Mitmekesiseid ja ühendatud meeskondi otsides: arvutuslik lähenemine erinevate meeskondade komplekteerimiseks liikmete põhjal, 8. osa

Selle töö teine ​​panus on sarnaste meeskonnakombinatsioonide leidmine, mida üksikisikud võiksid kokku panna, kuid millel on suurem mitmekesisus. Nagu varasemad uuringud on leidnud, kipuvad inimesed moodustama meeskondi kompetentsete inimeste ja nendega tuttavate inimestega, suurendades sellega rahulolu ja meeskonnale pühendumise tõenäosust [28, 82].

Meeskonnatöö on kaasaegses ühiskonnas väga oluline oskus. See võimaldab mitmel inimesel koos töötada, et edendada projekti või ülesande edukat lõpetamist. Mälu on ka meeskonnas väga oluline omadus. Milline on siis meeskonna koosseisu ja mälu suhe?

Esiteks on meeskonna koosseisu mõju mälule ilmne. Erinevatel inimestel on erinevad oskused ja teadmised ning erinevate kombinatsioonide kaudu saab meeskonna üldist võimekust maksimeerida. Kui iga liige maksimeerib oma tugevusi, saab maksimeerida meeskonna efektiivsust, mis võib samuti stimuleerida iga liikme entusiasmi ja initsiatiivi, aidates seeläbi parandada meeskonna mälu.

Teiseks on mälu parandamisel palju abi ka meeskonnas suhtlemisest. Meeskonnas on liikmete vahel vaja sagedast suhtlust ja koostööd, mis soodustab suhtlemist ja võimaldab kõigil paremini mõista projekti või ülesande kõiki aspekte. Suhtlemise kaudu teadmiste ja ülesannete mõistmise süvendamine võib oluliselt parandada mälu.

Lõpuks mõjutab mälu ka meeskonna õhkkond. Positiivne ja kirglik meeskond võib aidata liikmetel säilitada head suhtumist ning muuta kõik projektidele või ülesannetele rohkem kaasatuks ja keskendunuks. See positiivne õhkkond on mälu parandamiseks väga kasulik.

Kokkuvõtvalt võib öelda, et meeskonna koosseisu ja mälu vahel on seos. Läbi mõistliku kombinatsiooni, hea suhtluse ja positiivse õhkkonna saab meeskond rakendada maksimaalset sünergiat, parandades seeläbi üldist mälu. Seetõttu on oluline hea meeskonnatöö, mis võib soodustada nii individuaalsete võimete kui ka kogu meeskonna arengut, mis on ka tänapäeva ettevõtete edu üheks oluliseks teguriks. On näha, et peame parandama mälu ja Cistanche deserticola võib oluliselt parandada mälu, sest Cistanche deserticola suudab reguleerida ka neurotransmitterite tasakaalu, näiteks tõsta atsetüülkoliini ja kasvufaktorite taset. Need ained on mälu ja õppimise jaoks väga olulised. Lisaks võib liha parandada ka verevoolu ja soodustada hapniku kohaletoimetamist, mis tagab aju piisava toitainete ja energia kättesaamise, parandades seeläbi aju elujõudu ja vastupidavust.

Klõpsake käsul Tea lühiajalist mälu, kuidas parandada

Seda fakti demonstreerib MyDreamTeami andmestik, võrreldes isekoostatud meeskondade madalamaid sidekulusid ja juhuslikult loodud meeskondade suuremaid sidekulusid.

Väljapakutud algoritm leidis meeskonnakombinatsioonid, mille suhtluskulud on madalamad kui isekomplekteeritud meeskonnad, mis viitab sellele, et inimestel on teatud intuitsioon hästi ühendatud meeskondade moodustamisel.

Neil puuduvad aga usaldusväärsed teadmised omavaheliste kõrgema järgu seoste kohta. Selle algoritmi leitud erinevuse võimalikuks seletuseks on üksikisikute jaoks tohutu väljakutse kaudsete seoste, näiteks jagatud kontaktide või jagatud varasemate koostööpartnerite avastamise ja ärakasutamiseks.

Olenemata sellest, kas inimesed panevad oma meeskondi kokku või kujundavad meeskonnaehitajad, ei ole meeskonnaliikmete kaudsete sidemete arvestamine lihtne ülesanne, kuna kaudsed seosed pole eriti nähtavad.

Seevastu meie algoritm paistab silma laiema sotsiaalse võrgustiku struktuuri arvestamisel, arvestades liikmetevaheliste suhete globaalset vaadet. Seda algoritmilist lähenemisviisi kasutades saavad üksikisikud ja juhid oma praeguste suhete kaudu olla teadlikumad potentsiaalselt mitmekesistest meeskonnakaaslastest.

Isegi kui kaks meeskonnaliiget üksteist otseselt ei tunne, võib ühise "sõbra sõbra" või kaudse sidemega ühinemine potentsiaalselt edendada tuttavlikkust ja meeskonnas psühholoogilist turvalisust [83–85].

Lisaks leidsime, et MyDreamTeami isekomplekteeritud meeskonnad olid vähem mitmekesised kui algoritmide poolt juhuslikult loodud meeskonnad. See homofiilia ajendatud tendents on kooskõlas varasema kirjandusega, mis näitab, et inimesed eelistavad teha koostööd teistega, kellel on sarnased omadused [65].

Selle meeskonna moodustamise probleemi sõnastamine pakub uusi võimalusi meeskonna mitmekesisuse suurendamiseks isekomplekteeritud meeskondade ees, pidades samas silmas meeskonnaliikmete suurt tuttavust. Sellise meeskondade moodustamise üks peamisi eeliseid on üksikisikute eelarvamuste vähendamine.

Kuna inimesed kalduvad loomupäraselt sarnaste isikutega meeskondade moodustamise poole, võib selline algoritm nagu välja pakutud, suurendada inimeste otsustusprotsessi.

Üksikisikute eelistustest lähtuvate ühenduste asemel võib algoritm käivitada kollektiivse koordineerimise, kureerides paremaid meeskonnakombinatsioone, mis võiksid rahuldada inimeste ootusi. See multiobjektiivne lähenemine võimaldab inimestel leida teostatavaid lahendusi, mis suurendavad mitmekesisust, ilma et see kahjustaks meeskonna tundmist.

Mõju

See töö annab rühmauuringutele teoreetilised tagajärjed. Eelkõige arvutusmehhanismide kasutamine meeskonna moodustamise protsesside toetamiseks. Kirjandus on iseloomustanud meeskonna moodustamist kui käitumismehhanismide keskpunkti, kus meeskondi saab kokku panna sisemiste või väliste jõudude abil ja mis põhinevad sarnasusel, tuttaval ja pädevusel [28, 86].

Selle mitme eesmärgiga optimeerimisprobleemi sõnastades ja rakendades leidsime erinevaid ja omavahel seotud meeskonnakombinatsioone, mida üksikisikud ei osanud ette näha. See töö võimaldab meeskonnateadlastel mõelda tehnoloogiate rollile uute organisatsiooniliste struktuuride loomisel üksikisikute ja organisatsioonide seas, mis võib viia uute meeskonna moodustamise ja tehnoloogiate kasutuselevõtu teooriateni [38–40].

Selle uuringu praktilised tagajärjed aitavad kaasa mitmetele kogukondadele, kes on investeerinud meeskonna mitmekesisuse suurendamisse: juhid koondavad tõhusaid ja mitmekesiseid meeskondi, instruktorid, kes moodustavad mitmekesisemaid üliõpilasmeeskondi, ettevõtted, mis moodustavad erinevatest äriüksustest heterogeenseid rühmi, kosmoseagentuurid, nagu NASA, kes moodustavad kosmosemeeskondi pikaajaliseks kosmoseuuringuteks. Marss ja teadlased, kes uurivad algoritmide kasutamist teadusrühmade organiseerimisel.

Selle algoritmi kasutamise laiendamine laiemale vaatajaskonnale võib pakkuda uusi eeliseid rühmadele, kes püüavad omaks võtta mitmekesisust ja hoida kõrgel tasemel tuttavad. Lisaks saavad tarkvaraarendajad ja disainerid kasutada selle uuringu mõju uute tehisintellekti protseduuride ja juhiste jaoks töötajate organiseerimisel.

Lõpuks pakub see töö rohkem arvutuslikke lähenemisviise meeskonna moodustamise protsesside rikastamiseks [45, 87].

Kuna meeskonnaehitajad ei saa seda probleemi kiiresti lahendada, kontrollides iga meeskonna kombinatsiooni käsitsi, saavad algoritmid selle ülesande automatiseerida, tuues kokku liikmed, kellel on olemasolevad sotsiaalsed sidemed ja kellel on samal ajal erinev taust, omadused ja teadmiste tase[41, 42]. Loodame, et see töö aitab mitmekesisust ja sotsiaalseid võrgustikke arvesse võttes moodustada heterogeenseid meeskondi.

Selle lähenemisviisi teine ​​omadus on lisada meeskonna moodustamise probleemile rohkem eesmärke. Näiteks võivad meeskonna koostajad minimeerida muid eesmärgifunktsioone, nagu osalejate geograafiline kaugus, personalikulud või kättesaadavuse piirangud.

Samuti võib see multiobjektiivne probleem mahutada liikmete tunnuseid, kui mitmekesistamine pole soovitav. Mõned varasemad metaülevaated näitavad [14, 88], et sarnaste inimestega meeskond võib olla soovitav kergete ülesannete jaoks või siis, kui eesmärgiks on tõhusus (mitte loovus).

Lisaks võib olla soovitav, et mõned tunnused, nagu isiksus või teadmised, oleksid pigem sarnased kui mitmekesised [89].

See meeskonna moodustamise probleem võib lisada veel ühe eesmärgifunktsiooni, mis vähendab meeskondade mitmekesisust mõne tunnuse osas, kasutades Harrisoni ja Kleini [30] määratletud mõõdikuid. Seetõttu on selle algoritmi üheks võimalikuks kasutusvõimaluseks maksimeerida mõnede liikmete atribuutide mitmekesisust, minimeerides samas mitmekesisust muud atribuudid.

Arvestades selle mitme eesmärgiga lähenemisviisi paindlikku kompromissi, millist lahendust peaksid meeskonnaehitajad Pareto rindelt kaaluma? Muude mõõdikute (nt individuaalne jõudlus, meeskonna ühtekuuluvus, liikmete asukoht) kaasamine võib aidata meeskonnaehitajatel valida ühe kindla meeskonnakombinatsiooni.

Piirangud ja edasine töö

Oluline on tunnistada selle dokumendi piiranguid. Esiteks skaleeriti mitmekesisuse ja sidekulude meetmed konkreetselt iga ainulaadse võrgu jaoks ja neid ei saa võrrelda erinevate osalejate kogumitega.

Teiseks on mitmekesisuse mõõdik mitme mitmekesisuse mõõdiku koondsumma iga valitud atribuudi kohta; seega on mitmekesisuse mõõdikule keeruline omistada mis tahes tegelikku tähendust, välja arvatud suhtelised erinevused samas võrgus. Tulevikus tuleks kaaluda, kuidas erinevaid mitmekesisuse meetmeid saab analüüsida eraldi ja vastavalt konkreetsele osalejate kogumile.

Need võivad samuti kaaluda mitmekesisust erinevatel dimensioonidel või kasutada mitmekesisuse mõõdikuid optimeerimisprobleemi erinevate sihtfunktsioonidena. Kolmandaks on teadusmeeskondade ja tarkvarameeskondade moodustamine tegelikkuses keerulisem: aja jooksul saab lisada uusi liikmeid, nõutav on teatud spetsialiseerumine, kõigil neil meeskondadel ei ole samu eesmärke, suurusi või piiranguid ning mitmekesisus võib olla kasulik ainult eesmärkide saavutamiseks.

Usume, et kahe viimase andmekogumi kasutamine ei tohiks olla muret tekitav, sest kasutame neid ainult algoritmide tõhususe ja tulemuste testimiseks. See meeskonna moodustamise algoritm võib suunata tõeliste teadus- ja tarkvarameeskondade moodustamist, leides mitmekesisemaid ja ühendatud kombinatsioone. Neljandaks ei anna me konkreetseid soovitusi demograafiliste või funktsionaalse mitmekesisuse atribuutide kohta.

Varasemad uuringud on näidanud, kuidas mitmekesisuse mõju meeskonna tulemuslikkusele on tingitud kontekstuaalsetest teguritest ja meeskonnaprotsessidest [14]. Meeskonnaehitajad, kes soovivad seda algoritmi hallata, peaksid mõtlema ja otsustama demograafiliste ja kognitiivsete muutujate lisamise üle vastavalt oma organisatsiooni eesmärkidele ja konkreetsele kontekstile. Viiendaks võib suhtlusvõrgustike andmete kogumine olla meeskonnaehitajate jaoks suur ülesanne.

Inimeste suhteid saab hinnata küsitluste, sidevõrkude uurimise või digitaalsete andmete jälgimise teel [90]. Teine potentsiaalne strateegia inimeste sotsiaalsete võrgustike loomiseks on küsida nende meeskonnakaaslase eelistuste kohta.

Algoritm võib üksikisikute vastuste põhjal leida võimalikke erinevaid meeskonnakombinatsioone [91]. Lõpuks ei ole võimalik garanteerida, et selle algoritmiga kokku pandud meeskondade jõudlus on parem kui teiste meeskonna moodustamise strateegiate puhul.

Varasemad uuringud on näidanud erinevaid tulemusi mitmekesisuse otsese mõju kohta meeskonna tulemuslikkusele kõigis kontekstides [14], samuti meeskonna moodustamisel algoritmiliste lähenemisviiside kasutamise eeliseid [92].

Teised uuringud on samuti näidanud, et kui indiviididel puudub volitus ise meeskondi kokku panna, on nad oma rühmale vähem pühendunud [93, 94]. Tulevases töös tuleks kaaluda selle algoritmi kasutamist reaalsete rühmade kokkupanemiseks ja nende toimivuse hindamiseks, võrreldes juhi poolt juhuslikult määratud meeskondadega.

Edaspidine töö peaks lisama mitme eesmärgi funktsioonile uusi piiranguid, nagu näiteks konkreetsete ülesannete rollide arvestamine meeskondades, juhtide lisamine igasse meeskonda või teatud meeskonnakombinatsioonide välistamine, milles mõned isikud ei soovi koos töötada.

Kaalutud võrgustike kasutamine võiks anda ka nüansirikkamat teavet inimeste sotsiaalsete suhete tugevuse kohta. Üks potentsiaalne rakendus on eristada inimesi, kes suhtlevad sageli nendest, kes üksteisega vaevu räägivad [95]. Üks näide potentsiaalsetest parendusvaldkondadest on automaatse häälestamise väljatöötamine igale mitmekesisuse atribuudile konkreetse populatsiooni korral määratud kaalude jaoks.

Kui algoritm uurib enne meeskonna moodustamise protsessi läbiviimist inimeste kategoorilisi ja numbrilisi omadusi, võib see tuvastada atribuudid, millel on suurem varieeruvus, ja need, mida üksikisikute seas on vähe.

Seejärel võiks algoritm määratleda iga mitmekesisuse atribuudi tähtsuse sihtfunktsioonis. Lõpuks võiks algoritmi rakendada veebiplatvormina, et pakkuda juhtidele, juhendajatele või teadlastele rohkem võimalusi meeskondade komplekteerimiseks.

Järeldus

See töö käsitleb meeskondade kokkupanemise probleemi sotsiaalsest võrgustikust, mis maksimeerib nii mitmekesisust kui ka tuttavust. Koostasime selle probleemi jaoks mitme eesmärgiga funktsiooni ja rakendasime geneetilise algoritmi, et leida hästi ühendatud mitmekesised meeskonnad. Põhjaliku eksperimentaalse hindamise käigus hindasime meie pakutud algoritmi jõudlust ja võrdlesime seda algtaseme lähenemisviisidega.

Arutasime algoritmide võimalikku rolli meeskonnakoosseisu suurendamisel ja meeskonnaehitajate abistamisel. Eelkõige saab arvutuslikke lähenemisviise kasutada meeskondade moodustamiseks, kes arvestavad kaudseid seoseid ja soovitavad kombinatsioone kõrgema mitmekesisuse skooridega. Kuna algoritmid suudavad avastada rohkem teostatavaid meeskonnakombinatsioone kui inimesed, võivad meeskonnaehitajate otsused muutuda struktureeritumaks, süstemaatilisemaks ja kõikehõlmavamaks.

Toetav teave

S1 fail. Toetavad joonised ja tabelid. S1 Joon.: Simulatsioonid läbimõõdu mõõdiku abil. S2 Joon.: Simulatsioonid, mis kasutavad minimaalse ulatuspuu (MST) mõõdikut. S1 tabel: läbimõõduga ümbris. S2 tabel: minimaalne ulatuv puu juhtum. S3 tabel: meeskondlike kombinatsioonide keskmine hüpete osakaal. (PDF)

Viited

1. Ng ESW, Burke RJ. Isik – organisatsioon – sobivus ja sõda talentide pärast: kas mitmekesisuse juhtimine teeb vahet? Rahvusvaheline personalijuhtimise ajakiri. 2005; 16(7):1195–1210.https://doi.org/10.1080/09585190500144038

2. Hunt V, Layton D, Prince S. Mitmekesisus on oluline. McKinsey & Company. 2015; 1(1):15–29.

3. Jackson SE, Joshi A. Töörühma mitmekesisus. In: APA käsiraamat tööstus- ja organisatsioonipsühholoogiast, 1. köide: Organisatsiooni loomine ja arendamine. Ameerika Psühholoogide Ühing; 2011. Lk.651–686.

4. Barak MEM, Travise DJ. Sotsiaalmajanduslikud suundumused: mitmekesisuse ökosüsteemi laiendamine. In: Mitmekesisuse ja töö Oxfordi käsiraamat. Oxford University Press; 2012. lk. 393.

5. Mathieu JE, Hollenbeck JR, van Knippenberg D, Ilgen DR. Sajand töörühmi ajakirjas Journal of Applied Psychology. Journal of Applied Psychology. 2017; 102(3):452. https://doi.org/10.1037/apl0000128 PMID: 28150984

6. Williams KY, O'Reilly CA III. Demograafia ja organisatsioonide mitmekesisus: ülevaade 40-aastasest uurimistööst. Organisatsioonikäitumise uurimine. 1998; 20:77–140.

7. Van Knippenberg D, De Dreu CK, Homan AC. Töörühma mitmekesisus ja rühma jõudlus: integreeriv mudel ja uurimistöö kava. Journal of Applied Psychology. 2004; 89(6):1008. https://doi.org/10.1037/0021-9010.89.6.1008 PMID: 15584838

8. Lk SE. Mitmekesisuse boonus: kuidas suurepärased meeskonnad teadmistepõhises majanduses ära tasuvad. Princetoni ülikooli kirjastus; 2019.

9. Vasilescu B, Posnett D, Ray B, van den Brand MGJ, Serebrenik A, Devanbu P jt. Sooline ja ametiaja mitmekesisus GitHubi meeskondades. In: Proceedings of the 33rd Annual ACM Conference on Human Factorsin Computing Systems. CHI'15. New York, NY, USA: Arvutusmasinate Ühing; 2015.lk. 3789–3798. Saadaval alates:https://doi.org/10.1145/2702123.2702549.

For more information:1950477648nn@gmail.com