Over de functie
In deze rol als uurtarief-remotecontractant werk je als Life & Environmental Sciences Quality Assurance Lead (QAL) om kwaliteit, consistentie en prestaties van trainers te bewaken binnen AI-trainingsprojecten op het gebied van biologie, ecologie, milieuwetenschappen en life sciences. Je beoordeelt door AI gegenereerde life-/milieuwetenschappelijke inhoud en het werk van trainers/QA, evalueert de kwaliteit van outputs 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, biologisch redeneren, ecologische context, systeemdenken over milieu, terminologiekwaliteit, data-interpretatie, veiligheidsbewustzijn, helderheid, opmaak, instructieopvolging en naleving van projectspecifieke rubrics. Je signaleert terugkerende kwaliteitsproblemen, communiceert updates naar trainers en QA's, ondersteunt onboarding, onderhoudt documentatie en helpt bijdragers activeren die niet consistent werken. Deze rol vereist sterke expertise in life-/milieuwetenschappen, sterke Engelse communicatieve vaardigheden, uitstekend oog voor detail, gestructureerde communicatie en het vermogen om kwaliteitsworkflows aan te sturen binnen remote teams met een wetenschappelijke focus.
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 in life- en milieuwetenschappen helpt direct om 's werelds toonaangevende AI-modellen te verbeteren door ervoor te zorgen dat wetenschappelijke trainingsdata nauwkeurig, evidence-bewust, ecologisch gecontextualiseerd, helder uitgelegd en afgestemd op de verwachtingen van de klant zijn.
Wat je gaat doen
- Kwaliteitsmonitoring: Steekproefsgewijs life- en milieuwetenschappelijke items controleren, kwaliteitsproblemen identificeren, doorlopende feedback geven via DM's en terugkerende of kritieke problemen escaleren.
- Wetenschappelijke review: Door AI gegenereerde uitleg over biologie, ecologie, milieuwetenschappen, duurzaamheid, natuurbehoud, klimaat en life sciences beoordelen op nauwkeurigheid, helderheid en wetenschappelijke rigor.
- Communicatie met trainers en QA: Trainers en QA's op Discord bijpraten over nieuwe itemrichtlijnen, projectwijzigingen, workflowupdates, kwaliteitsverwachtingen en life-/milieuwetenschappelijke reviewstandaarden.
- Vragen afhandelen: Vragen van trainers/QA's helder en tijdig beantwoorden, vooral rond biologische concepten, ecosystemen, milieusystemen, data-interpretatie, duurzaamheidsclaims, veiligheid 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: Life-/milieuwetenschappelijke projectdocumentatie opstellen en onderhouden, inclusief stijlgidsen, trackers, FAQ's, kwaliteitsnotities, voorbeelden, honeypots, kalibratietaken en onboardingsmaterialen.
- Onboarding en training: Onboarding-/trainingsgesprekken plannen en uitvoeren met trainers en QA's om projectverwachtingen, workflows, rubrics, kwaliteitsnormen en wetenschappelijke reviewvereisten uit te leggen.
- Kwaliteitsafstemming: Zorgen dat alle trainers en QA's richtlijnen voor life- en milieuwetenschappen consistent toepassen en updates begrijpen naarmate projecten zich ontwikkelen.
- Risicoreview: Misleidende milieuclaims, niet-onderbouwde gezondheids-/ecologiestellingen, onveilige experiment- of veldaanbevelingen, gebrekkige data-interpretatie of overconfidente wetenschappelijke claims signaleren.
- Procesverbetering: Terugkerende kwaliteitshiaten identificeren, workflowverbeteringen voorstellen en helpen bij het opbouwen van schaalbare QA-processen voor AI-trainingsprojecten in life- en milieuwetenschappen.
- Moedertaalvloeiendheid in Punjabi
Wat we zoeken
- Bachelor, Master, PhD of gelijkwaardige professionele ervaring in Biologie, Milieuwetenschappen, Ecologie, Natuurbehoudbiologie, Aardwetenschappen, Volksgezondheid, Landbouw, Mariene Wetenschappen, Duurzaamheid, Life Sciences of een verwant vakgebied.
- Sterke beheersing van de Engelse taal om projectrichtlijnen te volgen, met teams te communiceren en heldere schriftelijke feedback te geven.
- 3+ jaar ervaring in life-scienceonderzoek, milieuwetenschappen, onderwijs, veldwerk, labwerk, natuurbehoud, duurzaamheid, wetenschapscommunicatie, academische review of verwante wetenschappelijke workflows.
- Sterk begrip van biologie, ecologie, ecosystemen, biodiversiteit, evolutie, genetica, fysiologie, milieusystemen, klimaatverandering, vervuiling, natuurbehoud, duurzaamheid en wetenschappelijke methoden.
- Vermogen om life-/milieuwetenschappelijke inhoud te beoordelen aan de hand van gedetailleerde rubrics en problemen te identificeren zoals onjuiste biologische claims, te simplistische ecologische relaties, niet-onderbouwde milieuclaims, gebrekkig causale redeneringen, onveilige aanbevelingen of misleidende data-interpretatie.
- Bekendheid met tools of methoden zoals veldbemonstering, labmethoden, ecologische surveys, milieueffectbeoordeling, GIS, statistiek, klimaat-/milieudatasets, literatuuronderzoek of wetenschappelijke visualisatie is een pluspunt.
- Ervaring met het leiden of ondersteunen van remote teams van onderzoekers, docenten, reviewers, milieuspecialisten, annotatoren, trainers of QA's is sterk gewenst.
- Comfortabel werken in snel veranderende remote 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, onboardingsmaterialen, honeypots, kalibratietaken en documentatie te onderhouden.
- Ervaring met AI-training, data-annotatie, LLM-evaluatie, wetenschappelijke QA, review van milieu-inhoud, academische review of rubricgebaseerde review is een sterk pluspunt.