У пошуках різноманітних і пов’язаних команд: обчислювальний підхід до збирання різноманітних команд на основі членів, частина 1

Анотація

Попередні дослідження показують, що команди з різним досвідом і навичками можуть перевершити однорідні команди. Однак люди часто вважають за краще працювати з іншими, хто їм схожий і знайомий, і їм не вдається зібрати команди з високим рівнем різноманітності.

Існує дуже тісний зв'язок між знайомими людьми і пам'яттю. До знайомих людей належать наші родичі, друзі, колеги тощо. Ці люди можуть дуже допомогти в нашому житті, не лише надаючи емоційну підтримку, але й позитивно впливаючи на нашу пам’ять.

По-перше, знайомі люди можуть стати нашими носіями пам’яті. Коли ми спілкуємося з ними, наша концентрація та розумова активність покращуються, і ми краще запам’ятовуємо речі. Коли ми спілкуємося, ми зазвичай згадуємо те, що стосується їх. Ці речі тісно пов’язані з нашим життям, тому їх легко запам’ятати. Завдяки цій інформації ми можемо краще запам’ятовувати події, пов’язані з ними, що допомагає покращити нашу пам’ять.

По-друге, знайомі люди можуть надати взаємодопомогу. Наприклад, коли ми щось забуваємо, ми можемо запитати їх. Якщо у нас хороші стосунки з цією людиною, вона може надати певну інформацію чи поради, які допоможуть нам краще запам’ятовувати речі.

Нарешті, знайомі люди можуть надати емоційну підтримку. Коли ми стикаємося з труднощами чи невдачами, їх підтримка може допомогти нам краще впоратися. Це допомагає нам підтримувати позитивний настрій і покращує пам’ять.

У повсякденному житті нам необхідно підтримувати зв’язок зі знайомими людьми та встановлювати добрі стосунки. Таким чином ми можемо зміцнити свої навички пам’яті, щоб краще керувати своїм життям. Можна побачити, що нам потрібно покращити пам’ять, і Cistanche deserticola може значно покращити пам’ять, оскільки Cistanche deserticola є традиційним китайським лікарським матеріалом, який має багато унікальних ефектів, одним із яких є покращення пам’яті. Ефективність м’ясного фаршу пов’язана з різними активними інгредієнтами, які він містить, включаючи кислоти, полісахариди, флавоноїди тощо. Ці інгредієнти можуть сприяти здоров’ю мозку різними способами.

Клацніть дізнатися про 10 способів покращити пам’ять

Ми вивчаємо проблему формування команди, розглядаючи групу людей з різними навичками та характеристиками, а також соціальну мережу, яка фіксує знайомство між цими особами. Мета полягає в тому, щоб призначити всіх людей до різноманітних команд на основі їхніх соціальних зв’язків, таким чином дозволяючи їм зберегти рівень знайомства.

Ми формулюємо цю проблему формування команди як багатоцільову задачу оптимізації для поділу учасників на добре зв’язані та різноманітні команди в соціальній мережі.

Ми реалізуємо цю проблему, використовуючи Non-dominated SortingGenetic Algorithm II (NSGA-II), який знаходить командні комбінації з високим рівнем знайомства та різноманітності за час O(n2). Ми перевірили цей алгоритм на трьох емпірично зібраних наборах даних teamformation і на трьох контрольних алгоритмах.

Експериментальні результати підтверджують, що запропонований алгоритм успішно сформував команди, які мають різноманітні атрибути членів і попередні зв’язки між членами. Ми обговорюємо переваги використання обчислювальних підходів для посилення формування та складу команди.

вступ

Формування команд сьогодні відрізняється від минулих десятиліть. Сьогодні організації та інституції прагнуть зібрати групи на основі не лише досвіду членів, але й критеріїв різноманітності [1,2].

Оскільки робоча сила стає дедалі різноманітнішою, все більше організацій беруть на себе зобов’язання об’єднати в одній команді членів з різною освітою, функціональним статусом і демографічними характеристиками [3, 4].

Численні дослідження показують потенційні переваги різноманітності в командах [5, 6]. На рівні ідентичності дослідження показують, що демографічна різноманітність – члени команди різної статі, культури, раси тощо – може підвищити результативність команди.

Культивування демографічної різноманітності в командах може привнести різні риси, точки зору та досвід, притаманні демографічній групі [7, 8]. Деякі приклади: гендерна різноманітність, яка сприяє продуктивності в командах розробників програмного забезпечення [9], колективному інтелекті команд [10], та інновації в R&D групах [11]. Одне дослідження показало, що расова різноманітність також може принести альтернативні перспективи та стимулювати творчість, генеруючи більш оригінальні та конкурентоспроможні ідеї [12].

Іншим прикладом є культурна різноманітність: вона допомагає командам досягати більших творчих результатів, ніж культурно однорідні команди [13]. На когнітивному рівні команди з високим рівнем функціональної різноманітності, тобто члени команди з різним досвідом, кар’єрою та досвідом, можуть досягти більш оригінальних і творчих результатів.

Сприяння функціональному різноманіттю може підвищити креативність, оскільки розширює інформацію, знання, ідеї та перспективи в команді [14]. Це також заохочує дивергентне мислення, більший обсяг навичок та рекомбінацію ідей [15, 16].

Як наслідок, функціонально різноманітні команди з більшою ймовірністю вирішуватимуть складні проблеми, що вимагають креативності та інновацій, ніж однорідні групи [2, 8, 16]. Загалом взаємодія демографічної та функціональної різноманітності відіграє важливу роль у тому, як відмінності членів команди впливають на їхню роботу та продуктивність [7].

Незважаючи на потенційні переваги різноманітності в командах, дослідження також показують, що різноманітність є «палицею з двома кінцями» [17]. Попередні дослідження пропонують неоднозначні та навіть суперечливі результати щодо впливу різноманітності на команди [14, 17, 18].

У той час як функціональне різноманіття може спричинити проблеми координації та конфлікти в групі через різницю в підготовці та знаннях, демографічне різноманіття може викликати взаємне упередження серед членів (тобто розрізнення «ми-вони») [19], що призводить до відсутності згуртованості, комунікації та довіра [20–22].

Десятиліттями організації пропагували тренінги з різноманітності, щоб допомогти членам працювати з іншими людьми, які відрізняються від них. Однак, коли людей призначають працювати в різноманітній команді, вони з меншою ймовірністю залучатимуться до команди та будуть мотивовані працювати з іншими товаришами по команді. у демографічних або функціональних атрибутах [23].

Одним із потенційних рішень для пом’якшення несприятливого впливу різноманітності на команди є створення командного знайомства (тобто попередній досвід роботи членів команди один з одним). Значна частина літератури показує, що попередня співпраця веде до більшої ймовірності успіху та майбутньої співпраці [24–26].

Командне знайомство створює основи довіри, поширення інформації та спілкування між членами [27, 28]. І оскільки знайомство в команді допомагає членам знаходити, ділитися та поширювати свої знання, знайомство в команді може вирішити багато проблем, створених різноманітністю, без шкоди для потенційних переваг [29].

Чи можуть організації зібрати команди з високим рівнем різноманітності та знайомства одночасно?
Замість того, щоб формувати команди на основі критеріїв різноманітності або попередніх відносин, поєднання обох може допомогти членам сприяти довірі, а організаціям зробити переваги різноманітності більш помітними [29]. У цій роботі ми пропонуємо обчислювальний підхід для виявлення відповідних командних комбінацій, які максимізують командну різноманітність і знайомство одночасно.

Ми вибрали ці характеристики двох команд, оскільки обидві можуть бути визначені в процесі формування команди. Оскільки це завдання вимагає оцінки всіх можливих комбінацій серед доступних учасників, ми розробляємо задачу оптимізації та її реалізацію алгоритму, щоб ефективно знаходити безцінні командні комбінації.

Ми формулюємо цю проблему формування команди як багатоцільову задачу оптимізації, щоб зібрати команди, максимізуючи їхню різноманітність і знайомство одночасно.

Ми використовуємо структуру Гаррісона та Кляйна [30], щоб обчислити різноманітність команд на основі різноманітності та невідповідності атрибутів, і ми використовуємо метрику комунікаційних витрат Каргара та Ана [31], щоб обчислити знайомство команд на основі структури соціальних мереж членів [32].

Потім ми реалізуємо цю проблему, використовуючи генетичний алгоритм недомінованого сортування II (NSGA-II).

Ця реалізація доречна, оскільки вона забезпечує набір ефективних командних комбінацій і враховує компроміси різних цілей. Ми демонструємо ефективність нашого підходу, використовуючи три набори даних, які містять інформацію про членство команди: (1) студенти самостійно збирають команди за допомогою платформи MyDreamTeam [33], (2) науковці є співавторами статей, наданих BibSonomydataset [34], і (3 ) команди, які співпрацюють на GitHub, надані набором даних GHTorrent [35].

Ми оцінюємо запропонований нами алгоритм порівняно з іншими методами багатоцільової оптимізації, які цитуються в літературі, оцінюючи його рішення та час виконання. Результати демонструють, що запропонований нами алгоритм успішно забезпечив рішення з вищим рівнем різноманітності та знайомства.

For more information:1950477648nn@gmail.com