Kollektiv intelligens kan forudsiges og kvantificeres, ny undersøgelse finder

For at løse problemer lige fra klimaændringer til udvikling af komplekse teknologier og helbredelse af sygdomme, videnskaben er afhængig af kollektiv intelligens, eller en gruppes evne til at arbejde sammen og løse en række problemer, der varierer i kompleksitet.

For bedre at forstå, hvordan man måler og forudsiger kollektiv intelligens, forskere brugte meta-analytiske metoder til at evaluere data indsamlet i 22 undersøgelser, inklusive 5, 349 personer i 1, 356 grupper, og fandt stærk støtte til en generel faktor for kollektiv intelligens (CI). Desuden, dataene viste, at gruppesamarbejdsprocesser var omkring dobbelt så vigtige for at forudsige CI end individuelle færdigheder, og den gruppesammensætning, herunder andelen af ​​kvinder i en gruppe og gruppemedlemmers sociale opfattelsesevne, er også signifikante forudsigere for CI.

Papiret, "Kvantificering af kollektiv intelligens i menneskelige grupper, " af 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), og Williams Woolley, Anita (Carnegie Mellon University) vil blive udgivet i Proceedings of the National Academy of Sciences af Amerikas Forenede Stater.

"Dette papir introducerer nogle beregningsmæssige målinger til evaluering af samarbejdsprocesser, der kunne være grundlaget for at studere samarbejde fremadrettet, " siger Anita Williams Woolley, Lektor i organisatorisk adfærd og teori ved Carnegie Mellon's Tepper School of Business, der var medforfatter til avisen. "Vi oplever også fortsat, at det at have flere kvinder i gruppen øger den kollektive intelligens, og i tillægget sammenligner vi specifikt ansigt-til-ansigt og online-samarbejdspartnere og finder få forskelle i de elementer, der fører til kollektiv intelligens."

I tidligere forskning, Woolley og kolleger byggede på tilgangen til at informere forskning om generel intelligens hos individer og fandt ud af, at en gruppes evne til at udføre en bred vifte af opgaver også kunne forudsiges af en enkelt statistisk faktor, som de kaldte kollektiv intelligens. De viste yderligere, at denne CI-faktor var svagt korreleret med gruppemedlemmernes individuelle intelligens, men stærkere korreleret med medlemmers sociale følsomhed, og andelen af ​​kvinder i gruppen. Siden undersøgelsen blev offentliggjort, andre papirer har bekræftet resultaterne, mens nogle få har udfordret, om der er en generel CI-faktor eller ej, og har hævdet, at individuel intelligens er den eneste virkelige forudsigelse for det.

I dette nye blad, forskerne vurderer disse spørgsmål ved at trække på akkumulerede data fra 22 forskellige prøver, involverer 5, 349 personer arbejder sammen i 1, 356 grupper af forskellige indstillinger, herunder online, ansigt til ansigt, mennesker, der kender og arbejder sammen såvel som fremmede. Ved at bruge en meta-analytisk tilgang, forskerne analyserede hver prøve og kvantificerede indikatorer for gruppesamarbejde. Brug af maskinlæringsteknikker, de bestemte den relative betydning af forskellige variabler til at forudsige CI, observerer, at gruppesamarbejdsprocesser var omkring dobbelt så vigtige som individuelle medlemmers færdigheder; andre vigtige forudsigelser var social perceptivitet, gruppesammensætning (især kvindeandel og aldersdiversitet) og gruppestørrelse.

Forskningen fremmer videnskaben om kollektiv præstation både konceptuelt og metodisk. Ved at bruge en metrik for kollektiv intelligens baseret på en række forskellige opgaver, en gruppes score bør forudsige fremtidig præstation i en bredere række af indstillinger. ved at fokusere på et mere robust mål for en gruppes evne til at arbejde sammen, forskere kan mere sikkert identificere gruppesammensætningen og samarbejdsadfærden, der vil gøre folk i stand til at samle og strukturere grupper til høj kollektiv intelligens.