Informazioni sul ruolo
In questo ruolo di collaboratore a contratto, remoto e retribuito a ore, lavorerai come Life & Environmental Sciences Quality Assurance Lead (QAL) per supervisionare qualità, coerenza e prestazioni dei trainer nei progetti di addestramento AI in biologia, ecologia, scienze ambientali e scienze della vita. Esaminerai contenuti di scienze della vita/ambientali generati dall'AI e il lavoro di trainer/QA, valuterai la qualità degli output rispetto alle linee guida del progetto, fornirai feedback scritti precisi e garantirai che tutti i contributori rispettino gli standard di qualità attesi.
Valuterai il lavoro per accuratezza scientifica, ragionamento biologico, contesto ecologico, pensiero sistemico ambientale, qualità della terminologia, interpretazione dei dati, consapevolezza della sicurezza, chiarezza, formattazione, rispetto delle istruzioni e aderenza alle rubriche specifiche del progetto. Individuerai problemi di qualità ricorrenti, comunicherai aggiornamenti a trainer e QA, supporterai l'onboarding, manterrai la documentazione e aiuterai ad attivare i contributori che non lavorano con continuità. Questo ruolo richiede una solida competenza in scienze della vita/ambientali, ottime capacità di comunicazione in inglese, eccellente attenzione ai dettagli, comunicazione strutturata e la capacità di gestire flussi di lavoro di qualità in team scientifici remoti.
Questo ruolo è presso SME Careers, un'azienda in rapida crescita nel settore AI Data Services e controllata di SuperAnnotate, che fornisce dati di addestramento per molte delle più grandi aziende AI e laboratori di modelli fondazionali del mondo. La tua leadership nella qualità delle scienze della vita e ambientali contribuirà direttamente a migliorare i principali modelli AI del mondo, garantendo che i dati di addestramento scientifico siano accurati, consapevoli delle evidenze, contestualizzati dal punto di vista ambientale, spiegati chiaramente e allineati alle aspettative del cliente.
Cosa farai
- Monitoraggio della qualità: eseguire controlli a campione su elementi di scienze della vita e ambientali, individuare problemi di qualità, fornire feedback continuo tramite DM ed escalare problemi ricorrenti o critici.
- Revisione scientifica: valutare spiegazioni generate dall'AI su biologia, ecologia, scienze ambientali, sostenibilità, conservazione, clima e scienze della vita per accuratezza, chiarezza e rigore scientifico.
- Comunicazione con trainer e QA: aggiornare trainer e QA su Discord riguardo a nuove linee guida sugli elementi, modifiche al progetto, aggiornamenti dei flussi di lavoro, aspettative di qualità e standard di revisione specifici per scienze della vita/ambientali.
- Gestione delle domande: rispondere a domande di trainer/QA in modo chiaro e tempestivo, soprattutto su concetti biologici, ecosistemi, sistemi ambientali, interpretazione dei dati, affermazioni sulla sostenibilità, sicurezza e interpretazione delle rubriche.
- Gestione dell'attivazione di trainer/QA: inviare DM ai contributori inattivi o che non lavorano, incoraggiare l'attivazione, monitorare i follow-up e segnalare problemi di disponibilità quando necessario.
- Documentazione: creare e mantenere la documentazione dei progetti di scienze della vita/ambientali, inclusi style guide, tracker, FAQ, note sulla qualità, esempi, honeypot, attività di calibrazione e materiali di onboarding.
- Onboarding e addestramento: pianificare e condurre call di onboarding/addestramento con trainer e QA per spiegare aspettative del progetto, flussi di lavoro, rubriche, standard di qualità e requisiti di revisione scientifica.
- Allineamento sulla qualità: garantire che tutti i trainer e i QA applichino coerentemente le linee guida di scienze della vita e ambientali e comprendano gli aggiornamenti man mano che i progetti evolvono.
- Revisione dei rischi: segnalare affermazioni ambientali fuorvianti, dichiarazioni non supportate su salute/ecologia, raccomandazioni non sicure su esperimenti o lavoro sul campo, interpretazioni dei dati errate o affermazioni scientifiche troppo sicure.
- Miglioramento dei processi: individuare lacune di qualità ricorrenti, proporre miglioramenti dei flussi di lavoro e contribuire a costruire processi QA scalabili per i progetti di addestramento AI in scienze della vita e ambientali.
- Padronanza nativa del punjabi
Cosa cerchiamo
- Laurea triennale, magistrale, dottorato o esperienza professionale equivalente in Biologia, Scienze Ambientali, Ecologia, Biologia della Conservazione, Scienze della Terra, Salute Pubblica, Agricoltura, Scienze Marine, Sostenibilità, Scienze della Vita o un campo correlato.
- Solida padronanza della lingua inglese per seguire le linee guida del progetto, comunicare con i team e fornire feedback scritti chiari.
- 3+ anni di esperienza in ricerca in scienze della vita, scienze ambientali, insegnamento, lavoro sul campo, lavoro di laboratorio, conservazione, sostenibilità, comunicazione scientifica, revisione accademica o flussi di lavoro scientifici correlati.
- Solida comprensione di biologia, ecologia, ecosistemi, biodiversità, evoluzione, genetica, fisiologia, sistemi ambientali, cambiamento climatico, inquinamento, conservazione, sostenibilità e metodi scientifici.
- Capacità di valutare contenuti di scienze della vita/ambientali rispetto a rubriche dettagliate e di individuare problemi quali affermazioni biologiche errate, relazioni ecologiche troppo semplificate, affermazioni ambientali non supportate, ragionamenti causali errati, raccomandazioni non sicure o interpretazioni dei dati fuorvianti.
- Familiarità con strumenti o metodi quali campionamento sul campo, metodi di laboratorio, indagini ecologiche, valutazione d'impatto ambientale, GIS, statistica, dataset climatici/ambientali, revisione della letteratura o visualizzazione scientifica è preferibile.
- Esperienza nella guida o nel supporto di team remoti di ricercatori, educatori, revisori, specialistici ambientali, annotatori, trainer o QA è fortemente preferibile.
- A proprio agio in ambienti remoti e dinamici con strumenti quali Discord, Google Sheets, Google Docs, tracker, dashboard e sistemi di project management.
- Fortemente orientato ai dettagli e organizzato, con la capacità di mantenere style guide, FAQ, tracker, materiali di onboarding, honeypot, attività di calibrazione e documentazione.
- Esperienza con addestramento AI, annotazione dei dati, valutazione LLM, QA scientifica, revisione di contenuti ambientali, revisione accademica o revisione basata su rubriche è un forte plus.