• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  Science >> Vetenskap >  >> Andra
    Hur grupper och teknik tacklar komplexa problem tillsammans
    Kredit:Pixabay/CC0 Public Domain

    Föreställ dig en grupp elever som tar sig an ett komplext projekt:några brainstormar, andra forskar och några planerar presentationen. Varje elev spelar en unik roll, men de arbetar alla tillsammans.



    Denna vardagliga scen i klassrum inspirerade forskningen vid Tepper School of Business vid Carnegie Mellon University som beskrivs i en ny artikel med titeln "Understanding Collective Intelligence:Investigating the Role of Collective Memory, Attention, and Reasoning Processes", publicerad i Perspectives in Psykologisk vetenskap . Den här artikeln är en del av ett specialnummer om kollektivens psykologi.

    Artikeln introducerar Transactive Systems Model of Collective Intelligence (TSM-CI). Det är ett nytt sätt att se på hur grupper, oavsett om det är studenter eller yrkesverksamma, hanterar sina kunskaper, fokus och beslutsprocesser, vilket säkerställer att allas styrkor används effektivt. Precis som en läkare utvärderar om en kropp är frisk baserat på hur kroppens olika system fungerar, använder de TSM-CI-ramverket för att formulera de system som kan avgöra om ett team är friskt.

    "Vårt ramverk når verkligen till kärnan i vad som får ett team att fungera bra tillsammans", säger Anita Williams Woolley, biträdande dekanus för forskning och professor i organisationsbeteende vid Tepper School, som ledde forskningen som ramverket bygger på. "Det handlar inte bara om att ha en grupp människor, det handlar om hur de använder det de vet, förblir fokuserade och fattar beslut som ett team."

    Woolley betonade att detta kan hjälpa oss att bygga bättre team och verktyg, särskilt nu när människor arbetar mer med teknik och i olika miljöer. "Det handlar om att förstå att nyckeln till ett bra team är hur alla arbetar tillsammans, inte bara vem som är i laget."

    TSM-CI-ramverket kretsar kring idén att framgångsrikt lagarbete bygger på kollektiv intelligens. Intelligens inom vilket system som helst bygger på tre inbördes relaterade funktioner – minne, uppmärksamhet och resonemang. Effektiva team odlar ett Transactive Memory System (TMS) som gör det möjligt för dem att identifiera vilka teammedlemmar som har olika delar av information eller expertis. Detta underlättar effektiv delning och hämtning av information, vilket säkerställer att rätt kunskap nås vid rätt tidpunkt.

    Därefter säkerställer Transactive Attention System (TAS) att lagets kollektiva fokus är lämpligt koordinerat och fördelat, i likhet med en dirigent som guidar en orkester för att säkerställa att varje musiker spelar sin roll i rätt ögonblick. Slutligen, Transactive Reasoning System (TRS) anpassar laget efter gemensamma mål och prioriteringar, vägleder beslut, speglar hur ett idrottslag lägger strategier tillsammans för att vinna en match.

    "Med en ökad mängd samarbete som sker i digitala miljöer kan vi utveckla indikatorer på sund teamfunktion som datorer förstår", säger Pranav Gupta, biträdande professor i företagsekonomi vid University of Illinois Urbana-Champaigns Gies College of Business och en med- författare om forskningen. "Detta öppnar för nya möjligheter att integrera AI "lagkamrater" i våra mänskliga team, och kan verkligen förändra vårt sätt att arbeta tillsammans."

    Denna forskning har implikationer för att förbättra teamarbetet över olika domäner, från klassrum till företagsstyrelserum. Framtida ansträngningar kommer att utforska hur teknik kan stärka dessa kollektiva kognitiva system och utveckla verktyg för att ytterligare förbättra samarbetet.

    Mer information: Anita Williams Woolley et al, Understanding Collective Intelligence:Investigating the Role of Collective Memory, Attention, and Reasoning Processes, Perspectives on Psychological Science (2023). DOI:10.1177/17456916231191534

    Journalinformation: Perspektiv på psykologisk vetenskap

    Tillhandahålls av Tepper School of Business, Carnegie Mellon University




    © Vetenskap https://sv.scienceaq.com