Over de functie
In deze rol als uurtarief, externe contractor werk je als Astronomy / Astrophysics Quality Assurance Lead (QAL) om kwaliteit, consistentie en prestaties van trainers te bewaken binnen astronomie- en astrofysica-AI-trainingsprojecten. Je beoordeelt door AI gegenereerde astronomie-/astrofysicacontent en het werk van trainers/QA, evalueert de outputkwaliteit aan de hand van projectrichtlijnen, geeft precieze schriftelijke feedback en zorgt ervoor dat alle bijdragers de verwachte kwaliteitsnormen volgen.
Je beoordeelt werk op wetenschappelijke nauwkeurigheid, natuurkundige redenering, wiskundige correctheid, terminologiekwaliteit, omgang met eenheden, observationele context, duidelijkheid, formatting, instructieopvolging en naleving van projectspecifieke rubrics. Je signaleert terugkerende kwaliteitsproblemen, communiceert updates naar trainers en QA's, ondersteunt onboarding, onderhoudt documentatie en helpt bijdragers te activeren die niet consistent werken. Deze rol vereist sterke astronomie-/astrofysica-expertise, sterke Engelse communicatievaardigheden, uitstekend oog voor detail, gestructureerde communicatie en het vermogen om kwaliteitsworkflows te beheren binnen externe expertteams.
Deze rol is bij SME Careers, een snelgroeiend AI Data Services-bedrijf en dochteronderneming van SuperAnnotate, dat trainingsdata levert aan veel van 's werelds grootste AI-bedrijven en foundation-model-labs. Jouw kwaliteitsleiderschap op het gebied van astronomie/astrofysica helpt direct om 's werelds toonaangevende AI-modellen te verbeteren door ervoor te zorgen dat astronomie- en astrofysica-trainingsdata accuraat, natuurkundig degelijk, duidelijk uitgelegd, goed gedocumenteerd en afgestemd op klantverwachtingen is.
Het selectieproces omvat een AI-interview, een domeinspecifieke taak en een interview met een recruiter.
Belangrijk: Er is geen onmiddellijk project voor deze rol; als je echter gekwalificeerd bent, behoor je tot de eerste experts die we benaderen wanneer relevante mogelijkheden zich voordoen. Dit geeft je ook toegang tot toekomstige projecten die beschikbaar zijn via ons expertnetwerk.
Wat je gaat doen
- Kwaliteitsmonitoring: steekproefsgewijs astronomie-/astrofysica-items controleren, kwaliteitsproblemen identificeren, doorlopende feedback geven via DM's en terugkerende of kritieke problemen escaleren.
- Wetenschappelijke review: door AI gegenereerde astronomie-/astrofysica-uitleg, berekeningen, diagrammen, observationele interpretaties, vergelijkingen en stapsgewijze redeneringen beoordelen op nauwkeurigheid en duidelijkheid.
- Communicatie met trainers en QA: trainers en QA's op Discord updaten over nieuwe itemrichtlijnen, projectwijzigingen, workflowupdates, kwaliteitsverwachtingen en astronomie-/astrofysica-specifieke reviewstandaarden.
- Vragen afhandelen: vragen van trainers/QA's duidelijk en snel beantwoorden, met name rond natuurkundige aannames, eenheden, astronomische terminologie, observationele methoden, formules en rubricinterpretatie.
- Activeringsbeheer van trainers/QA: bijdragers die inactief zijn of niet werken een DM sturen, activering aanmoedigen, follow-ups bijhouden en beschikbaarheidsproblemen signaleren wanneer nodig.
- Documentatie: astronomie-/astrofysicaprojectdocumentatie creëren en onderhouden, inclusief stijlgidsen, trackers, FAQ's, kwaliteitsnotities, voorbeelden, honeypots, kalibratietaken en onboardingsmateriaal.
- Onboarding en training: onboarding-/trainingcalls met trainers en QA's plannen en uitvoeren om projectverwachtingen, workflows, rubrics, kwaliteitsnormen en astronomie-/astrofysica-specifieke reviewvereisten uit te leggen.
- Kwaliteitsafstemming: ervoor zorgen dat alle trainers en QA's astronomie-/astrofysica-reviewrichtlijnen consistent toepassen en updates begrijpen naarmate projecten zich ontwikkelen.
- Risicobeoordeling: misleidende, overmoedige, natuurkundig onmogelijke, numeriek onjuiste of slecht onderbouwde astronomie-/astrofysicabeweringen signaleren.
- Procesverbetering: terugkerende kwaliteitslacunes identificeren, workflowverbeteringen voorstellen en helpen bij het opbouwen van schaalbare QA-processen voor astronomie-/astrofysica-AI-trainingsprojecten.
Wat we zoeken
- Bachelor-, Master- of PhD-diploma in Astronomie, Astrofysica, Natuurkunde, Ruimtewetenschap, Planetaire Wetenschap, Kosmologie of een nauw verwant vakgebied.
- Sterke beheersing van de Engelse taal om projectrichtlijnen te volgen, met teams te communiceren en duidelijke schriftelijke feedback te geven.
- 3+ jaar ervaring in astronomie-/astrofysicaonderzoek, onderwijs, wetenschapscommunicatie, academische review, data-analyse, observatoriumwerk of gerelateerde wetenschappelijke workflows.
- Sterk begrip van hemelmechanica, sterevolutie, sterrenstelsels, kosmologie, elektromagnetische straling, observationele methoden, spectroscopie, planetaire stelsels, zwarte gaten en wetenschappelijke onzekerheid.
- Vermogen om astronomie-/astrofysicacontent te beoordelen aan de hand van gedetailleerde rubrics en problemen te identificeren zoals onjuiste natuurkundige aannames, verkeerde eenheden, gebrekkige berekeningen, gehallucineerde feiten, misleidende uitleg of te simplistische conclusies.
- Bekendheid met tools of methoden zoals Python, astronomische datasets, telescoop-/observatoriumdata, spectroscopie, fotometrie, simulaties, LaTeX, Jupyter notebooks of wetenschappelijke visualisatie is gewenst.
- Ervaring met het leiden of ondersteunen van externe teams van onderzoekers, docenten, reviewers, annotators, wetenschapsschrijvers of QA's is sterk gewenst.
- Comfortabel werken in snelle externe omgevingen met tools zoals Discord, Google Sheets, Google Docs, trackers, dashboards en projectmanagementsystemen.
- Sterk detailgericht en georganiseerd, met het vermogen om stijlgidsen, FAQ's, trackers, onboardingsmateriaal, kalibratietaken en documentatie te onderhouden.
- Ervaring met AI-training, data-annotatie, LLM-evaluatie, wetenschappelijke QA, academische review of rubric-gebaseerde review is een sterk pluspunt.