Geologie Quality Assurance Lead (QAL)

In deze functie als uurlijks, op afstand werkende contractor zul je als Earth Sciences / Geology Quality Assurance Lead (QAL) toezicht houden op kwaliteit, consistentie en de prestaties van trainers binnen geologie- en aardwetenschappelijke AI-trainingsprojecten. Je beoordeelt door AI gegenereerde aardwetenschappelijke/geologische content en het werk van trainers/QA, evalueert de outputkwaliteit aan de hand van projectrichtlijnen, geeft nauwkeurige schriftelijke feedback en zorgt ervoor dat alle bijdragers de verwachte kwaliteitsstandaarden volgen.

Je beoordeelt werk op wetenschappelijke nauwkeurigheid, geologische redenering, terminologiekwaliteit, ruimtelijke en temporele context, eenhedenbeheer, datainterpretatie, duidelijkheid, opmaak, het volgen van instructies 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 functie vereist sterke expertise in aardwetenschappen/geologie, sterke Engelse communicatieve vaardigheden, uitstekend oog voor detail, gestructureerde communicatie en het vermogen om kwaliteitsworkflows aan te sturen binnen remote expertteams.

Deze functie 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 aardwetenschappen/geologie draagt direct bij aan het verbeteren van 's werelds toonaangevende AI-modellen door ervoor te zorgen dat geologie- en aardwetenschappelijke trainingsdata nauwkeurig, in context geplaatst, duidelijk uitgelegd, goed gedocumenteerd en afgestemd op de verwachtingen van de klant zijn.

Het selectieproces omvat een AI-interview, een domeinspecifieke taak en een interview met een recruiter.

Belangrijk: Er is geen onmiddellijk project voor deze functie; 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 geologie-/aardwetenschappelijke items controleren, kwaliteitsproblemen identificeren, doorlopende feedback geven via DM's en terugkerende of kritieke problemen escaleren.
• Wetenschappelijke beoordeling: door AI gegenereerde geologie-uitleg, aardwetenschappelijke samenvattingen, beschrijvingen van geologische processen, kaart-/datainterpretaties, klimaat- of gevarenuitleg en stapsgewijze redeneringen beoordelen op nauwkeurigheid en duidelijkheid.
• Communicatie met trainers en QA: trainers en QA's via Discord updaten over nieuwe itemrichtlijnen, projectwijzigingen, workflowupdates, kwaliteitsverwachtingen en geologie-/aardwetenschapsspecifieke beoordelingsstandaarden.
• Vragen afhandelen: duidelijk en snel reageren op vragen van trainers/QA, vooral rond geologische tijdschalen, gesteente-/mineraalidentificatie, aardsystemen, natuurlijke gevaren, ruimtelijk redeneren, milieu-interpretatie 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: geologie-/aardwetenschappelijke projectdocumentatie creëren en onderhouden, inclusief stijlgidsen, trackers, FAQ's, kwaliteitsnotities, voorbeelden, honeypots, kalibratietaken en onboardingsmaterialen.
• Onboarding en training: onboardings-/trainingsgesprekken plannen en uitvoeren met trainers en QA's om projectverwachtingen, workflows, rubrics, kwaliteitsstandaarden en geologie-/aardwetenschapsspecifieke beoordelingsvereisten uit te leggen.
• Kwaliteitsafstemming: ervoor zorgen dat alle trainers en QA's de geologie-/aardwetenschappelijke beoordelingsrichtlijnen consistent toepassen en updates begrijpen naarmate projecten zich ontwikkelen.
• Risicobeoordeling: misleidende, overmatig zelfverzekerde, geologisch onmogelijke, ecologisch ongefundeerde of slecht in context geplaatste aardwetenschappelijke beweringen signaleren.
• Procesverbetering: terugkerende kwaliteitshiaten identificeren, workflowverbeteringen voorstellen en helpen bij het opbouwen van schaalbare QA-processen voor aardwetenschappelijke/geologische AI-trainingsprojecten.

Wat we zoeken

• Bachelor-, Master- of PhD-diploma in Geologie, Aardwetenschappen, Geowetenschappen, Milieuwetenschappen, Geofysica, Geochemie, Hydrologie, Paleontologie, Oceanografie 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 geologisch/aardwetenschappelijk onderzoek, onderwijs, veldwerk, milieudviesering, geospatiale analyse, academische beoordeling, wetenschapscommunicatie of verwante workflows.
• Sterk begrip van platentektoniek, gesteentecyclus, mineralogie, stratigrafie, geologische tijd, structurele geologie, geomorfologie, natuurlijke gevaren, klimaatsystemen, hydrologie en aardssysteemprocessen.
• Vermogen om aardwetenschappelijke/geologische content te beoordelen aan de hand van gedetailleerde rubrics en problemen te identificeren zoals onjuiste geologische processen, verkeerde tijdschalen, misleidende causale beweringen, gebrekkige kaart-/datainterpretatie, ongefundeerde milieuclaims of te sterk vereenvoudigde uitleg.
• Bekendheid met tools of methoden zoals GIS, remote sensing, geologische kartering, veldmethoden, kern/log-interpretatie, geochemische data, klimaatdatasets, Python/R of wetenschappelijke visualisatie is een pluspunt.
• Ervaring met het leiden of ondersteunen van remote teams van onderzoekers, docenten, reviewers, milieuspecialisten, annoteerders 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, kalibratietaken en documentatie te onderhouden.
• Ervaring met AI-training, data-annotatie, LLM-evaluatie, wetenschappelijke QA, academische beoordeling of rubricgebaseerde beoordeling is een sterk pluspunt.