Článek
Cook zároveň upozornil na další studii, která ukazuje, že funkce spropitného rozdíl v příjmech mezi muž a ženami naopak snižuje. Ne však natolik, aby se odměny zcela vyrovnaly.
Čím to je
Za polovinou rozdílu stojí fakt, že řidiči v průměru jezdí rychleji než řidičky. Díky tomu každou jízdu dokončí rychleji a mohou dříve přijmout další zakázku. Celkově tak mohou muži za stejný čas stihnout více jízd než ženy, čímž si za stejnou dobu vydělají více.
Our data was from before Uber had in-app tipping, but I highly recommend this paper by @econ_b et al showing that women are tipped more on Uber (but not enough to offset the pay gap) https://t.co/UbU3JyepAn [8/9]
— Cody Cook (@codyfcook) November 20, 2020
Tweet: Data pocházejí z doby před zavedením funkce spropitného v aplikaci. Jeden z autorů na Twitteru odkazuje na další studii, jež ukazuje, že spropitné rozdíly v odměňování mezi muži a ženami spíše snižují.
Dalším rozdílem, který se projevuje na výdělcích řidičů a řidiček, je, že řidiči častěji jezdí z hlediska Uberu v lukrativnějších částech města.
„To je z velké části způsobeno tím, že řidiči mají sklon bydlet v blízkosti lukrativnějších lokalit, a tím, že muži získají kompenzační diferenciál za svoji ochotu jezdit v oblastech s vyšší kriminalitou a větším výskytem hospod a barů,“ uvedli autoři ve studii.
Kompenzační diferenciál nebo kompenzační mzdový diferenciál je ekonomický termín, který označuje právě to, co si lidé vydělají nad rámec základní mzdy díky ochotě podstoupit větší riziko nebo nepohodlí.
Navrátilová si stěžuje, že jí BBC platila desetkrát méně než McEnroeovi
Třetím a posledním důvodem rozdílu mezi výdělkem řidičů a řidiček jsou zkušenosti. „Řidička, která dokončila více než 2500 jízd, si za hodinu vydělá o 14 procent více než řidič nebo řidička, kteří dokončili méně než 100 jízd Uberem,“ upřesnili autoři.
Jak dále píší, částečně je to proto, že postupem času se řidiči a řidičky učí – například jak strategicky rušit nebo přijímat jízdy. „Muži nashromáždí více zkušeností než ženy tím, že každý týden najezdí více, a tím, že je menší pravděpodobnost, že pro Uber přestanou jezdit,“ stojí dále ve studii.
Čím to není
Výrazný vliv na výši mezd má obvykle vyjednávání mezi zaměstnavateli a zaměstnanci. Tento faktor však v oblasti digitální ekonomiky a aplikace Uber odpadá. Řidiči a řidičky nejsou zaměstnanci a jejich odměny jsou jasně stanovené.
3) Men drive faster than women on average—both on Uber and in general!—and Uber's pay structure rewards speed. Uber pays for both time and distance, but in almost all cases it’s better to drive faster in order to start the next trip sooner and accrue more ‘distance’ pay. [5/9] pic.twitter.com/941hpxfvOk
— Cody Cook (@codyfcook) November 20, 2020
Tweet: Jak ukazují výše uvedené grafy, mužům pomáhá, že jezdí rychleji, a vliv na výši výdělku mají také zkušenosti získávané každou další odjetou jízdou.
Autoři zároveň zdůrazňují, že analyzovaná data i některé další očekávatelné příčiny rozdílu ve výdělcích vyloučila.
Kromě zmíněné diskriminace ze strany zákazníků jde také o vliv flexibility práce nebo denní doby, kdy řidiči nebo řidičky pracují. Mohla by se například nabízet hypotéza, že ženy v důsledku starostí o domácnost nemohou pracovat v některé obzvláště lukrativní časy. To se podle autorů buď neděje, nebo to na výdělky nemá vliv.
Stejně tak studie ukazuje, že v případě řidičů a řidiček Uberu nemá vliv na průměrný hodinový výdělek intenzita práce. V zásadě je v tomto ohledu jedno, zda řidič pracuje 20 nebo 40 hodin.
Proces učení je klíčový
Podle autorů je přitom studie právě v tomto ohledu jedinečná. Díky podrobným datům z aplikace mohli na rozdíl od podobných studií rozlišit mezi intenzitou práce a získanými zkušenostmi.
Z toho podle nich vyplývají i případná doporučení, jak situaci ještě více zlepšit. Pokud je klíčem proces učení při práci, nemusela by podpora pracovní flexibilita k rozdílům v odměňování.
Naopak politika, která směřuje k narovnání platových rozdílů, by podle nich mohla „pomáhat ženám posouvat se v křivce učení stejně stejným tempem jako muži”.
Studie vyhodnocovala podrobnější data Uberu z jízd v Chicagu z období od ledna 2015 do března 2017 a další data ze zbytku USA ve stejném období.