[論文レビュー] My Team Will Go On: Differentiating High and Low Viability Teams through Team Interaction

Hancheng Cao, Vivian Yang+6 more|arXiv (Cornell University)|Oct 14, 2020

Complex Network Analysis Techniques参考文献 40被引用数 7

ひとこと要約

本研究では、リモートチームの10分間のテキスト対話から、排他的言語（'but'、'except'など）や第二人称代名詞（'you'など）といった言語的特徴を用いて、チームの持続可能性を予測する機械学習モデルを開発した。このモデルは、上位10パーセンタイルの持続可能なチームを区別する際、最大で0.92のAUC ROCを達成し、初期の対話パターンが長期的なチームの持続可能性を信頼性高く示すことを示した。

ABSTRACT

Understanding team viability -- a team's capacity for sustained and future success -- is essential for building effective teams. In this study, we aggregate features drawn from the organizational behavior literature to train a viability classification model over a dataset of 669 10-minute text conversations of online teams. We train classifiers to identify teams at the top decile (most viable teams), 50th percentile (above a median split), and bottom decile (least viable teams), then characterize the attributes of teams at each of these viability levels. We find that a lasso regression model achieves an accuracy of .74--.92 AUC ROC under different thresholds of classifying viability scores. From these models, we identify the use of exclusive language such as `but' and `except', and the use of second person pronouns, as the most predictive features for detecting the most viable teams, suggesting that active engagement with others' ideas is a crucial signal of a viable team. Only a small fraction of the 10-minute discussion, as little as 70 seconds, is required for predicting the viability of team interaction. This work suggests opportunities for teams to assess, track, and visualize their own viability in real time as they collaborate.

研究の動機と目的

• パフォーマンス指標を超えて、長期的なチームの持続可能性を予測する初期の言語的サインを同定すること。
• 通常は自己報告による後向き評価がなされるが、リアルタイムで能動的にチームの持続可能性を評価するというギャップを埋めること。
• 短時間の初期対話（最短70秒）に、チームの持続可能性レベルを分類するのに十分な情報が含まれているかどうかを調査すること。
• 計算モデルを用いて、高持続可能性・中央・低持続可能性チームを区別する行動的パターンを特定すること。
• 協働中に持続可能性サインを特定することで、チームのリアルタイム監視と干渉の機会を可能にすること。

提案手法

• リモートオンラインチームが共同作業を実施した、669件の10分間のテキストベースのチーム対話データを収集した。
• 組織行動学の文献を基に、トピック整合性（TF-IDFベクトルのコサイン類似度）、感情（LIWC）、心理的安全性（Mechanical Turkによるコーディング）を含む特徴を設計した。
• チームの持続可能性を3段階（上位10パーセンタイル、中央値、下位10パーセンタイル）で分類するための予測特徴を特定するために、ラッソ（L1正則化）回帰を適用した。
• 複数の分類器を訓練・評価したが、ラッソ回帰が全段階で最高のAUC ROC性能を示した。
• 持続可能性固有の言語的サインを特定するために、チームパフォーマンスを制御した。
• 時間的ダイナミクスを分析するため、対話の最初の70秒のみを用いて予測精度をテストした。

実験結果

リサーチクエスチョン

• RQ1 リモートチームの短時間で初期段階のテキスト対話から、チームの持続可能性を予測できるか？
• RQ2 どの言語的および対話的特徴が、高持続可能性チームと低持続可能性チームを最も強く区別するか？
• RQ3 持続可能性の閾値（上位10パーセンタイル、中央値、下位10パーセンタイル）ごとに、予測特徴はどのように変化するか？
• RQ4 チームパフォーマンスを制御した場合でも、初期対話パターンの予測力は頑健か？
• RQ5 自動化された言語的分析を用いて、チームの会話からリアルタイムで持続可能性を信頼性高く評価できるか？

主な発見

• ラッソ回帰モデルは、持続可能性の上位10パーセンタイルのチーム分類においてAUC ROCが0.92、中央値分割では0.75、下位10パーセンタイルでは0.74を達成した。
• 排他的言語（例：'but'、'except'、'either'）と第二人称代名詞（例：'you'、'your'）の使用が、全閾値において高持続可能性を予測する上で最も予測力の高い特徴であった。
• 最も持続可能性の高いチームは、平均的な読解レベルが高く、皮肉や不安関連語をより多く使用しており、状況に応じた洗練されたコミュニケーションを示していた。
• 下位10パーセンタイルのチームは、LIWCによる感情分析で「悲しみ」を示す語の使用が高く、より極端な感情的表現を示しており、持続可能性が低いことが示唆された。
• 初期の70秒間のチーム対話のみで高い予測精度が達成されたため、早期検出が実現可能であることが示された。
• 対話パターンと持続可能性の関係は時間経過にわたり一貫していたが、新規編成チームと再集結チームでは異なる行動的ダイナミクスを示した。