다양하고 연결된 팀을 찾아서: 구성원을 기반으로 다양한 팀을 구성하는 컴퓨팅 접근 방식 8부
Jan 25, 2024
이 작업의 또 다른 기여는 개인이 모일 수 있지만 다양성 수준이 향상된 유사한 팀 조합을 찾는 것입니다. 이전 연구에서 밝혀진 바와 같이, 사람들은 유능한 개인과 그들에게 친숙한 사람들로 팀을 구성하는 경향이 있어 팀에 대한 만족도와 헌신 가능성이 높아집니다[28, 82].
팀워크는 현대사회에서 매우 중요한 능력입니다. 이를 통해 여러 사람이 함께 작업하여 프로젝트나 작업을 성공적으로 완료할 수 있습니다. 기억력은 팀에서도 매우 중요한 특성입니다. 그렇다면 팀 구성과 기억 사이에는 어떤 관계가 있을까요?
첫째, 팀 구성이 기억에 미치는 영향은 명백합니다. 사람들은 서로 다른 기술과 전문 지식을 가지고 있으며, 서로 다른 조합을 통해 팀의 전반적인 역량을 극대화할 수 있습니다. 구성원 각자가 자신의 장점을 극대화할 때 팀의 효율성도 극대화될 수 있으며, 이는 구성원 각자의 열정과 주도성을 자극하여 팀의 기억력 향상에도 도움이 될 수 있습니다.
둘째, 팀 내 의사소통도 기억력 향상에 큰 도움이 된다. 팀에서는 구성원 간의 빈번한 의사소통과 협업이 필요합니다. 이를 통해 의사소통이 촉진되고 모든 사람이 프로젝트나 작업의 모든 측면을 더 잘 이해할 수 있습니다. 의사소통을 통해 지식과 업무에 대한 이해가 깊어지면 기억력이 크게 향상될 수 있습니다.
마지막으로 팀 분위기도 기억력에 일정한 영향을 미칩니다. 긍정적이고 열정적인 팀은 구성원들이 좋은 태도를 유지하도록 돕고 모든 사람이 프로젝트나 업무에 더욱 참여하고 집중하도록 만들 수 있습니다. 이러한 긍정적인 분위기는 기억력 향상에 매우 유익합니다.
정리하자면, 팀 구성과 기억 사이에는 연관성이 있습니다. 합리적인 조합, 원활한 의사소통, 긍정적인 분위기를 통해 팀은 최대의 시너지를 발휘하여 전반적인 기억력을 향상시킬 수 있습니다. 따라서 개인의 능력 개발과 팀 전체의 발전을 촉진할 수 있는 좋은 팀워크는 필수적이며, 이는 현대 기업의 성공을 위한 중요한 요소 중 하나이기도 합니다. 기억력 향상이 필요하다고 볼 수 있는데, Cistanche Deserticola는 아세틸콜린 수치와 성장인자 수치를 높이는 등 신경전달물질의 균형도 조절할 수 있기 때문에 기억력을 크게 향상시킬 수 있습니다. 이 물질은 기억과 학습에 매우 중요합니다. 또한 고기는 혈류를 개선하고 산소 전달을 촉진하여 뇌에 충분한 영양분과 에너지를 공급하여 뇌의 활력과 지구력을 향상시킬 수 있습니다.
이 사실은 자체 구성된 팀의 낮은 통신 비용과 무작위로 생성된 팀의 높은 통신 비용을 비교하여 MyDreamTeam 데이터 세트에서 입증됩니다.
제안된 알고리즘은 자체 조립된 팀보다 통신 비용이 낮은 팀 조합을 찾았으며, 이는 사람들이 잘 연결된 팀을 구성하는 데 어느 정도 직관을 가지고 있음을 시사합니다.
그러나 그들은 그들 사이의 고차 연결에 대한 신뢰할 수 있는 지식이 부족합니다. 알고리즘에 의해 발견된 이러한 차이에 대한 가능한 설명은 개인이 공유 연락처 또는 공유된 과거 공동 작업자와 같은 간접적인 연결을 발견하고 활용하는 데 엄청난 어려움이 있다는 것입니다.
개인이 팀을 구성하든 팀 구성자가 팀을 설계하든, 간접 연결은 눈에 잘 띄지 않기 때문에 팀 구성원의 간접 연결을 고려하는 것은 쉬운 일이 아닙니다.
대조적으로, 우리의 알고리즘은 구성원 간의 관계에 대한 전체적인 관점을 고려할 때 더 넓은 소셜 네트워크 구조를 고려하는 데 탁월합니다. 이 알고리즘 접근 방식을 사용하면 개인과 관리자는 현재 관계를 통해 잠재적으로 다양한 팀원을 더 잘 인식할 수 있습니다.
두 팀원이 서로를 직접적으로 알지 못하더라도 공유된 "친구의 친구" 또는 간접적인 연결로 팀을 구성하면 잠재적으로 팀의 친밀감과 심리적 안정감을 높일 수 있습니다[83-85].
더욱이 우리는 MyDreamTeam 자체 조립 팀이 알고리즘에 의해 무작위로 생성된 팀보다 다양성이 낮다는 것을 발견했습니다. 동성애에 의해 주도되는 이러한 경향은 사람들이 유사한 특성을 공유하는 다른 사람들과 팀을 이루는 것을 선호한다는 것을 나타내는 이전 문헌과 일치합니다[65].
이러한 팀 구성 문제를 공식화하면 팀 구성원 간의 높은 친밀도를 고려하면서 자체 조립된 팀보다 팀 다양성을 높일 수 있는 새로운 기회가 제공됩니다. 이러한 방식으로 팀을 구성하는 것의 주요 이점 중 하나는 개인의 편견을 줄이는 것입니다.
사람들은 자연스럽게 비슷한 개인들로 구성된 팀을 구성하기 때문에 제안된 것과 같은 비유법은 사람들의 의사 결정 과정을 강화할 수 있습니다.
개인의 선호도에 따른 연결 대신, 알고리즘은 개인의 기대를 충족할 수 있는 더 나은 팀 조합을 선별하여 집단적 조정을 제정할 수 있습니다. 이러한 다목적 접근 방식을 통해 사람들은 팀의 친숙성을 손상시키지 않으면서 다양성을 높이는 실현 가능한 솔루션을 찾을 수 있습니다.
시사점
이 연구는 팀 연구에 대한 이론적 함의를 제공합니다. 특히, 팀 구성 프로세스를 지원하기 위해 계산 메커니즘을 사용합니다. 문헌에서는 팀 형성이 내부 또는 외부 힘에 의해 구성될 수 있고 유사성, 친숙성 및 역량을 기반으로 하는 행동 메커니즘에 중점을 둔 것으로 특징지었습니다[28, 86].
이 다중 목표 최적화 문제를 공식화하고 구현함으로써 우리는 개인이 예측할 수 없었던 다양하고 연결된 팀 조합을 발견했습니다. 이 작업을 통해 팀 학자들은 개인과 조직 간의 새로운 조직 구조를 가능하게 하는 기술의 역할에 대해 성찰할 수 있으며, 이는 팀 형성과 기술 도입에 대한 새로운 이론으로 이어질 수 있습니다[38-40].
이 연구의 실제적 의미는 팀 다양성을 높이는 데 투자한 여러 커뮤니티에 기여합니다. 효과적이고 다양한 팀을 구성하는 관리자, 더욱 다양한 학생 팀을 구성하는 강사, 다양한 사업부에서 이질적인 그룹을 구성하는 회사, 장기간 우주 탐사를 위해 우주 승무원을 구성하는 NASA와 같은 우주 기관. Mars와 과학 팀을 구성하기 위한 알고리즘 사용을 조사하는 연구원.
이 알고리즘의 사용을 더 많은 청중으로 확장하면 다양성을 포용하고 높은 친밀도 수준을 유지하려는 그룹에 새로운 이점을 제공할 수 있습니다. 또한, 소프트웨어 개발자와 디자이너는 작업자 조직에 있어 인공지능의 새로운 절차와 지침에 대한 이 연구의 시사점을 활용할 수 있습니다.
마지막으로, 이 작업은 팀 형성 프로세스를 강화하기 위한 더 많은 계산적 접근 방식을 제공합니다[45, 87].
팀 빌더가 각 팀 조합을 수동으로 확인하여 이 문제를 신속하게 해결할 수 없기 때문에 알고리즘은 기존 사회적 연결을 보유하고 동시에 서로 다른 배경, 특성 및 전문 지식 수준을 가진 구성원을 모아 이 작업을 자동화할 수 있습니다[41, 42]. 이번 작업이 다양성과 소셜 네트워크를 고려하여 이질적인 팀을 구성하는 데 도움이 될 것으로 기대합니다.
이 접근 방식의 또 다른 특성은 팀 구성 문제에 더 많은 목표를 추가하는 것입니다. 예를 들어 팀 구성자는 참가자 간의 지리적 거리, 인건비 또는 가용성 제약과 같은 다른 목표 기능을 최소화할 수 있습니다.
마찬가지로, 이 다목적 문제는 다양화가 바람직하지 않을 때 구성원의 특성을 수용할 수 있습니다. 일부 이전 메타 리뷰에 따르면 [14, 88] 유사한 개인으로 구성된 팀을 구성하는 것은 난이도가 낮은 작업이나 효율성(창의성보다는)이 목표일 때 바람직할 수 있습니다.
더욱이, 성격이나 전문 지식과 같은 일부 특성은 다양하기보다는 유사한 것이 바람직할 수 있습니다[89].
이 팀 구성 문제는 Harrison과 Klein이 정의한 측정 기준을 사용하여 일부 특성에서 팀의 다양성을 최소화하는 또 다른 목적 함수를 추가할 수 있습니다[30]. 다른 속성.
이러한 다중 목표 접근 방식의 유연한 절충안을 고려할 때 팀 구성자는 파레토 전선에서 어떤 솔루션을 고려해야 합니까? 다른 지표(예: 개인 성과, 팀 결속력, 구성원 위치)를 통합하면 팀 구성자가 특정 팀 조합을 선택하는 데 도움이 될 수 있습니다.
한계 및 향후 작업
이 논문의 한계를 인정하는 것이 중요합니다. 첫째, 다양성과 통신 비용에 대한 측정은 각 고유 네트워크에 맞게 구체적으로 확장되었으며 다양한 참가자 집합 간에 비교할 수 없습니다.
둘째, 다양성 측정은 샘플링된 각 속성에 대한 여러 다양성 측정 항목의 집합입니다. 따라서 동일한 네트워크 내의 상대적인 차이를 제외하고 다양성 측정항목에 실제 의미를 할당하는 것은 어렵습니다. 향후 구현에서는 특정 참가자 풀에 따라 다양한 다양성 측정값을 개별적으로 분석할 수 있는 방법을 고려해야 합니다.
이는 다양한 차원의 다양성에 가중치를 부여하거나 최적화 문제의 다양한 목적 함수로 다양성 측정항목을 운용할 수도 있습니다. 셋째, 과학 팀과 소프트웨어 팀을 구성하는 것은 현실적으로 더 복잡합니다. 시간이 지남에 따라 새로운 구성원이 추가될 수 있고 어느 정도 전문화가 필요하며 모든 팀이 동일한 목표, 규모 또는 제한 사항을 공유하는 것은 아니며 다양성은 목표에만 도움이 될 수 있습니다.
우리는 마지막 두 데이터세트를 알고리즘의 효율성과 결과를 테스트하는 데만 사용하기 때문에 걱정할 필요가 없다고 생각합니다. 이 팀 구성 알고리즘은 보다 다양하고 연결된 조합을 찾아 실제 과학 및 소프트웨어 팀 구성을 안내할 수 있습니다. 넷째, 인구통계학적 또는 기능적 다양성 속성에 대한 구체적인 권장 사항을 제공하지 않습니다.
이전 연구에서는 팀 성과에 대한 다양성의 영향이 상황적 요인과 팀 프로세스에 의해 어떻게 중재되는지를 보여주었습니다[14]. 이 알고리즘을 관리하려는 팀 빌더는 조직의 목표와 특정 상황에 따라 인구통계학적 및 인지적 변수를 추가하는 것을 반영하고 결정해야 합니다. 다섯째, 소셜 네트워크 데이터를 수집하는 것은 팀 구성에 있어 큰 작업이 될 수 있습니다.
사람들의 관계를 평가하는 것은 설문조사를 실시하고, 통신 네트워크를 조사하거나, 디지털 데이터를 추적하여 수행할 수 있습니다[90]. 개인의 소셜 네트워크를 구축하기 위한 또 다른 잠재적인 전략은 팀원의 선호도를 묻는 것입니다.
알고리즘은 개인의 반응을 기반으로 가능한 다양한 팀 조합을 찾을 수 있습니다[91]. 마지막으로, 이 알고리즘으로 구성된 팀의 성과가 다른 팀 구성 전략보다 낫다는 것을 보장할 수 없습니다.
이전 연구에서는 다양성이 모든 상황에서 팀 성과에 미치는 직접적인 영향[14]과 팀 구성을 위한 알고리즘 접근 방식을 사용하는 이점에 대해 혼합된 결과를 보여주었습니다[92].
다른 연구에서도 개인이 팀을 자체 구성할 수 있는 주체가 부족하면 그룹에 대한 헌신이 덜한 것으로 나타났습니다[93, 94]. 향후 작업에서는 이 알고리즘을 사용하여 실제 그룹을 구성하고 무작위로 또는 관리자에 의해 할당된 팀과 비교하여 성과가 얼마나 좋은지 평가하는 것을 고려해야 합니다.
향후 작업에서는 팀의 특정 작업 역할을 고려하거나, 각 팀에 리더를 추가하거나, 일부 개인이 함께 작업하기를 원하지 않는 특정 팀 조합을 제외하는 등 다목적 기능에 새로운 제한 사항을 추가해야 합니다.
가중치 네트워크를 사용하면 사람들의 사회적 관계의 강도에 대한 보다 미묘한 정보를 제공할 수도 있습니다. 한 가지 잠재적인 적용은 상호 작용이 빈번한 개인과 서로 거의 대화하지 않는 개인을 구별하는 것입니다[95]. 잠재적인 개선 영역의 한 가지 예는 특정 모집단을 고려하여 각 다양성 속성에 할당된 가중치에 대한 자동 조정을 개발하는 것입니다.
알고리즘이 팀 구성 프로세스를 수행하기 전에 사람들의 범주형 및 수치적 속성을 탐색하면 개인 간에 다양성이 더 많은 속성과 부족한 속성을 식별할 수 있습니다.
그런 다음 알고리즘은 목적 함수에서 각 다양성 속성의 중요성을 정의할 수 있습니다. 마지막으로, 알고리즘은 관리자, 강사 또는 연구원이 팀을 구성할 수 있는 더 많은 기회를 제공하기 위해 웹 플랫폼으로 구현될 수 있습니다.
결론
이 작업은 다양성과 친숙함을 모두 극대화하는 소셜 네트워크에서 팀을 구성하는 문제를 다루고 있습니다. 우리는 이 문제에 대한 다목적 함수를 공식화하고 잘 연결된 다양한 팀을 찾기 위해 유전 알고리즘을 구현했습니다. 철저한 실험적 평가를 통해 제안된 알고리즘의 성능을 평가하고 기본 접근 방식과 비교했습니다.
우리는 팀 구성을 강화하고 팀 구성을 돕는 데 있어 알고리즘의 잠재적인 역할에 대해 논의했습니다. 특히, 컴퓨팅 접근 방식을 사용하여 간접적인 연결을 고려하고 다양성 점수가 더 높은 조합을 권장하는 팀을 구성할 수 있습니다. 알고리즘이 인간보다 더 실현 가능한 팀 조합을 발견할 수 있으므로 팀 구성자의 결정은 더욱 구조화되고 체계적이며 포괄적이 될 수 있습니다.
지원 정보
S1 파일. 그림과 표를 뒷받침합니다. S1 그림: 직경 측정법을 사용한 시뮬레이션. S2 그림: 최소 스패닝 트리(MST) 메트릭을 사용한 시뮬레이션. S1 테이블: 직경 케이스. S2Table: 최소 스패닝 트리 케이스. S3 표: 팀 조합의 평균 홉 비율.(PDF)
참고자료
1. Ng ESW, 버크 RJ. 사람-조직의 적합성과 인재 전쟁: 다양성 관리가 차이를 만드는가? 국제인적자원관리저널. 2005년; 16(7):1195-1210.https://doi.org/10.1080/09585190500144038
2. Hunt V, Layton D, Prince S. 다양성이 중요합니다. 맥킨지 앤 컴퍼니. 2015; 1(1):15–29.
3. Jackson SE, Joshi A. 작업 팀의 다양성. In: 산업 및 조직 심리학에 관한 APA 핸드북, Vol 1: 조직 구축 및 개발. 미국 심리 학회; 2011. p.651~686.
4. 바락 MEM, 트래비스 DJ. 사회경제적 동향: 다양성 생태계 확대. In: 다양성과 일에 관한 옥스퍼드 핸드북. 옥스포드 대학 출판부; 2012. p. 393.
5. Mathieu JE, Hollenbeck JR, van Knippenberg D, Ilgen DR. Journal of Applied Psychology에 실린 100년 간의 작업 팀. 응용 심리학 저널. 2017; 102(3):452. https://doi.org/10.1037/apl0000128 PMID: 28150984
6. 윌리엄스 켄터키, 오라일리 캘리포니아 III. 조직의 인구통계와 다양성: 40년간의 연구 검토. 조직 행동에 대한 연구. 1998년; 20:77~140.
7. Van Knippenberg D, De Dreu CK, Homan AC. 작업 그룹 다양성 및 그룹 성과: 통합 모델 및 연구 의제. 응용 심리학 저널. 2004년; 89(6):1008. https://doi.org/10.1037/0021-9010.89.6.1008 PMID: 15584838
8. 페이지 SE. 다양성 보너스: 지식 경제에서 훌륭한 팀이 성과를 거두는 방법 프린스턴 대학교 출판부; 2019.
9. Vasilescu B, Posnett D, Ray B, van den Brand MGJ, Serebrenik A, Devanbu P 등 GitHub 팀의 성별 및 재직 다양성. In: 컴퓨팅 시스템의 인적 요소에 관한 제33차 연례 ACM 컨퍼런스 진행. 치'15. 뉴욕, 뉴욕, 미국: 컴퓨터 기계 협회; 2015.p. 3789-3798. 다음에서 구매 가능:https://doi.org/10.1145/2702123.2702549입니다.
For more information:1950477648nn@gmail.com
