文章来源：PNAS，版权归其出版社和原作者所有
图文编辑：经济研究速递Economic Research Express站长syyy
推文声明：本文仅代表原作者学术观点，及推文作者评论观点
原文信息：
如对文章感兴趣，可点击“阅读原文”查看。欢迎大家点赞、关注、转发~
“Virtual teams in a gig economy” 发表于《美国国家科学院院刊》（Proceedings of the National Academy of Sciences of the United States of America，简称 PNAS ），作者团队来自多所高校。
作者团队
Teng Ye：明尼苏达大学卡尔森管理学院信息与决策科学系
Wei Ai：马里兰大学信息研究学院
Yan Chen：密歇根大学信息学院、清华大学经济管理学院经济系
Qiaozhu Mei：密歇根大学信息学院
Jieping Ye：密歇根大学计算医学与生物信息学系
Lingyu Zhang：山东大学计算机科学与技术学院
导读：在零工经济中，灵活工作模式虽有优势，但导致从业者缺乏组织认同感和同事联系，出现参与度低、流失率高的问题。研究团队通过对某出行平台27,790 名司机开展实地实验，组建虚拟团队并设置不同排名信息查看条件，发现虚拟团队竞赛能提高司机生产力和留存率。在实验的 3 周干预期内，处理组司机收入更高；实验结束 3 个月后，团队排名处理组的司机工作时长仍更长。社会比较、动量效应和团队沟通是重要影响机制。
引言：
根据最近的盖洛普民意调查，36% 的美国工人将零工经济作为他们的主要或次要工作。零工经济为工人提供了自主性和灵活性的好处，但它是以牺牲与工作相关的身份和同事纽带为代价的。事实上，许多零工平台的员工敬业度低，流失率高，他们指出，他们通常独自工作，与其他同事没有互动或关系，从事“不会带来任何结果”的工作。 COVID-19 大流行创造了一种工作结构，使越来越多的工人处于在家工作的环境中，这种情况容易受到与零工经济中的人缺乏面对面互动相关的相同问题的影响。2021 年 9 月，45% 的美国全职员工全部或部分时间在家工作。这一趋势将持续到 2022 年。鉴于我们预计这种远程工作至少有一部分将在疫情后继续存在，一个重要的问题是团队如何帮助其员工在远程工作时建立和维持与工作相关的积极社交联系。
为了回答这个问题，我们使用全球拼车平台进行了一项大规模的自然场实验。具体来说，我们将车手组建成虚拟团队，并让车队参与比赛以加强团队认同感。然后，我们评估这些虚拟团队对员工生产力、保留率和幸福感的影响。
实验设计
实验对象与流程：选取北京、昆明和太原三个城市的27,790 名司机，实验经批准并预注册。分为司机招募与团队组建、预干预、干预和后干预四个阶段。司机可自行组队或由系统组队，预干预阶段通过团队竞赛建立团队认同，干预阶段设置不同信息查看条件分组，后干预阶段再次进行竞赛以评估效果。
实验分组：
团队排名组：司机可查看团队和个人排名。
个人排名组：仅能查看个人排名。
对照组：无法查看排名，仅能查看个人收入统计。
实验结果
生产力提升：在 3 周的干预期内，处理组（团队排名组和个人排名组）司机比对照组平均每周多工作 42 分钟，收入提高 1.9%。团队排名组和个人排名组分别比对照组多工作 45 分钟和 39 分钟，收入分别提高 1.79% 和 2.01%。在城市层面，太原团队排名组司机每周多工作 125 分钟，收入增加 6.07%；北京个人排名组司机每周多工作 48 分钟，收入增加 2.39%，昆明则无显著效果。
留存率提高：实验结束 3 个月后，团队排名组司机平均每周比对照组多工作 1 小时（3.16%）。在城市层面，太原团队排名组司机每周多工作 3 小时（11.83%），北京和昆明的处理组与对照组司机工作时长无显著差异。
其他发现：排名靠后的司机从团队竞赛中受益最多；实验中获胜团队的司机后续收入显著增加；使用团队论坛沟通的司机收入更高。
个人团队中个人排名动态的桑基图。x 轴表示周，y 轴表示排名，其中 #1 是最高排名。树枝的宽度与流速成正比。
排行榜中团队排名动态的桑基图。x 轴表示周，y 轴表示排名，其中 #1 是最高排名。支管的宽度与流速成正比。
影响机制
社会比较：收入低于中位数的司机在各实验条件下收入增长幅度更大，信息提供能维持其更好的表现，符合社会比较理论。
动量效应：预干预竞赛中获胜团队的司机在各实验条件下收入均显著增加，且个人和团队排名在不同阶段具有一定相关性。
团队沟通：北京和太原的司机比昆明司机更常使用团队论坛，团队论坛使用与整体及太原司机的每周收入显著增加相关，调查也显示团队成员间存在信息交流、学习和技能提升。
结论：我们的研究考察了虚拟团队对零工员工的工作效率和拼车平台上的保留率的影响。我们发现，在 3 周干预期间，接受治疗的司机产生的收入明显高于处于受控状态的司机。实验结束三个月后，我们发现团队排行榜处理中的驾驶员在平台上的工作时间继续延长，这表明虚拟团队有可能提高工人的生产力和保留率。我们将社会比较、动量效应和团队沟通确定为驱动治疗效果的潜在机制。我们对 149 场短期团队竞赛的机器学习分析为我们的主要发现提供了稳健性检查，并解释了三个城市的异质性处理效果。这项研究指出了虚拟团队对零工经济和未来工作的前景。
更广泛地说，我们的研究有助于理解非货币激励。要使团队状态竞赛发挥作用，应满足三个条件。首先，团队内部生产力的多样性会激活社会比较。团队排名的公共利益性质促进了向上比较，从而增加了低于中位数的员工的努力。其次，团队内部自然身份（如家乡或年龄）的相似性有助于团队沟通、身份建立和友谊形成。最后，劳动力供给和工作需求之间的差距确保了改进的空间，并且劳动力供给的增加是有效的
Significance
More than one-third of US workers participate in the gig economy as either their primary or their secondary job. The gig economy provides workers with the benefits of autonomy and flexibility, but at the expense of work-related identity and coworker bonds. How can organizations help their workers create and maintain positive work-related social connections while working remotely? We show that virtual team contests increase gig worker productivity and retention through a large-scale field experiment. Within-team diversity in productivity activates social comparison that increases below-median workers’ effort, whereas within-team similarity in natural identities facilitates team communication and friendship formation. More broadly, this research contributes to our understanding of nonmonetary incentives.
Abstract
While the gig economy provides flexible jobs for millions of workers globally, a lack of organization identity and coworker bonds contributes to their low engagement and high attrition rates. To test the impact of virtual teams on worker productivity and retention, we conduct a field experiment with 27,790 drivers on a ride-sharing platform. We organize drivers into teams that are randomly assigned to receiving their team ranking, or individual ranking within their team, or individual performance information (control). We find that treated drivers work longer hours and generate significantly higher revenue. Furthermore, drivers in the team-ranking treatment continue to be more engaged 3 mo after the end of the experiment. A machine-learning analysis of 149 team contests in 86 cities suggests that social comparison, driver experience, and within-team similarity are the key predictors of the virtual team efficacy.
Source
Ye T, Ai W, Chen Y, et al. Virtual teams in a gig economy[J]. Proceedings of the National Academy of Sciences, 2022, 119(51): e2206580119.
