Социальные факторы выбора контрагентов на бирже удалённой работы: исследование конкурсов с помощью "больших данных"

— коммуникация исполнителя, измеряемая количеством сообщений и количеством знаков, оставленных исполнителем в комментариях на странице конкурса;

— коммуникация заказчика, измеряемая также количеством сообщений и количеством знаков, оставленных заказчиком в комментариях на странице конкурса.

Чуть менее половины исполнителей (47%) так или иначе участвовали в коммуникацииУчитывались фрилансеры, в сообщениях которых содержалось более одного знака., при этом средняя длина их сообщений составила 170 знаков, а медианная - 56 знаков. В свою очередь, 19% конкурсантов получили ответ от заказчика, при этом средняя длина такого ответного сообщения составила 163 знака, а медианная - 81 знакОдной из проблем работы с "большими данными" является то, что пользователи задним числом могут редактировать свои данные или удалять часть переписки, что особенно актуально для творческих конкурсов, в которых фрилансеры зачастую убирают ранее опубликованные работы во избежание плагиата. В этом случае исследователь имеет дело с неполной или искаженной информацией, причём оценить масштаб таких искажений очень сложно..

Также в качестве контрольных переменных в анализ были включены наиболее важные характеристики самих конкурсов, являющиеся фоновыми для всех участников данного состязания, но различающиеся в разных конкурсах (см. табл. 1).

Таблица 1

Описание контрольных переменных

Переменная Описание

	Стоимость проекта	Сумма вознаграждения в рублях, предлагаемая организатором конкурса победителю.
Параметры конкурса	Количество участников	Количество фрилансеров, принявших участие в конкурсе.
	Продолжительность	Разница в днях между датой начала и датой завершения конкурса.
	Комментарии других	Средний объём комментариев остальных участ-
	фрилансеров	ников конкурса за исключением данного фрилансера, который рассчитывался двумя способами: через количество знаков и количество сообщений.
Контекст	Доля ответов заказчика	Средний объём ответов заказчика другим участ-
коммуникации	другим фрилансерам	никам конкурса за исключением данного фрилансера. Аналогично предыдущей переменной (средний объём комментариев) рассчитывалась несколькими способами: через количество знаков, количество комментариев и долю участников конкурса, получивших ответ от заказчика.

Все интервальные переменные, используемые в анализе, из-за смещённого распределения включались в регрессионные модели в логарифмированной форме. Если характеристика содержала значения, равные нулю, они увеличивались на единицу. В таблице 2 представлена описательная статистика для всех независимых и контрольных переменных, используемых в анализе, - процент для номинальных и ранговых переменных и среднее, стандартное отклонение, медиана для интервальных переменных. Таблица 2 Описательная статистика для независимых и контрольных переменных*
	Переменные	Среднее значение для интервальных переменных (стаж, рейтинг, количество) или доля для категориальных (пол, возраст, место жительства)	Стандартное отклонение	Медиа на
Социально-	Пол: мужской	61,4	--	--
демографиче-	Пол: женский	38,6	--	--
ские характе-	Возраст: 11-21 год	20,3	--	--
ристики	Возраст: 22-27 лет	42,3	--	--
	Возраст: 28-33 года	22,2	--	--
	Возраст: 34 года и старше	15,2	--	--
	Проживают в России	73,3	--	--
	Проживают на Украине	15,7	--	--
	Проживают в странах бывшего СССР	8,9	--	--
	Проживают в странах дальнего зарубежья	2,2	--	--
	Социально-демографический профиль не заполнен (%)	20,5	--	--
Опыт	Стаж на бирже (в днях)	518	757	145
	Количество предыдущих участий в конкурсах	11	60	1
Репутация	Рейтинг на сайте	701	2995	74
	Количество позитивных отзывов	7,6	36,2	0
	Количество негативных отзывов	0,06	0,42	0
	Наличие статуса PRO (%)	5,8	--	--
Коммуникация	Количество сообщений фрилансера	1,5	1,7	1
	Количество знаков в сообщениях фрилансера	79	290	1
	Количество сообщений заказчика	0,3	0,7	0
	Количество знаков в сообщениях заказчика	30	133	0
Контрольные	Стоимость проекта (руб.)	13 216	17 567	10 000
переменные	Количество участников конкурса	54	42	43
	Продолжительность конкурса (в днях)	13	17	10

* Статистика по социально-демографическим характеристикам фрилансеров, их опыту на бирже и репутации подсчитаны на выборке уникальных пользователей. Они отбирались по последнему участию в конкурсе данного фрилансера. Статистика по коммуникации подсчитана на полной базе. Показатели контрольных переменных подсчитаны на выборке уникальных конкурсов.

Стратегия анализа данных

Изначально анализ данных планировалось осуществлять с помощью многоуровневой регрессии. Поскольку взаимодействие между контрагентами происходит в институциональных рамках конкурса, предполагалось, что характеристики конкурсного механизма влияют на процесс выбора исполнителя и, следовательно, сами конкурсы должны выступать в качестве второго уровня анализа в регрессии. Однако оказалось, что многоуровневая модель с группировкой по конкурсам не обладает дополнительной объяснительной силой. Исходя из этого, решено было сделать выбор в пользу одноуровневой модели без группировки. В силу дихотомического характера зависимой переменной в работе использовалось биномиальное логистическое регрессионное моделирование.

На полной выборке конкурсов (2009-2018 гг.) были построены четыре модели (см. табл. 3), в которых варьировались независимые переменные и отсутствовал блок показателей, связанных с репутацией. На сокращённой выборке конкурсов, объявленных заказчиками с 1 октября 2017 г. по 30 сентября 2018 г., мы протестировали модель 1 с поочерёдным добавлением в неё трёх репутационных переменных (рейтинг, положительные и отрицательные отзывы, статус PRO) (см. табл. 4). Набор контрольных переменных (атрибутов конкурса) во всех моделях был одинаков.

Результаты, полученные с использованием различных комбинаций независимых переменных, оказались весьма схожи между собой, поэтому в следующем разделе мы не будем в деталях останавливаться на каждой регрессионной модели, а более подробно рассмотрим модели 1 и 6, которые, по сути, являются базовыми в нашем исследовании.

Результаты исследования

Конец дискриминации? Насколько важны социально-демографические характеристики?

Результаты регрессионного анализа показали, что пол участника значимо не влияет на его шансы победить в конкурсе. Данный вывод может считаться аргументом в пользу того, что биржа удалённой работы - это пространство, где отсутствует гендерная дискриминация. Трансакции, реализующиеся в Интернете, разительно отличаются от взаимодействия рыночных акторов в реальности: в то время как непосредственный контакт автоматически раскрывает идентичность контрагента, виртуальное пространство позволяет скрыть личную информацию, о которой человек не хотел бы распространяться [Edelman, Luca, Svirsky 2017]. Помимо этого, даже если такие данные присутствуют, они воспринимаются не так остро, как в случае с реальным взаимодействием. Таким образом, согласно полученным результатам, гипотеза H1.1 не подтверждается: на самом деле заказчик не делает различий между работами мужчин и женщин в ходе определения победителя конкурса.

В отличие от пола, возраст участника оказывает небольшое влияние на победу в конкурсе: в частности, молодых фрилансеров в возрасте 11 лет - 21 года заказчики выбирают реже, нежели представителей всех остальных возрастных групп. Возраст фрилансера непосредственно связан с его профессиональным опытом, который в данном случае мы не имеем возможности контролировать. Вероятно, молодые люди, которые учатся в школе или институте, пока не обладают необходимыми знаниями и навыками, чтобы выполнять сильные, конкурентоспособные работы, поэтому чаще проигрывают. А вот начиная с 22 лет, различия в возрасте уже полностью нивелируются. Таким образом, гипотеза H1.2 не нашла подтверждения: мы наблюдаем небольшую возрастную дискриминацию на бирже удалённой работы не в пользу молодых исполнителей, а в пользу фрилансеров среднего и старшего возраста.

Коэффициенты биномиальной логистической регрессии на данных 2009-2018 гг. (полная выборка)

Таблща 3

	Переменные		Модель 1			Модель 2			Модель 3			Модель 4
		B	SE	Sig.	B	SE	Sig.	B	SE	Sig.	B	SE	Sig.
Константа		- 0,48	0,18	**	- 1,46	0,20	***	1,09	0,20	***	- 0,43	0,18	--
Социально-	Пол: мужской	- 0,07	0,03		--	--	--	-0,06	0,03	--	- 0,08	0,03	**
демографические	Пропущенное значение для пола	- 0,54	0,09	***	--	--	--	-0,48	0,09	***	- 0,55	0,09	***
характеристики	Возраст: 11-21 год	- 0,42	0,05	***	--	--	--	-0,44	0,05	***	- 0,43	0,05	***
	Возраст: 28-33 года	0,08	0,04	--	--	--	--	0,08	0,04	--	0,08	0,04	--
	Возраст: 34 года и старше	- 0,09	0,04	--	--	--	--	-0,05	0,04	--	- 0,08	0,04	--
	Пропущенное значение для возраста	0,22	0,04	***	--	--	--	0,22	0,04	***	0,22	0,04	***
	Проживают на Украине	0,04	0,04	--	--	--	--	0,04	0,04	--	0,04	0,04	--
	Проживают в странах бывшего СССР	- 0,01	0,05	--	--	--	--	0,00	0,05	--	- 0,01	0,05	--
	Проживают в странах дальнего зарубежья	0,29	0,06	***	--	--	--	0,27	0,06	***	0,29	0,06	***
	Пропущенное значение для страны	- 0,55	0,09	***	--	--	--	-0,57	0,09	***	- 0,56	0,09	***
Заполненность про-	Присутствует, по крайней мере, одна характери-	--	--	--	0,87	0,09	***			--	--	--	--
филя	стика
Опыт	Стаж на бирже (ln)	0,13	0,01	***	0,14	0,01	***	0,14	0,01	***	0,13	0,01	***
	Количество предыдущих участий в конкурсах (ln)	0,00	0,01	--	0,01	0,01	--	- 0,06	0,01	***	0,01	0,01	--
Коммуникация	Фрилансер: количество знаков (ln)	0,24	0,01	***	0,24	0,01	***	--	--	--	0,28	0,01	***
	Фрилансер: количество сообщений (ln)	--	--	--	--	--	--	0,95	0,03	***	--	--	--
	Ответы заказчика: количество знаков (ln)	0,28	0,01	***	0,28	0,01	***	--	--	--	--	--	--
	Ответы заказчика: количество сообщений (ln)	--	--	--	--	--	--	1,05	0,04	***	--	--	--
	Ответы заказчика: факт ответа	--	--	--	--	--	--	--	--	--	1,18	0,03	***
Контрольные пере-	Другие фрилансеры: количество знаков (ln)	- 0,21	0,02	***	- 0,21	0,02	***	--	--	--	- 0,23	0,02	***
менные	Другие фрилансеры: количество сообщений (ln)	--	--	--	--	--	--	- 1,67	0,13	***	--	--	--
	Ответы заказчика другим фрилансерам: количество знаков (ln)	- 0,22	0,01	***	- 0,22	0,01	***	--	--	--	--	--	--
	Ответы заказчика друим фрилансерам: количество сообщений (ln)	--	--	--	--	--	--	- 1,42	0,10	***	--	--	--
	Доля других фрилансеров, получивших ответ заказчика (ln)	--	--	--	--	--	--	--	--	--	- 1,47	0,08	***
	Стоимость проекта (ln)	- 0,01	0,02		- 0,01	0,02	--	- 0,04	0,02	--	- 0,03	0,02	--
	Количество участников конкурса (ln)	- 0,95	0,02	***	- 0,95	0,02	***	- 1,04	0,02	***	- 0,98	0,02	***
	Продолжительность конкурса (ln)	- 0,01	0,02		- 0,01	0,02	--	- 0,02	0,02	--	- 0,02	0,02	--

L.R. X2 (df10 062 (19) ***9877 (10) ***10704 (19) ***9770 (19) ***

Примечание: N = 335 613. **p < 0,01, ***p < 0,001. Референтные группы: женщины, люди в возрасте 22-27 лет, проживающие в России, а также люди, не заполнившие профиль (модель 2), и фрилансеры, не получившие ответ от заказчика (модель 4).

Коэффициенты биномиальной логистической регрессии на данных 2017-	2018 гг	. (сокращённая выборка)	Таблиц
Переменные	Модель 5 B SE	Sig.	Модель 6 B SE	Sig.	Модель 7 B SE	Sig.	Модель 8 B SE	Sig.
Константа	- 0,01	0,77	--	- 1,80	0,79	*	0,16	0,77	--	- 0,13	0,77	--
Социально- Пол: мужской	- 0,11	0,11	--	- 0,16	0,12	--	- 0,12	0,11	--	- 0,14	0,11	--
демографические харак- Пропущенное значение для пола	- 0,76	0,36	*	- 0,92	0,36	*	- 0,73	0,36	*	- 0,68	0,36	--
теристики Возраст: 11-21 год	- 1,09	0,32	***	- 0,94	0,32	**	- 1,08	0,32	***	- 1,03	0,32	**
Возраст: 28-33 года	- 0,03	0,15	--	- 0,07	0,15	--	- 0,03	0,15	--	- 0,02	0,15	--
Возраст: 34 года и старше	- 0,16	0,15	--	- 0,17	0,15	--	- 0,15	0,15	--	- 0,11	0,15	--
Пропущенное значение для возраста	0,36	0,21	--	0,27	0,22	--	0,27	0,22	--	0,32	0,22	--
Проживают на Украине	- 0,12	0,18	--	- 0,25	0,19	--	- 0,17	0,19	--	- 0,10	0,18	--
Проживают в странах бывшего СССР	0,31	0,16	--	0,33	0,17	*	0,29	0,16	--	0,35	0,16	*
Проживают в странах дальнего зарубежья	0,24	0,27	--	0,35	0,28	--	0,28	0,27	--	0,31	0,27	--
Пропущенное значение для страны	- 0,90	0,37	*	- 0,21	0,38	--	- 0,81	0,37	*	- 0,90	0,37	*
Опыт Стаж на бирже (ln)	0,15	0,04	***	- 0,04	0,04	--	0,12	0,04	**	0,15	0,04	***
Количество предыдущих участий в конкурсах (ln)	- 0,01	0,03	--	- 0,20	0,03	***	- 0,04	0,03	--	- 0,03	0,03	--
Репутация Рейтинг (ln)	--	--	--	0,52	0,05	***	--	--	--	--	--	--
Положительные отзывы (ln)	--	--	--	--	--	--	0,12	0,04	**	--	--	--
Отрицательные отзывы (ln)	--	--	--	--	--	--	- 0,52	0,21	*	--	--	--
Статус PRO										0,43	0,13	***
Коммуникация Фрилансер: количество знаков (ln)	0,16	0,03	***	0,15	0,03	***	0,16	0,03	***	0,15	0,03	***
Ответы заказчика: количество знаков (ln)	0,49	0,03	***	0,48	0,03	***	0,49	0,03	***	0,48	0,03	***
Контрольные переменные Другие фрилансеры: количество знаков (ln)	- 0,15	0,07	*	- 0,15	0,07	*	- 0,15	0,07	*	- 0,14	0,07	*
Ответы заказчика другим фрилансерам: количество	- 0,44	0,04	***	- 0,43	0,04	***	- 0,44	0,04	***	- 0,44	0,04	***
знаков (ln)
Стоимость проекта (ln)	- 0,07	0,08		- 0,12	0,08	--	- 0,08	0,08	--	- 0,07	0,08	--
Количество участников конкурса (ln)	- 0,89	0,06	***	- 0,73	0,07	***	- 0,87	0,06	***	- 0,86	0,06	***
Продолжительность конкурса (ln)	0,00	0,07		0,02	0,07	--	0,00	0,07	--	0,00	0,07	--
L.R. X2 (df	1064 (19) ***	1170 (20) ***	1077 (21) ***	1076 (20) ***

Примечание: N = 24617. *р < 0,05, **p < 0,01, ***p < 0,001. Модель 5 по составу переменных полностью эквивалентна модели 1 из таблицы 3. Референтные группы: женщины, люди в возрасте 22-27 лет, проживающие в России, а также фрилансеры, не имеющие статуса PRO (модель 8).

Место проживания фрилансера также оказывается важным, но преимуществом над остальными обладает лишь одна группа - участники из дальнего зарубежья (Европы, Канады, США, Австралии). Возможно, это связано с тем, что россияне, уехавшие на постоянное жительство в эти страны, обладают более высоким уровнем профессионализма по сравнению с остальными. Однако модели, посчитанные на подвыборке конкурсов 2017-2018 гг., показывают, что все фрилансеры имеют одинаковые шансы на победу вне зависимости от их местоположения. Те различия, которые были зафиксированы ранее на всём массиве конкурсов, становятся статистически незначимы ещё до включения в анализ репутационных переменных, которые могли "забирать на себя" весь этот эффект (см. модель 5 в табл. 4). Таким образом, данный результат стоит, скорее, интерпретировать как отсутствие дискриминации. Гипотеза H 1.3 не подтверждается: участники из России не обладают более высокими шансами на победу по сравнению с фрилансерами из других стран.

Заполнение фрилансером, по крайней мере, одной характеристики профиля на сайте FL.ru (пол, возраст или страна) увеличивает его шансы на победу почти в 2,5 раза по сравнению с теми участниками, профиль которых совсем не заполнен (см. модель 2). С одной стороны, это может говорить о том, что заказчик обращает внимание на профиль фрилансера при выборе победителя конкурса. Но, с другой стороны, возможно, дело в том, что фрилансеры, аккуратно заполнившие профиль, сами по себе являются людьми более ответственными и профессиональными. К сожалению, в рамках настоящего исследования нельзя однозначно ответить, какое из этих предположений ближе к истине. Скорее всего, верны оба: заполненность профиля является индикатором более активной вовлечённости фрилансера в деятельность на онлайн-бирже, что, в свою очередь, приводит к большему доверию данному участнику со стороны заказчика.

Новичкам (не) везёт? Насколько важен опыт?

Модели 1-5 показывают, что стаж участника на бирже удалённой работы положительно связан с его шансами победить в конкурсе. Фрилансеры, которые зарегистрировались на сайте раньше, при прочих равных, чаще остальных объявляются победителями. При добавлении в анализ репутационных характеристик (на подвыборке конкурсов 2017-2018 гг.) эффект данного предиктора либо снижается (см. модель 7), либо полностью исчезает (см. модель 6). Таким образом, мы видим, что репутация "забирает на себя" значительную часть вариации переменных, характеризующих опыт и стаж работника. Гипотеза H 2.1 подтверждается частично: более опытные фрилансеры действительно показывают более успешный результат в конкурсах, но данный эффект существенно нивелируется при включении в анализ репутационных характеристик.

Число предыдущих участий в конкурсах на данной бирже не оказывает значимого влияния на вероятность исполнителя победить в текущем "состязании". Это наблюдается практически во всех регрессионных моделях, кроме двух (см. модели 3 и 6), в которых такой эффект присутствует, но является отрицательным, то есть чем чаще фрилансер участвовал в конкурсах раньше, тем ниже его шансы на победу сейчас. Это может показаться статистическим артефактом, но на самом деле именно в таком результате есть свой резон. Вероятно, существуют фрилансеры, участвующие без разбора в огромном числе конкурсов, которые попадаются им на глаза, независимо от того, насколько хорошо они разбираются в данной теме. Они выставляют слабо подготовленные работы, сделанные за короткое время, поэтому чаще проигрывают, нежели выигрывают. Таким образом, можно считать, что гипотеза Н 2.2 не подтверждается: количество предыдущих участий в конкурсах не связано положительно с результатом исполнителя на текущем состязании.

Рейтинг решает всё? Насколько важна репутация?

Репутационные характеристики фрилансера существенно повышают его шансы на победу. В частности, модель 6 показывает, что чем выше рейтинг конкурсанта на бирже удалённой работы, тем вероятнее его выигрыш. Таким образом, у нас нет оснований отвергнуть гипотезу H 3.1: более высокий рейтинг действительно является значимым индикатором успеха.

Дополнительные показатели репутации фрилансера, используемые в моделях 7 и 8, в целом подтверждают полученный результат. Так, наличие негативных отзывов от предыдущих заказчиков сильно вредит фрилансеру, снижая его шансы на победу по сравнению с теми исполнителями, кто таких отзывов не имеет. И наоборот, каждый положительный отзыв повышает шансы конкурсанта стать победителем. Фрилансеры, имеющие статус PRO, обладают преимуществом над исполнителями без такового.

(Не)молчание - золото? Насколько важна коммуникация?

В тех ситуациях, когда исполнитель не просто выставляет свою работу, а пытается коммуницировать с заказчиком, то есть пробует о чём-то спросить его, что-то объяснить, прокомментировать, его шансы на победу заметно возрастают. Значимый положительный эффект наблюдается во всех восьми моделях: и тогда, когда учитывается число знаков в сообщениях, и тогда, когда рассматривается просто число оставленных фрилансером сообщений (см. модель 3). Таким образом, гипотеза H 4.1 подтверждается. Любого рода текст, сопровождающий конкурсную работу, представляется эффективным средством усиления своих позиций в конкурентном отборе, поскольку сигнализирует о большей вовлечённости фрилансера в процесс создания работы, а также косвенно свидетельствует о более ответственном подходе к делу и ориентации на сотрудничество.

Влияние комментариев заказчика также оказалось статистически значимым: если заказчик отвечает какому-либо исполнителю, взаимодействует с ним на форуме, то шансы последнего на победу заметно возрастают. Данный эффект является весьма сильным: он сохраняется во всех моделях независимо от того, что именно мы учитываем - количество знаков в сообщениях заказчика, общее количество оставленных им сообщений (см. модель 3), или же рассматриваем как независимую переменную сам факт ответа заказчика данному фрилансеру (см. модель 4). При добавлении в модель репутационных характеристик влияние коммуникации со стороны заказчика на определение победителя в конкурсе продолжает оставаться значимым (см. модели 6-8). Таким образом, мы находим подтверждение гипотезе H4.2. Данный результат согласуется с предыдущими исследованиями (см.: [Katz 1982; Keller 1986; Kim, Wulf 2010; Wooten, Ulrich 2017].

Однако возникает вопрос: имеет ли данная коммуникация чисто техническое значение или же за ней стоят некоторые содержательные вещи? Возможно, заказчик, отвечая только на самые лучшие заявки, лишь маркирует уже принятое им решение о победителе. Тогда сам факт коммуникации является индикатором грядущей победы данного исполнителя в конкурсе. Или возможна другая ситуация: заказчик, вступая во взаимодействие с фрилансером, уточняет поставленное задание, оценивает достоинства и недостатки предложенной работы, предлагает сделать доработки. В этом последнем случае можно было бы говорить о том, что победа в конкурсах на биржах удалённого труда рождается именно в ходе коммуникации. Чтобы ответить на этот вопрос, мы провели небольшое дополнительное исследование, отобрав и проанализировав 24 конкурса, которые завершились в 2017 г. и содержали шесть и более сообщений от заказчика. Все такие сообщения были закодированы и отнесены к одной из четырёх групп:

-- обсуждение: комментарии носят преимущественно нейтральный характер и касаются уточнения отдельных аспектов техзадания (ТЗ), размера оплаты и гарантий, общих направлений

работы, способов связи, сроков конкурса, критериев оценки и т п. ("бюджет утверждён, повышения не будет"; "можете поступить как угодно"; "просьба учитывать требования, указанные в ТЗ");

— критика: работа отвергается полностью или по большей части, исполнителю предлагается внести в неё кардинальные изменения ("это очень и очень далеко от условий конкурса и того что мы ищем"; "на наш взгляд, это очень слабо");

— одобрение: заказчик выражает полную или практически полную удовлетворённость предложенной работой. Замечания если и присутствуют, то состоят не в критике деталей, а в просьбе о незначительной доработке материала ("хороший вариант, с ходу добавить нечего"; "чувствуется рука профи");

— интерес: заказчик выражает заинтересованность в представленной работе, иногда сопровождая её умеренной критикой и просьбой по доработке при сохранении автором основы ("интересно выглядит, необычно, цвета немного мрачноваты, мне кажется"; "логотип ничего, рассмотрим, спасибо").

Небольшой размер выборки не позволяет в полной мере оценить количественное соотношение выделенных категорий. Однако всё же сообщений, закодированных как "интерес", оказалось примерно в три раза больше, нежели тех, где встречалось "одобрение". Это может свидетельствовать о том, что в большинстве случаев комментарий заказчика не означает однозначного выбора исполнителя в качестве победителя конкурса и шансы фрилансера на победу во многом зависят от тех действий, которые он сам предпримет в дальнейшем. Чаще всего события развиваются следующим образом:

— фрилансер размещает первичную работу, сопровождая ее разъяснением и (или) просьбой о комментарии;

— заказчик даёт свою оценку и выражает пожелания об улучшении работы;

— фрилансер выражает готовность внести соответствующие правки и выкладывает новую работу в том же или в следующем сообщении.

Второй и третий этапы коммуникации часто повторяются несколько раз.

Коммуникация заказчика с победителями конкурса отличается меньшей частотой критических комментариев. Тем не менее и в этом случае большая часть сообщений заказчика относится к категории "интерес". Описанный выше цикл критических замечаний, комментариев и доработок наблюдается при взаимодействии заказчика с будущими победителями гораздо чаще и обладает большей интенсивностью, нежели при его общении с другими фрилансерами. Таким образом, можно сделать вывод о том, что коммуникация действительно играет важнейшую роль при определении победителя в конкурсах на биржах удалённого труда.

Формула успеха: как победить в конкурсе на бирже удалённой работы

На основе полученных результатов мы дифференцировали фрилансеров в зависимости от того, какова вероятность их победы в конкурсе. Были определены (1) наиболее удачные комбинации характеристик исполнителей, способствующие победе в конкурсе, (2) удовлетворительные (средние) с точки зрения вероятности выигрыша значения атрибутов, а также (3) значения переменных, наименее всего способствующих победе. Для статистически значимых интервальных переменных в качестве таких значений использовались нижний дециль, медиана и верхний дециль. Для категориальных переменных - значения наиболее и наименее успешных групп (категорий). Для статистически незначимых интервальных переменных использовались их медианные показатели (например, стаж, количество предыдущих участий и т д.). Для незначимых категориальных предикторов выбирались наиболее распространённые в массиве категории (например, мужской пол, возраст 22-27 лет и т д.). Все значения переменных, использованные при расчёте вероятности победы в конкурсе для каждой из трёх групп, представлены в таблице П 2.1 (см. приложение 2).

В среднем в каждом конкурсе на бирже удалённой работы участвуют 54 фрилансера. Если бы все они были в равных условиях, вероятность победить у каждого из них составляла бы 1/54, то есть 1,9%. Однако, как видно из рисунка 2, в случае, когда индивид по своим характеристикам соответствует наиболее успешной группе (то есть имеет средний возраст, продолжительный опыт работы на бирже, проживает в дальнем зарубежье, активно взаимодействует с заказчиком и т. п.), вероятность его победы в конкурсе увеличивается до 9,3%. А в ситуации, когда дополнительно учитываются его репутационные характеристики (рейтинг) на подвыборке 2017-2018 гг., эта вероятность и вовсе приближается к 40%. В свою очередь, люди, попадающие по своим характеристикам в самую неблагополучную группу (не заполнен профиль на сайте, небольшой стаж, отсутствие коммуникации с заказчиком и т п.), практически не имеют никаких шансов на выигрыш - у них вероятность этого события составляет лишь 0,1% для полной выборки и 0,01% для подвыборки, где учитывается репутация.



Рис. 2. Графическое представление вероятностей победы в конкурсе на бирже удалённой работы для трёх групп фрилансеров.

Поскольку, как показали регрессионные модели, коммуникация между заказчиком и исполнителем является одним из ключевых факторов успеха, дополнительно были рассчитаны вероятности победы в конкурсе в ситуации варьирования лишь одного этого параметра. Все остальные характеристики были зафиксированы на своём медианном уровне. Выяснилось, что при увеличении числа знаков в собственных сообщениях фрилансера с 60 (медианное значение) до 400 (верхний дециль) вероятность его выигрыша, согласно построенной регрессионной модели, возрастает с 1,7 до 2,6%. В свою очередь, для фрилансеров, наименее активных в коммуникации с заказчиком, вероятность победы снижается до 0,7%. Аналогичный эффект наблюдается и в ситуации, когда мы варьируем уровень коммуникации заказчика. Если заказчик ничего не написал в ответ данному фрилансеру, шансы этого последнего на победу крайне малы (вероятность составляет 0,5%). Если же между ними завязалась достаточно активная переписка, то вероятность возрастает до 2,6%.

Заключение

В разворачивающихся исследованиях рынков удалённой работы изучение механизмов выбора контрагентов - одна из самых популярных тем. Это вызвано двумя причинами --важностью социальноэкономических последствий подобных решений и наличием "больших данных", позволяющих понять, как эти решения принимаются. Функционирование механизмов отбора имеет осязаемые экономические последствия для их участников, а следовательно, и для целых социальных групп. Бизнесу необходимо наладить максимально эффективный процесс отбора кандидатов; рыночные шансы и благосостояние работников во многом зависят от того, как устроены и реально функционируют институты онлайн- рынков (например, существует ли дискриминация), а сами биржи удалённой работы заинтересованы в таком совершенствовании "правил игры", которое способствовало бы росту популярности подобных торговых площадок. Исследования того, как происходит выбор контрагентов на электронных площадках, становятся возможными благодаря тому, что сегодня веб-сайты фиксируют информацию о людях, совершающих сделки, и их поведении в процессе выбора контрагента в беспрецедентных масштабах.

Данное исследование посвящено тому, как характеристики работников (социально-демографические и профессиональные) и их поведение (коммуникация с заказчиком) влияют на вероятность победы в конкурсах на крупнейшей русскоязычной бирже удалённой работы. Конкурсы являются одним из широко распространённых механизмов подбора исполнителей на подобных сайтах (особенно в сфере графического дизайна). Исследование онлайн-конкурса как специфического институционального механизма позволяет продвинуться в понимании того, как устроен процесс выбора контрагента на бирже удалённой работы, и идентифицировать факторы, играющие в нём ключевую роль.

Мы не обнаружили устойчивых признаков дискриминации (включая гендерную) на данном рынке, хотя предыдущие исследования бирж удалённой работы позволяли предположить обратное. Скорее всего, это связано с особенностями изучаемого механизма отбора - конкурса, в ходе которого кандидаты демонстрируют готовые решения (по сути, уже исполняют работу). В этом случае заказчики не испытывают серьёзного дефицита информации относительно будущего качества работы и не задействуют стереотипические представления для снижения уровня неопределённости [Chan, Wang 2018]. Таким образом, конкурс можно характеризовать как меритократический механизм отбора, где участники оцениваются прежде всего на основании их профессионализма. Однако это автоматически не означает, что конкурсы являются более предпочтительным механизмом для фрилансеров, так как они требуют значительных трудовых вложений без гарантии последующего заключения сделки.

Наше исследование подтвердило важность стандартизированных репутационных механизмов на электронных площадках, ориентированных на разовые сделки между незнакомыми контрагентами. С одной стороны, в разнообразных рейтингах, отзывах и особых статусах на сайте отражается реальный профессионализм фрилансера, с другой, они выступают в качестве важных сигналов для участников рынка.

Можно также предположить, что авторитет исполнителей с высоким рейтингом побуждает заказчиков прислушиваться к их мнению и выбирать произведённый именно ими вариант работы (особенно учитывая, что в большинстве случаев речь идёт о графическом дизайне, критерии качества которого во многом субъективны и неочевидны). Всё это значительно повышает шансы фрилансеров с высокими показателями репутации на сайте получить заказ как в рамках конкурсов, так и в рамках других механизмов, что было доказано в предыдущих исследованиях. Есть основания утверждать, что развитие формальных репутационных механизмов, напрямую свидетельствующих о профессионализме, также вносит вклад в снижение роли социальных стереотипов при выборе контрагента, а следовательно, приводит и к снижению дискриминации, о чём говорилось выше [Chan, Wang 2018].

Наконец, в рамках исследования выявлено, что коммуникация между кандидатами и заказчиком в процессе отбора имеет большое значение для его результатов. Специфика организации конкурсов (в отличие от механизма проектов) на исследуемом сайте позволяет заказчику и участникам общаться между собой, открывая дополнительные возможности для получения обратной связи, трансляции определённых сигналов и формирования социальных отношений. Таким образом, процедура конкурса превращается в активное социальное взаимодействие, в ходе которого у участников появляются дополнительные возможности повлиять на его результаты. Фрилансеры, остающиеся вне процесса социальной коммуникации, существенно снижают свои шансы на победу в конкурсе, а заказчики, не предоставляющие обратную связь, как было показано в других исследованиях, могут получить работы более низкого качества [Yang, Chen, Pavlou 2009; Wooten, Ulrich 2017].

Ценность результатов исследования не ограничивается рамками проблематики рынков удалённой работы. Полученные результаты можно интерпретировать в более широком контексте выбора контрагентов в условиях неопределённости, ограниченной рациональности и склонности агентов к оппортунизму. С методологической точки зрения интерес представляет отрефлексированный опыт работы с "большими данными", пока ещё редкий в отечественной социологии.

Приложения Приложение 1 Таблица П 1.1 Примеры эмпирических исследований на биржах удалённой работы
№ п/п	Источник	Проблематика	Информационная база
1	[Chan, Wang 2018]	Роль гендерных стереотипов при принятии решений о найме работников на онлайн-платформах.	Онлайн-платформа не указана в целях конфиденциальности. Выборка: 462 5870 заявок от соискателей (80% от всех заявок, опубликованных с августа 2012 г. по декабрь 2013 г.). Данные предоставлены сайтом.
2	[Hannak et al. 2017]	Расовая и гендерная дискриминация на биржах удалённой работы.	Биржи TaskRabbit и Fiverr. 13 500 профайлов фрилансеров. Данные получены исследователями.
3	[Hong, Pavlou 2017]	Влияние различий (языковых, культурных, в часовых поясах) между странами заказчика и исполнителя, а также уровня развития информационных технологий (IT) в стране проживания фрилансера на выбор исполнителя (с учётом репутации).	Биржа Freelancer.com. Выборка: 11 541 проект по разработке программного обеспечения (ПО) (август 2009 г. - февраль 2010 г.). Данные предоставлены сайтом.
4	[Kokkodis, Ipeirotis 2016]	Роль репутации фрилансера в качестве сигнала для оценки качества будущей работы в условиях гетерогенности заданий на биржах удалённой работы.	Биржа oDesk. 1 029 024 завершённые трансакции, 1-21 сентября 2012 г. Данные получены исследователями.
5	[Kim, Wulf 2010]	Дискретные и отношенческие стратегии заказчиков при заключении сделок на биржах удалённой работы.	Онлайн-платформа не указана. Выборка: 31 879 проектов в категории "Вебпрограммирование" (июль - ноябрь 2008 г.), 3526 уникальных заказчиков. Данные получены исследователями.
6	[Leung 2014]	Влияние трудового опыта фрилансера в смежных профессиональных сферах на вероятность быть избранным в качестве исполнителя.	Биржа Elance.com. Данные охватывают все сделки за 2000-2004 гг.: 964 034 заявки от 16 569 уникальных фрилансеров в рамках 119 648 размещённых проектов. Данные предоставлены сайтом.
7	[Цgьt 2011]	Факторы выбора (победы) фрилансеров в обратных аукционах (аукционы на понижение) с низкой и высокой стоимостью.	Биржа Freelancer.com Выборка: 32 100 проектов. Данные получены исследователями.
8	[Radkevitch et al. 2006]	Вовлечённость (commitment) и оппортунизм заказчиков на онлайн-биржах IT-услуг Влияние поведения заказчика на вероятность заключения сделки в рамках обратного аукциона.	2500 аукционов в сфере IT с лидирующей онлайн-биржи IT-услуг (не называется). Данные получены исследователями. Собраны все аукционы, проведённые в январе - августе 2005 г.

Приложение 2			Таблица П 2.1
	Значения переменных для расчёта вероятностей
Группы	Переменные	Полная выборка	Подвыборка (2017-2018 гг.)
Наиболее	Пол	Мужчины	Мужчины
успешная группа (верх-	Возраст	22-27 лет	22-27 лет
ний дециль для	Страна	Дальнее зарубежье	Дальнее зарубежье
метрических	Стаж	1900 дней	650 дней
переменных)	Рейтинг	-	4500
	Прошлые участия	25	0
	Количество знаков в сообщениях фрилансера	400	400
	Количество знаков в ответах заказчика	400	400
Средняя группа	Пол	Мужчины	Мужчины
(медиана для метрических	Возраст	10-21 год	10-21 год
переменных)	Страна	Россия	Россия
	Стаж	430 дней	650 дней
	Рейтинг	-	450
	Прошлые участия	25	30
	Количество знаков в сообщениях фрилансера	60	60
	Количество знаков в ответах заказчика	80	80
Наименее	Пол
успешная группа(ниж-	Возраст	Не указано	Не указано
ний дециль для	Страна
метрических	Стаж	25 дней	650 дней
переменных)	Рейтинг	-	20
	Прошлые участия	25	600
	Количество знаков в сообщениях фрилансера	1	1
	Количество знаков в ответах заказчика	0	0

Интерфейс биржи удалённой работы FL.ru

Рис. П 3.1. Пример условий завершившегося конкурса, в том числе с указанием победителя

Рис. П 3.2. Пример профиля участника биржи



Рис. П 3.3. Пример опубликованной работы и коммуникации

Литература

1. Волков В.В., Скугаревский Д.А., Титаев К.Д. 2016. Проблемы и перспективы исследований на основе Big Data (на примере социологии права). Социологические исследования. 1: 48-58.

2. Джапек Л. et al. 2015. Отчет AAPOR о больших данных: 12 февраля 2015. Американская ассоциация исследователей общественного мнения. Пер. с англ. Д. Рогозина, А. Ипатовой, Е. Вьюговской. М.: ВЦИОМ. URL: https://wciom.ru/fileadmin/file/nauka/grusha2015/AAPOR_big_data.pdf

3. Малоун Т. У 2006. Труд в новом столетии. Как новые формы бизнеса влияют на организации, стиль управления и вашу жизнь. М.: Олимп--Бизнес.

4. Маркин М.Е. 2009. Социальная обусловленность возникновения деловых отношений: выбор бизнес- партнёров в российской розничной торговле. Экономическая социология. 10 (5): 72-92. URL: https:// ecsoc.hse.ru/data/2011/12/08/1208204982/ecsoc_t10_n5.pdf.

5. Маркин М.Е., Назарбаева Е.А. 2014. Как самозанятые ищут своих заказчиков, а компании подбирают себе фрилансеров: эмпирический анализ рынка удалённой работы в современной России. Вестник общественного мнения. Данные. Анализ. Дискуссии. 1-2: 96-105.

6. Радаев В.В. 2009. Атомизированные действия и социальные связи: основы конкуренции в российской розничной торговле. Мир России. 18 (2): 50-88.

7. Радкевич В.Л. 2003. О роли поисковых и коммуникационных издержек заказчика при заключении сделок на электронных рынках услуг. В сб.: Ковалёв В.В. (отв. ред.). Современная финансовая теория. Сборник научных статей. Минск: БГУ; 213-232.

8. Смирнов В.А. 2015. Новые компетенции социолога в эпоху "больших данных". Мониторинг общественного мнения: экономические и социальные перемены. 2: 44-54.

9. Срничек Н. 2019. Капитализм платформ. М.: Изд. дом ВШЭ.

10. Стребков Д.О., Шевчук А.В. 2009. Фрилансеры на электронных рынках: роль социальных связей. Экономическая социология. 10 (5): 11-32. URL: https://ecsoc.hse.ru/data/2011/12/08/1208204982/ ecsoc_t10_n5.pdf.

11. Стребков Д.О., Шевчук А.В. 2012a. Оппортунизм и доверие на рынках удалённой работы. В сб.: Радаев В.В. (отв. ред.). Рынки удалённой работы: социальные сети и институты. М.: Изд. дом ВШЭ; 76-94. URL: https://publications.hse.ru/chapters/76123801

12. Стребков Д.О., Шевчук А.В. 2012b. Рынки удалённой работы как объект исследования. В сб.: Радаев В.В. (отв. ред.). Рынки удалённой работы: социальные сети и институты. М.: Изд. дом ВШЭ; 7-34. URL: https://publications.hse.ru/chapters/76124980

13. Стребков Д.О., Шевчук А.В., Спирина М.О. 2015. Развитие русскоязычного рынка удалённой работы, 2009-2014 гг. (порезультатам Переписи фрилансеров). Серия "Аналитика ЛЭСИ". Вып. 16. М.: Изд. дом ВШЭ. URL: https://publications.hse.ru/books/167025758

14. Уцци Б. 2007. Источники и последствия укоренённости для экономической эффективности организаций: влияние сетей. Экономическая социология. 8 (3): 44-60. URL: https://ecsoc.hse.ru/ data/2011/12/08/1208204937/ecsoc_t8_n3.pdf

15. Aguinis H., Lawal S. O. 2013. eLancing: A Review and Research Agenda for Bridging the Science-Practice Gap. Human Resource Management Review. 23 (1): 6-17.

16. Agrawal A. et al. 2015. Digitization and the Contract Labor Market: A Research Agenda. In: Goldfarb A., Greenstein S. M., Tucker C. (eds). Economic Analysis of the Digital Economy. Chicago: University Of Chicago Press; 219-256.

17. Autor H. 2001. Wiring the Labor Market. Journal of Economic Perspectives. 15 (1): 25-40.

18. Assemi B., Schlagwein D. 2012. Profile Information and Business Outcomes of Providers in Electronic Service Marketplaces: An Empirical Investigation. Conference Paper. 23rd Australasian Conference on Information Systems. 3-5 December 2012, Geelong. URL: https://www.researchgate.net/publication/277249398_ Profile_Information_and_Business_Outcomes_of_Providers_in_Electronic_Service_Marketplaces_An_ Empirical_Investigation

19. Ba S., Pavlou P. A. 2002. Evidence of the Effect of Trust Building Technology in Electronic Markets: Price Premiums and Buyer Behavior. MIS Quarterly. 26 (3): 243-268.

20. Banker R. D., Hwang I. 2008. Importance of Measures of Past Performance: Empirical Evidence on Quality of e-Service Providers. Contemporary Accounting Research. 25 (2): 307-337.

21. Bente G., Baptist O., Leuschner H. 2012. To Buy or not to Buy: Influence of Seller Photos and Reputation on Buyer Trust and Purchase Behavior. International Journal of Human-Computer Studies. 70 (1): 1-13.

22. Botelho T. L., Abraham M. 2017. Pursuing Quality: How Search Costs and Uncertainty Magnify Gender- based Double Standards in a Multistage Evaluation Process. Administrative Science Quarterly. 62 (4): 698-730.

23. Carr S. M. 2003. Note on Online Auctions with Costly Bid Evaluation. Management Science. 11 (49): 15211528.

24. Carignani A., Negri A. 2015. "Do We Need Education?" Required Abilities in Online Labor Markets: An Empirical Research. Campus Virtuales. 2 (1): 90-102.

25. Chan J., Wang J. 2018. Hiring Preferences in Online Labor Markets: Evidence of a Female Hiring Bias. Management Science. 64 (7): 2973-2994.

26. Che Y K., Gale I. 2003. Optimal Design of Research Contests. The American Economic Review. 93 (3): 646-671.

27. Chesbrough H. W. 2007. Why Companies should have Open Business Models. MIT Sloan Management Review. 48 (2): 22-28.

28. Cohen J. et al. 1975. Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences. New York: Routledge.

29. Dellarocas C. 2003. The Digitization of Word of Mouth: Promise and Challenges of Online Feedback Mechanisms. Management Science. 10 (49): 1407-1424.

30. Dennis A. R., Fuller R. M., Valacich J. S. 2008. Media, Tasks, and Communication Processes: A Theory of Media Synchronicity. MIS Quarterly. 3 (32): 575-600.

31. Drahokoupil J., Fabo B. 2016. The Platform Economy and the Disruption of the Employment Relationship. ETUI Policy Brief, 5/2016. Brussels: European Trade Union.

32. Edelman B., Luca M., Svirsky D. 2017. Racial Discrimination in the Sharing Economy: Evidence from a Field Experiment. American Economic Journal: Applied Economics. 9 (2): 1-22.

33. Ert E., Fleischer A., Magen N. 2016. Trust and Reputation in the Sharing Economy: The Role of Personal Photos in Airbnb. Tourism Management. 55: 62-73.

34. Fullerton R. L., McAfee R. P. 1999. Auctioning Entry into Tournaments. Journal of Political Economy. 107 (3): 573-605.

35. Gao G. G. et al. 2015. Vocal Minority and Silent Majority: How do Online Ratings Reflect Population Perceptions of Quality? MIS Quarterly. 39 (3): 565-589.

36. Gefen D., Carmel E. 2008. Is the World Really Flat? A Look at Offshoring at an Online Programming Marketplace. MIS Quarterly. 32 (2): 367-384.

37. Gefen D., Straub D. 2004. Consumer Trust in B2C e-Commerce and the Importance of Social Presence: Experiments in e-Products and e-Services. Omega. 32 (6): 407-424.

38. Golder S. A., Macy M. W. 2014. Digital Footprints: Opportunities and Challenges for Online Social Research. Annual Sociological Review. 40 (1): 129-152.

39. Hackwith A. 2011. Freelance Confidential: The Whole Truth on Successful Freelancing. Lexington, KY: Rockable Press.

40. Hannвk A. et al. 2017. Bias in Online Freelance Marketplaces: Evidence from TaskRabbit and Fiverr. Conference Paper. Proceedings of the 2017 ACM Conference on Computer Supported Cooperative Work and Social Computing. February 25 - March 1, 2017, Portland, OR, USA. URL: https://dl.acm.org/ citation.cfm?id=2998327.

41. Hong Y., Pavlou P. A. 2012. Are Global Online Labor Markets Truly "Flat"? Global Frictions and Global Labor Arbitrage. SSRN Working Paper. URL: https://pdfs.semanticscholar.org/1fd7/91de72dac4727a0d6 cbb8a70311c6af52f2a.pdf

42. Hu N., Zhang J., Pavlou P. A. 2009. Overcoming the J-Shaped Distribution of Product Reviews. Communications of the ACM. 10 (52): 144-147.

43. Hong Y., Pavlou P. A. 2017. On Buyer Selection of Service Providers in Online Outsourcing Platforms for IT Services. Information Systems Research. 28 (3): 547-562.

44. Horton J., Kerr W., Stanton C. 2017. Digital Labor Markets and Global Talent Flows. Working Paper. No. 23398. National Bureau of Economic Research. URL: http://www.nber.org/papers/w23398

45. Huws U. 2017. Where did Online Platforms Come from? The Virtualization of Work Organization and the New Policy Challenges it Raises. In: Meil P., Kirov V (eds) Policy Implications of Virtual Work. Cham: Springer International Publishing; 29-48.

46. Jinnai Y Do Job Applicants also Discriminate Potential Employers? Evidence from the World's Largest Online Labor Market. Working Paper. No. EMS 2016 03. Research Institute, International University of Japan.

47. Katz R. 1982. The Effects of Group Longevity on Project Communication and Performance. Administrative Science Quarterly. 3: 81-104.

48. Keller R. 1986. Predictors of the Performance of Project Groups in R & D Organizations. Academy of Management Journal. 29 (4): 715-726.

49. Kenney M., Zysman J. 2016. The Rise of the Platform Economy. Issues in Science and Technology. 32 (3): 61-69.

50. Kim J. Y, Wulf E. 2010. Move to Depth: Buyer-Provider Interactions in Online Service Marketplaces. e-Service Journal. 7 (1): 2-14.

51. King R. 2010. Brunelleschi's Dome: The Story of the Great Cathedral in Florence. New York: Random House.

52. Kokkodis M., Ipeirotis P. G. 2016. Reputation Transferability in Online Labor Market. Management Science. 62 (6): 1687-1706.

53. Kremer M. 2001. Creating Markets for New Vaccines. Part II: Design Issues. Innovation Policy and the Economy. 1: 73-118.

54. Lazer D., Radford J. 2017. Data ex Machina: Introduction to Big Data. Annual Review of Sociology. 43 (1): 19-39.

55. Leung M. D. 2014. Dilettante or Renaissance Person? How the Order of Job Experiences Affects Hiring in an External Labor Market. American Sociological Review. 79 (1): 136-158.

56. Lin M., Viswanathan S., Agarwal R. 2010. An Empirical Study of Online Software Outsourcing: Signals under Different Contract Regimes. NET Institute Working Paper. URL: http://ssrn.com/abstract=1694385

57. Moldovanu B., Sela A. 2001. The Optimal Allocation of Prizes in Contests. The American Economic Review. 91 (3): 542-558.

58. Morgan J., Wang R. 2010. Tournaments for Ideas. California Management Review. 52 (2): 77-97.

59. Цgьt H. 2013. Factors Affecting Professionals' Selection in High and Low-Value Online Service Procurements. The Service Industries Journal. 1 (33): 133-149.

60. Poetz M. K., Schreier M. 2012. The Value of Crowdsourcing: Can Users Really Compete with Professionals in Generating New Product Ideas? Journal of Product Innovation Management. 29 (2): 245-256.

61. Posthma R., Campion M. 2009. Age Stereotypes in the Workplace: Common Stereotypes, Moderators, and Future Research Directions. Journal of Management. 35 (1): 158-188.

62. Radkevitch U. L., Heck E. van, Koppius O. 2006. Buyer Commitment and Opportunism in the Online Market for IT Services. ERIMReport Series Research in Management. URL: http://repub.eur.nl/pub/7903

63. Rangan S. 2000. The Problem of Search and Deliberation in Economic Action: When Social Networks Really Matter. Academy of Management Review. 25 (4): 813-828.

64. Salganik M. J. 2017. Bit by Bit: Social Research in the Digital Age. Princeton: Princeton University Press.

65. Schottner A. 2008. Fixed-Prize Tournaments versus First-Price Auctions in Innovation Contests. Economic Theory. 35 (1): 57-71.

66. Shevchuk A., Strebkov D. 2018. Safeguards against Opportunism in Freelance Contracting on the Internet. British Journal of Industrial Relations. 56 (2): 342-369.

67. Snir E. M., Hitt L. M. 2003. Costly Bidding in Online Markets for IT Services. Management Science. 11 (49): 1504-1520.

68. Wooten J. O., Ulrich K. T. 2017. Idea Generation and the Role of Feedback: Evidence from Field Experiments with Innovation Tournaments. Production and Operations Management. 26 (1): 80-99.

69. Yang Y, Chen P., Banker R. 2011. Winner Determination of Open Innovation Contests in Online Markets. Conference Paper. Proceedings of the 32nd International Conference on Information Systems, ICIS 2011, Shanghai, China, December 4-7, 2011. URL: https://aisel.aisnet.org/icis2011/proceedings/ebusiness/16/

70. Yang Y., Chen P. Y, Pavlou P. 2009. Open Innovation: An Empirical Study of Online Contests. Conference Paper. Proceedings of the 30th International Conference on Information Systems, ICIS 2009, Phoenix, AZ, United States, December 15-18, 2009. URL: https://asu.pure.elsevier.com/en/publications/open- innovation-an-empirical-study-of-online-contests

71. Yoganarasimhan H. 2013. The Value of Reputation in an Online Freelance Marketplace. Marketing Science. 32 (6): 860-891.

72. Zubrin R. 1996. Mars on a Shoestring. Technology Review. 99 (9): 20-31.Social Factors of Contractor Selection on Freelance Online Marketplace:

73. References

74. Agrawal A., Horton J., Lacetera N., Lyons E. (2015) Digitization and the Contract Labor Market: A Research Agenda. Economic Analysis of the Digital Economy (eds. A. Goldfarb, S. M. Greenstein, C. Tucker), Chicago: University of Chicago Press, pp. 219-256.

75. Aguinis H., Lawal S. O. (2013) eLancing: A Review and Research Agenda for Bridging the Science-Practice Gap. Human Resource Management Review, vol. 23, no 1, pp. 6-17.

76. Assemi B., Schlagwein D. (2012) Profile Information and Business Outcomes of Providers in Electronic Service Marketplaces: An Empirical Investigation. Conference Paper. 23rd Australasian Conference on Information Systems, 3-5 December 2012, Geelong. Available at: https://www.researchgate.net/ publication/277249398_Profile_Information_and_Business_Outcomes_of_Providers_in_Electronic_Ser- vice_Marketplaces_An_Empirical_Investigation (accessed 8 May 2019).

77. Autor H. (2001) Wiring the Labor Market. Journal of Economic Perspectives, vol. 15, no 1, pp. 25-40.

78. Ba S., Pavlou P. A. (2002) Evidence of the Effect of Trust Building Technology in Electronic Markets: Price Premiums and Buyer Behavior. MIS Quarterly, vol. 26, no 3, pp. 243-268.

79. Banker R. D., Hwang I. (2008) Importance of Measures of Past Performance: Empirical Evidence on Quality of e-Service Providers. Contemporary Accounting Research, vol. 25, no 2, pp. 307-337.

80. Bente G., Baptist O., Leuschner H. (2012) To Buy or not to Buy: Influence of Seller Photos and Reputation on Buyer Trust and Purchase Behavior. International Journal of Human-Computer Studies, vol. 70, no 1, pp. 1-13.

81. Botelho T. L., Abraham M. (2017) Pursuing Quality: How Search Costs and Uncertainty Magnify Gender- based Double Standards in a Multistage Evaluation Process. Administrative Science Quarterly, vol. 62, no 4, pp. 698-730.

82. Carignani A., Negri A. (2015) "Do We Need Education?" Required Abilities in Online Labor Markets: An Empirical Research. Campus Virtuales, vol. 2, no 1, pp. 90-102.