Page 61 - 《社会》2025年第2期

社会·2025·2

纽兰兹（Newlands，2021）基于空间理论认为算法监控实时捕获和记
录物理空间中员工的行为，将其转化为可量化的数据并映射到“简洁”
的数字地图中，继而从数字空间对生活空间中的员工进行干预。 数据
分析师将这些指标汇集成一个数据看板或数据地图，教师运营人员会
按特定指标对外教进行排序，如表 2 对关闭可预约时间数进行倒序排
列，并进一步跟进指标表现差的外教，仔细审核其上课视频，并与之一
对一沟通，最终决定将其列入白名单（愿意教）或黑名单（不愿意教）。
白名单中的外教将获得更多的授课机会，而黑名单中的外教会被移出
平台。

表 2：外 教 教 学 意 愿 监 控 指 标 看 板/数 字 地 图 示 例
外教 主观教 缺席 取消 迟到 早退 差评 关闭可预 知识点覆 知识点 积极鼓 积极情 运营手
id 学意愿 率 率 率 率 率 约时间数 盖比率 重复率 励次数 绪占比 动标注
1 否 25 黑名单
2 是 22 黑名单
3 再想想 20 白名单

n 是 1 白名单

三算环节，算法识别。 监控指标的第二个运用场景是用于训练预测
外教教学意愿的机器学习算法，批量完成对所有外教教学意愿的甄别。
在此之前，Y 平台运行着一个预测外教是否即将流失的算法，其目标是
识别出即将流失的优秀外教，通过及时沟通、采取补救措施挽回部分外
教。 在借鉴流失预测模型的基础上，算法工程师针对当前的情境训练教
学意愿模型， 以运营人员已经标注的黑白名单为训练集， 基于监控指
标、教师信息等数据，学习出愿意继续教学与不愿意继续教学的外教各
自的行为模式， 最终运用模型预测其余未被教师运营人员标注的外教
的教学意愿。 意愿预测算法输出的是外教愿意继续教学的概率值，值越
大表示外教的教学意愿越高，或者说给平台带来的风险越小。
在意向甄别的基础上，Y 平台进一步对外教分而治之。 算法产生一
种滑动的分类， 将人们置于一 个 连 续 的尺 度 上 （Fourcade and Healy，
2013）。 平台用意愿预测算法形成的教师教学意愿排序（或者说风险排
序）替代“无声的”降薪阶段的外教排序，应用于用户预约推荐以及系
统自动分配场景，限制低教学意愿外教的授课机会，实现风险最小化。

· 54·