[論文レビュー] Slack Channels Ecology in Enterprises: How Employees Collaborate Through Group Chat.

Dakuo Wang, Haoyu Wang+3 more|arXiv (Cornell University)|Jun 4, 2019

Team Dynamics and Performance参考文献 14被引用数 8

ひとこと要約

本研究では、多国籍IT企業のR&D部門におけるSlackグループチャットの使用状況を分析し、定性的コード化により9つのチャネルカテゴリを同定し、21の特徴を持つコミュニケーションスタイル指標を開発した。機械学習を用いて、モデルは高い正確性でチャネルを分類し、特定のコミュニケーションパターンがプロジェクトチームのパフォーマンスと相関することを明らかにした。これにより、企業内連携に関するデータ駆動型の知見が得られた。

ABSTRACT

Despite the long history of studying instant messaging usage in organizations, we know very little about how today's people participate in group chat channels and interact with others. In this short note, we aim to update the existing knowledge on how group chat is used in the context of today's organizations. We have the privilege of collecting a total of 4300 publicly available group chat channels in Slack from an R\&D department in a multinational IT company. Through qualitative coding of 100 channels, we identified 9 channel categories such as project based channels and event channels. We further defined a feature metric with 21 features to depict the group communication style for these group chat channels, with which we successfully trained a machine learning model that can automatically classify a given group channel into one of the 9 categories. In addition, we illustrated how these communication metrics could be used for analyzing teams' collaboration activities. We focused on 117 project teams as we have their performance data, and further collected 54 out of the 117 teams' Slack group data and generated the communication style metrics for each of them. With these data, we are able to build a regression model to reveal the relationship between these group communication styles and one indicator of the project team performance.

研究の動機と目的

• 現代の企業で従業員がSlackのようなグループチャットプラットフォームをどのように共同作業に活用しているかを理解すること。
• 実世界の企業環境におけるSlackチャネルの繰り返し現れるタイプを同定・分類すること。
• 複数のチャネルにわたるグループのコミュニケーションスタイルを捉える定量的指標を開発すること。
• コミュニケーション特徴を用いて、新しいチャネルを事前に定義されたカテゴリに分類する機械学習モデルを構築すること。
• 実証データを用いて、コミュニケーションスタイルとプロジェクトチームのパフォーマンスの関係を検討すること。

提案手法

• 多国籍IT企業のR&D部門から4,300件の公開済みSlackチャネルを収集した。
• 100件のチャネルを対象に定性的コード化を実施し、プロジェクトベースおよびイベントベースを含む9つの明確なチャネルカテゴリを同定した。
• チャネルの相互作用における時間的・言語的・構造的パターンを捉える21の特徴を持つコミュニケーションスタイル指標を定義した。
• 21の特徴を持つ指標を用いて教師あり機械学習モデルを訓練し、新しいチャネルを9つのカテゴリのいずれかに分類するようにした。
• 117のプロジェクトチームのうち54チームからSlackデータを収集し、各チームのコミュニケーションスタイル指標を算出した。
• チームレベルのコミュニケーションスタイルとパフォーマンス指標の関係を分析するための重回帰モデルを構築した。

実験結果

リサーチクエスチョン

• RQ1 大規模な企業組織において、従業員が使用する主要なSlackチャネルタイプは何か？
• RQ2 どのコミュニケーション特徴が、異なるタイプのSlackチャネルを最も効果的に区別するか？
• RQ3 コミュニケーションパターンに基づいて、機械学習モデルが事前に定義されたカテゴリにSlackチャネルをどれほど正確に分類できるか？
• RQ4 特定のグループコミュニケーションスタイルが、プロジェクトチームのパフォーマンスとどの程度相関しているか？

主な発見

• プロジェクトベース、イベントベース、クロスファンクショナルコラボレーションを含む9つの明確なチャネルカテゴリが同定された。
• 21の特徴を持つコミュニケーションスタイル指標は、機械学習を用いたSlackチャネルの正確な分類を可能にした。
• 機械学習モデルは高い分類正確性を達成し、提案された指標の識別力の高さを示した。
• メッセージ頻度、応答遅延、トピック多様性といった特定のコミュニケーションパターンが、チームパフォーマンスと有意に相関していた。
• より構造的かつタイムリーなコミュニケーションパターンを示すチームは、パフォーマンス指標でより優れた成果を上げていた。
• 本研究では、グループチャットデータから導出されたコミュニケーションスタイル指標が、チーム効果性の予測指標として機能することを示した。