För att ta itu med frågor som sträcker sig från klimatförändringar till att utveckla komplexa tekniker och bota sjukdomar, vetenskap förlitar sig på kollektiv intelligens, eller förmågan hos en grupp att arbeta tillsammans och lösa en rad problem som varierar i komplexitet.

För att bättre förstå hur man mäter och förutsäger kollektiv intelligens, forskare använde metaanalytiska metoder för att utvärdera data som samlats in i 22 studier, inklusive 5, 349 individer i 1, 356 grupper, och fann starkt stöd för en allmän faktor för kollektiv intelligens (CI). Vidare, data visade att gruppsamarbetesprocesser var ungefär dubbelt så viktiga för att förutsäga CI än individuella färdigheter, och den gruppsammansättningen, inklusive andelen kvinnor i en grupp och gruppmedlemmarnas sociala uppfattningsförmåga, är också signifikanta prediktorer för CI.

Pappret, "Kvantifiera kollektiv intelligens i mänskliga grupper, " av Christoph Riedl (Northeastern University), Young Ji Kim (University of California, Santa Barbara), Pranav Gupta (Carnegie Mellon University), Thomas W. Malone (MIT Sloan School of Management), och Williams Woolley, Anita (Carnegie Mellon University) kommer att publiceras i Proceedings of the National Academy of Sciences av Amerikas förenta stater.

"Det här dokumentet introducerar några beräkningsmått för att utvärdera samarbetsprocesser som kan vara grundläggande för att studera samarbete framåt, " säger Anita Williams Woolley, Docent i organisationsbeteende och teori vid Carnegie Mellons Tepper School of Business, som var medförfattare till tidningen. "Vi fortsätter också att upptäcka att fler kvinnor i gruppen höjer den kollektiva intelligensen, och i tillägget jämför vi specifikt samarbetspartners ansikte mot ansikte och online och hittar få skillnader i de element som leder till kollektiv intelligens."

I tidigare forskning, Woolley och kollegor byggde på tillvägagångssättet som informerade forskning om allmän intelligens hos individer och fann att en grupps förmåga att utföra ett brett spektrum av uppgifter också kunde förutsägas av en enda statistisk faktor, som de kallade kollektiv intelligens. De visade vidare att denna CI-faktor var svagt korrelerad med gruppmedlemmarnas individuella intelligens, men starkare korrelerad med medlemmarnas sociala känslighet, och andelen kvinnor i gruppen. Sedan forskningen publicerades, andra tidningar har bekräftat resultaten medan ett fåtal har ifrågasatt om det finns en generell CI-faktor eller inte, och har hävdat att individuell intelligens är den enda verkliga prediktorn för det.

I denna nya tidning, forskarna utvärderar dessa frågor genom att använda ackumulerade data från 22 olika prover, involverar 5, 349 individer som arbetar tillsammans i 1, 356 grupper med olika inställningar, inklusive online, ansikte mot ansikte, människor som känner och arbetar tillsammans såväl som främlingar. Med hjälp av en metaanalytisk metod, forskarna analyserade varje prov och kvantifierade indikatorer på gruppsamarbete. Använda maskininlärningstekniker, de bestämde den relativa betydelsen av olika variabler för att förutsäga CI, observera att åtgärder för gruppsamarbete var ungefär dubbelt så viktiga som individuella medlemmars skicklighet; andra viktiga prediktorer var social uppfattningsförmåga, gruppsammansättning (särskilt kvinnlig andel och åldersskillnad) och gruppstorlek.

Forskningen främjar vetenskapen om kollektiv prestation både konceptuellt och metodologiskt. Genom att använda ett mått på kollektiv intelligens baserat på en mängd olika uppgifter, en grupps poäng bör förutsäga framtida prestationer i ett bredare spektrum av inställningar. genom att fokusera på ett mer robust mått på en grupps förmåga att arbeta tillsammans, forskare kan med större säkerhet identifiera gruppsammansättningen och samarbetsbeteenden som gör det möjligt för människor att samla och strukturera grupper för hög kollektiv intelligens.