論文の概要: Informational Diversity and Affinity Bias in Team Growth Dynamics
- arxiv url: http://arxiv.org/abs/2301.12091v1
- Date: Sat, 28 Jan 2023 05:02:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 19:05:16.535779
- Title: Informational Diversity and Affinity Bias in Team Growth Dynamics
- Title（参考訳）: チーム成長ダイナミクスにおける情報多様性と親和性バイアス
- Authors: Hoda Heidari, Solon Barocas, Jon Kleinberg, and Karen Levy
- Abstract要約: 情報多様性の利点は親和性バイアスと緊張関係にあることを示す。
本結果は,情報多様性を促進するためのユーティリティベースのモチベーションの基本的な制限を定式化した。
- 参考スコア（独自算出の注目度）: 6.729250803621849
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Prior work has provided strong evidence that, within organizational settings,
teams that bring a diversity of information and perspectives to a task are more
effective than teams that do not. If this form of informational diversity
confers performance advantages, why do we often see largely homogeneous teams
in practice? One canonical argument is that the benefits of informational
diversity are in tension with affinity bias. To better understand the impact of
this tension on the makeup of teams, we analyze a sequential model of team
formation in which individuals care about their team's performance (captured in
terms of accurately predicting some future outcome based on a set of features)
but experience a cost as a result of interacting with teammates who use
different approaches to the prediction task. Our analysis of this simple model
reveals a set of subtle behaviors that team-growth dynamics can exhibit: (i)
from certain initial team compositions, they can make progress toward better
performance but then get stuck partway to optimally diverse teams; while (ii)
from other initial compositions, they can also move away from this optimal
balance as the majority group tries to crowd out the opinions of the minority.
The initial composition of the team can determine whether the dynamics will
move toward or away from performance optimality, painting a path-dependent
picture of inefficiencies in team compositions. Our results formalize a
fundamental limitation of utility-based motivations to drive informational
diversity in organizations and hint at interventions that may improve
informational diversity and performance simultaneously.
- Abstract（参考訳）: 以前の作業は、組織的な設定において、タスクにさまざまな情報と視点をもたらすチームは、そうでないチームよりも効果的である、という強い証拠を提供した。
このような情報多様性がパフォーマンスのアドバンテージを損なう場合、なぜ多くが均質なチームだと考えるのか?
情報の多様性の利点は親和性バイアスと緊張関係にあるという標準的な主張がある。
この緊張がチームの構成に与える影響をよりよく理解するために、個人がチームのパフォーマンスを気にするチーム形成のシーケンシャルモデル(機能セットに基づいて将来の成果を正確に予測する観点で獲得)を分析し、予測タスクに異なるアプローチを使うチームメイトと対話した結果、コストが発生することを経験する。
このシンプルなモデルを分析すると、チーム成長のダイナミクスが示す微妙な振る舞いの集合が明らかになる。
(i) 特定の初期チーム構成から、彼らはより良いパフォーマンスに向かって前進するが、最適な多様なチームへ行き詰まることができる。
(ii)他の初期構成から、多数派グループが少数派の意見を広めようとすると、彼らはこの最適なバランスから離れることもできる。
チームの最初の構成は、ダイナミクスがパフォーマンスの最適性に向かって動くかどうかを判断し、チームの構成における非効率性のパス依存の図を描きます。
本研究は,組織における情報多様性を促進するためのユーティリティに基づくモチベーションの基本的な制限を定式化し,情報多様性とパフォーマンスを同時に向上させるような介入を示唆する。
関連論文リスト
- ML-SPEAK: A Theory-Guided Machine Learning Method for Studying and Predicting Conversational Turn-taking Patterns [25.049072387358244]
自己組織化チーム内で対話型ターンテイクの計算モデルを開発する。
個人の性格特性とチームのコミュニケーションパターンのギャップを埋めることで、私たちのモデルはチームプロセスの理論を伝えることができるのです。
論文 参考訳（メタデータ） (2024-11-23T01:27:01Z) - Towards a Better Understanding of Learning with Multiagent Teams [4.746424588605832]
いくつかのチーム構造は、エージェントが特定の役割を専門化することを学ぶのに役立つことを示しています。
大規模なチームは、コーディネーションを減らすためのクレジット割り当ての課題を作成します。
論文 参考訳（メタデータ） (2023-06-28T13:37:48Z) - About latent roles in forecasting players in team sports [47.066729480128856]
チームスポーツは、チームメイトと相手とのインタラクションに影響を与える重要な社会的要素を含んでいる。
RolForはロールベースのForecastingのための新しいエンドツーエンドモデルです。
論文 参考訳（メタデータ） (2023-04-17T13:33:23Z) - Understanding why shooters shoot -- An AI-powered engine for basketball
performance profiling [70.54015529131325]
バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。
パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。
プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
論文 参考訳（メタデータ） (2023-03-17T01:13:18Z) - Detecting and Optimising Team Interactions in Software Development [58.720142291102135]
本稿では,ソフトウェア開発チームの機能的相互作用構造を検出するためのデータ駆動型手法を提案する。
このアプローチでは、チームメンバのアクティビティレベルの違いを考慮し、ブロック制約設定モデルを使用します。
我々のアプローチは、チームが合成されたベンチマークシナリオと機能的な相互作用構造を比較するのにどのように役立つかを示します。
論文 参考訳（メタデータ） (2023-02-28T14:53:29Z) - Task Formulation Matters When Learning Continually: A Case Study in
Visual Question Answering [58.82325933356066]
継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。
本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
論文 参考訳（メタデータ） (2022-09-30T19:12:58Z) - Modeling Teams Performance Using Deep Representational Learning on
Graphs [0.0]
本稿では,チームのパフォーマンスを予測するために設計されたグラフニューラルネットワークモデルを提案する。
このモデルは、トポロジカル、集中、コンテキストという3つのアーキテクチャチャネルに基づいている。
第1のメカニズムは、チーム内のキーメンバーをピンポイントすることを可能にする。
第2のメカニズムにより、結果のパフォーマンスを決定する上での3つのドライバ効果の貢献を定量化できます。
論文 参考訳（メタデータ） (2022-06-29T16:12:22Z) - Pick Your Battles: Interaction Graphs as Population-Level Objectives for
Strategic Diversity [49.68758494467258]
我々は、集団内の個人がどのように相互作用するかを慎重に構造化することで、多様なエージェントの集団を構築する方法について研究する。
我々のアプローチは,エージェント間の情報の流れを制御するインタラクショングラフに基づいている。
マルチエージェント・トレーニングにおける多様性の重要性を証明し,様々な相互作用グラフを適用したゲームにおけるトレーニング・トラジェクトリ,多様性,パフォーマンスに与える影響を解析する。
論文 参考訳（メタデータ） (2021-10-08T11:29:52Z) - Coach-Player Multi-Agent Reinforcement Learning for Dynamic Team
Composition [88.26752130107259]
現実世界のマルチエージェントシステムでは、異なる能力を持つエージェントがチーム全体の目標を変更することなく参加または離脱する可能性がある。
この問題に取り組むコーチ・プレイヤー・フレームワーク「COPA」を提案します。
1)コーチと選手の両方の注意メカニズムを採用し、2)学習を正規化するための変動目標を提案し、3)コーチが選手とのコミュニケーションのタイミングを決定するための適応的なコミュニケーション方法を設計する。
論文 参考訳（メタデータ） (2021-05-18T17:27:37Z) - My Team Will Go On: Differentiating High and Low Viability Teams through
Team Interaction [17.729317295204368]
オンラインチームの669の10分間のテキスト会話のデータセット上で、生存可能性分類モデルをトレーニングする。
その結果,ラッソ回帰モデルにより,可視性スコアの分類のしきい値が異なる.74--.92 AUC ROCの精度が得られることがわかった。
論文 参考訳（メタデータ） (2020-10-14T21:33:36Z) - Forming Diverse Teams from Sequentially Arriving People [9.247294820004146]
共同作業は、チームや組織が異質なメンバを持つことの恩恵を受けます。
我々は、時間とともに連続して到着する人々から、このような多様なチームを形成する方法を提案する。
実際に、アルゴリズムがチームの多様性を大きく向上させることを示す。
論文 参考訳（メタデータ） (2020-02-25T07:00:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。