، ما بر اساس پایه راه اندازی بر اساس که شما می توانید شروع به ساخت پلت فرم معاملاتی الگوریتم خود را بسیار خود را.GDAX فراهم می کند API به خوبی مستند و همچنین یک بومی NodeJS مشتری. (شما می توانید مستندات API را در اینجا پیدا کنید: https://docs.gdax.com/) شروع به کار کنید. من فرض می کنم که خوانندگان در حال تجربه اولیه با جاوا اسکریپت و NodeJ ها هستند و شما یک حساب فعال با Coinbase و GdaxCreate دارید بسته تجاری: mkdir tradingcd tradingtouch index.jsnpm initAdd کتابخانه GDAX-NODE به عنوان وابستگی پروژه شما: npm install gdaxExcellent. حالا کد را امتحان کنید ما با استفاده از API عمومی شروع می کنیم که نیازی به داشتن یک حساب کاربری ثبت نشده است. می توانید ببینید که محصولات Gdax چگونه می توانیم تجارت کنیم: const GDAX = require ('gdax')؛
const publicClient = new GDAX.PublicClient ()؛ const callback = (خطا، پاسخ، داده) => {
اگر (خطا)
بازگشت console.dir (خطا)؛ return console.dir (data)؛
} publicClient.getProducts (callback)؛ شما یک خروجی شبیه به این دریافت خواهید کرد: محصولات Gdax این اطلاعات مفید برای شما است که از زمان به زمان چک کنید تا اطمینان حاصل کنید که سفارشات شما سطر بالا و پایین. دیگر روش مفید است که ما می توانیم با مشتری عمومی امتحان کنیم getCurrencies (): publicClient.getCurrencies (callback)؛ کدام این خروجی را تولید می کند: Gdax currenciesReally easy! درست؟ در حال حاضر اجازه می دهید به بخش سرگرم کننده بیشتری دست پیدا کنید: با حساب Gdax خود کار کنید. به https://www.gdax.com/settings/api بروید و یک کلید API ایجاد کنید، فقط برای بازی کردن و تست توصیه می کنم فقط مجوز READ را اعطا کنم به key.Now به index.js ما اجازه می دهد تا خودمان را تایید کنیم: const passPhrase = "yourPasssPhrase"؛ const apiKey = "yourAPIkey"؛ const base64secret = "somethingSomethingBase64 =="؛ const apiURI = 'https: //api.gdax .com '؛ const authenticatedClient = جدید GDAX.AuthenticatedClient (apiKey، base64secret، passPhrase، apiURI)؛ عالی است، حالا می توانیم شروع به کار با حساب ها کنیم و جادوهای برنامه نویسی پولمان را بازیابی کنیم. ببینیم حساب هایمان واقعا چه هستند: authenticatedClient. getAccounts (callback)؛ خروجی شبیه به این را دریافت خواهید کرد: Gdax AccountsThis یک روش ضروری است که به شما اجازه می دهد تا تعادل خود را در تمام حساب های خود بررسی کنید و اطلاعات حساب خود را بدست آورید. هنگامی که همه شناسه های حسابتان را می شناسید، می توانید هر حساب را به صورت جداگانه پرس و جو کنید، برای کنترل دقیق تر: const ACCOUNT_ETH = 'some super-long-account-id'؛ authenticatedClient.getAccount (ACCOUNT_ETH، callback)؛ خوب، همه این عالی است! و ما احتمالا قبلا در مورد استراتژی های معاملاتی فکر کرده ایم و اولین چیزی که شما در مورد آن می پرسید چگونه می توانید قیمت ارز فعلی را بدست آورید. این مشکل است. GDAX به طور فعال از رای گیری این اطلاعات (بمباران با درخواست ها)، اگر شما نظرسنجی شما را به احتمال زیاد به محدودیت های خود را محدود خواهد شد و یا حتی قفل شده است، بنابراین نگذارید. پس چگونه قیمت فعلی را بدست آورید؟ این کمی روی حیله و تزویر است، اما از corse، قابل انجام است. برای این منظور ما باید ارتباط سوکت با سرورهای خود را ایجاد کنیم و به تمام اطلاعاتی که از طریق آن می رویم را فیلتر کنیم و با کمک WebsocketClient آنها را فیلتر کنیم. یک محصول، اتریم را انتخاب می کنیم به عنوان مثال: const ETH_USD = 'ETH-USD'؛ const websocket = جدید GDAX.WebsocketClient ([ETH_USD])؛
const websocketCallback = (data) => console.dir (data)؛ websocket.on ('message '، websocketCallback)؛ خروجی بسیار سریع خواهد بود و به نظر می رسد چیزی شبیه به این: خروجی مشتری Websocket حالا چطور می توانیم قیمت اتریم فعلی را از این ناپایدار دریافت کنیم؟ ما شاهد سفارشهای زیادی هستیم، برخی از آنها فقط دریافت می شوند، برخی هنوز باز هستند. پس از گذراندن اسناد، روشن است که ما تنها به منظور پر کردن و / یا انجام دادن علاقه مند هستیم. معنی فروش فروش فقط بسته شد (در واقع اتفاق افتاده) و ما می توانیم از اطلاعات قیمت که با آن سفارش استفاده کردیم. تماس تلفنی اصلاح شده برای ردیابی قیمت های فعلی: const websocketCallback = (data) => {
if (! (data.type == = 'انجام' && data.reason === 'پر'))
بازگشت؛ console.dir (data)؛
} بام! اکنون همه چیز برای شروع منطق معاملاتی شما ایجاد شده است. شما حساب های خود دارید با تمام اطلاعات مورد نیاز و تعادل، و در حال حاضر شما حتی می توانید پیگیری تغییر قیمت اتریم. Okay. اجازه دهید بگوییم اول نسخه الگوریتم شما را نهایی کرده اید، چگونه ما در واقع تجارت می کنیم؟ const websocketCallback = (data) => {
if (! (data.type === 'done' && data.reason === ' پر کردن '))
بازگشت؛ تجزیه و تحلیل const = someBrilliantAnalyticalMethod (data)؛ اگر (analytics.buy)
return placeBuyOrder (analytics.buyDetails) if (analytics.sell)
return placeSellOrder (analytics.sellDetails)
} چگونه می توان خرید و فروش سفارشات را انجام دادیم؟ بسیار ساده، برگشت به مشتری تایید شده ما: function placeBuyOrder (buyDetails) {
const buyParams = {
'price': buyDetails.price،
'size': buyDetails.size،
'product_id': ETH_USD،
}؛ این […] خریداری شده است، خریداری شده است، خرید (فروش پارامترها، فراخوانی)؛
} function placeSellOrder (buyDetails) {
const sellParams = {
'price': buyDetails.price،
'size': buyDetails. اندازه،
'product_id': ETH_USD،
}؛ این توجه کنید که روش های خرید و فروش اعتباردهنده مشتری، شناسه سفارشاتی را که برای ذخیره چک برای انجام تحویل در آینده نیاز دارید ذخیره می کند. برای بررسی تمام سفارشات قرار داده شده: authenticatedClient.getOrders ( callback)؛ برای بررسی وضعیت یک سفارش فرد: authenticatedClient.getOrder (orderID، callback)؛ این همان است. بسیار آسان برای شروع. هشدار اصلی و منبع موفقیت شما در داخل someBrilliantAnalyticalMethod () ذکر شده است، که در کد بالا ذکر شده است که بعدا بسته به استراتژی انتخاب شده می تواند به دنیای واقعی سهام و اوراق قرضه معرفی شود. هر کس پیاده سازی متفاوت و منحصر به فرد داشته باشد، بنابراین به عنوان خوانده شده، تمرین، از دست دادن پول، لحن، تمرین و کامل دوباره. بهترین ضربه و قوی باد در پشت! به روز رسانی: برخی از قطعه کد در این مقاله از تاریخ است، برای تحولات و اصلاحات اخیر شما می توانید این پروژه را در Gighub دنبال کنید: https://github.com/rinchik/gdax-pocket-ui که در اینجا توضیح داده شده است: https://blog.rinatussenov.com/algorithmic-trading-with-nodejs -gdax-pocket-ui-150e227d0d6a