[论文解读] 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 8

一句话总结

本研究分析了一家跨国IT公司研发部门中Slack群组聊天的使用情况，通过定性编码识别出9类频道，并开发了一个包含21个特征的沟通风格度量指标。利用机器学习模型，该研究实现了对频道的高精度分类，并揭示了特定沟通模式与项目团队绩效之间的关联，为企业的协作提供了数据驱动的洞察。

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.

研究动机与目标

• 理解现代企业员工如何使用Slack等群组聊天平台进行协作。
• 识别并分类真实企业环境中反复出现的Slack频道类型。
• 开发一个量化指标，以捕捉跨频道的群体沟通风格。
• 构建一个机器学习模型，利用沟通特征将频道分类到预定义类别中。
• 利用实证数据，研究沟通风格与项目团队绩效之间的关系。

提出的方法

• 从一家跨国IT公司研发部门收集了4,300个公开的Slack频道数据。
• 对100个频道进行定性编码，识别出包括基于项目和基于事件在内的9种不同频道类别。
• 定义了一个包含21个特征的沟通风格度量指标，用于捕捉频道互动中的时间、语言和结构模式。
• 使用21个特征度量指标训练一个监督式机器学习模型，将新频道分类到9个类别之一。
• 从117个团队中的54个团队收集了Slack数据，并为每个团队计算了沟通风格度量指标。
• 构建一个回归模型，分析团队层面的沟通风格与绩效指标之间的关系。

实验结果

研究问题

• RQ1 在大型企业组织中，员工主要使用哪些类型的Slack频道？
• RQ2 哪些沟通特征最能区分不同类型的Slack频道？
• RQ3 基于沟通模式，机器学习模型在多大程度上能准确将Slack频道分类到预定义类别中？
• RQ4 特定的群体沟通风格与项目团队绩效之间存在何种关联？

主要发现

• 识别出9种不同的频道类别，包括基于项目的频道、基于事件的频道以及跨职能协作频道。
• 21个特征的沟通风格度量指标成功实现了基于机器学习的Slack频道高精度分类。
• 机器学习模型实现了高分类准确率，证明了所提度量指标的区分能力。
• 特定的沟通模式（如消息频率、响应延迟和话题多样性）与团队绩效显著相关。
• 沟通模式更结构化且更及时的团队，其绩效指标表现更优。
• 本研究表明，从群组聊天数据中提取的沟通风格度量指标可作为团队有效性的预测指标。