[论文解读] 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 7

一句话总结

本研究开发了一种机器学习模型，通过远程团队10分钟的文本互动预测团队可行性，使用排他性语言（如'but'、'except'）和第二人称代词（如'you'）等语言特征作为关键预测因子。该模型在区分前10%可行性团队时，AUC ROC最高达0.92，表明早期互动模式可可靠地预示团队的长期可持续性。

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.

研究动机与目标

• 识别团队互动中可预测长期团队可行性的早期语言信号，而不仅依赖绩效指标。
• 解决团队可行性实时、主动评估的缺口，因为通常仅通过事后自评进行衡量。
• 探究是否简短的早期互动（最短70秒）已包含足够信息以对团队可行性水平进行分类。
• 利用计算模型区分高可行性、中等和低可行性团队的行为模式差异。
• 通过在协作过程中识别可行性信号，实现实时监控和干预机会。

提出的方法

• 从远程在线团队收集了669段10分钟的基于文本的团队互动，这些团队执行协作任务。
• 基于组织行为学文献设计特征，包括主题一致性（TF-IDF向量的余弦相似度）、情感（LIWC）和心理安全感（通过Mechanical Turk编码）。
• 应用套索（L1正则化）回归，识别在三个阈值下分类团队可行性的最具预测力的特征：前10%、中位数分割和后10%。
• 训练并评估了多种分类器，套索回归在所有阈值下均表现出最高的AUC ROC性能。
• 控制团队绩效，以隔离与可行性相关的语言信号。
• 通过仅使用互动前70秒的数据测试预测准确性，分析时间动态。

实验结果

研究问题

• RQ1 能否从远程团队的简短、早期文本互动中预测团队可行性？
• RQ2 哪些语言和互动特征最能区分高可行性与低可行性团队？
• RQ3 预测特征在不同可行性阈值（前10%、中位数、后10%）下如何变化？
• RQ4 在控制团队绩效后，早期互动模式的预测能力是否依然稳健？
• RQ5 能否通过团队对话的自动化语言分析，在实时中可靠评估可行性？

主要发现

• 套索回归模型在分类可行性前10%的团队时，AUC ROC达到0.92；在中位数分割时为0.75；在后10%时为0.74。
• 使用排他性语言（如'but'、'except'、'either'）和第二人称代词（如'you'、'your'）是所有阈值下预测高可行性的最重要特征。
• 最具可行性的团队表现出更高的平均阅读水平，并使用更多讽刺性幽默和与焦虑相关的词汇，表明其沟通更具细微性和情境敏感性。
• 后10%的团队表现出更高的悲伤相关词汇使用频率（按LIWC衡量）和更极端的情绪表达，表明可行性较低。
• 仅需70秒的初始团队互动即可实现高预测准确性，表明早期检测是可行的。
• 互动模式与可行性的关系在时间上保持一致，但新组建团队与重新集结团队表现出不同的行为动态。