Kredit:Pixabay/CC0 Public Domain
Det er nemmere at tage dine kollegers følelsesmæssige temperatur, når du tilbringer dine dage på et kontor. Latterudbrud, ubehageligt kropssprog og vredesglimt er lette at se, når du sidder over for bordet fra din kollega.
Men efterhånden som fjernarbejde tager fart, kan det være en udfordring at spore fjernarbejdernes følelser. Videoopkald kan kun gå så langt.
"Vi læser masser af anekdotiske rapporter om mental stress under pandemien," sagde Qiaozhu Mei, professor i information.
Uden ansigt-til-ansigt interaktioner er det svært at sige, hvordan din kollega klarer sig, sagde han.
"Du kan se, at de stadig svarer på e-mails, du kan se, at de chatter på Slack-kanaler, men du ved ikke, hvordan de har det - du kan ikke se smil, du kan ikke se angst," sagde Mei.
Mei og kolleger ved University of Michigan School of Information udviklede en strategi til ikke kun at overvåge arbejdernes følelsesmæssige helbred, men endda forudsige arbejdsadfærd. I en ny undersøgelse i PLOS ONE , holdet sporede emoji-brug som en markør for følelser og sporede, hvordan brugen af emoji i arbejdskommunikation kan forudsige frafald af fjernmedarbejdere.
"Vi så en rapport fra GitHub om status for udviklere på det tidlige stadie af COVID-19-pandemien," sagde studielederforfatter Xuan Lu, forskningsstipendiat ved UMSI.
Udviklere viste signaler om udbrændthed i begyndelsen af pandemien. Rapporten ansporede holdet til at se på, hvordan man bedre kan spore fjernarbejdernes sindstilstand, sagde hun.
Ansigt til ansigt følelsesmæssige spor kan begrænses med fjernarbejde eller let maskeres under korte videoopkald. For at imødegå dette, vendte holdet sig til nonverbale signaler i onlinekommunikation for at fortolke følelsesmæssig sundhed.
Fordi Lu og hendes kolleger har studeret emoji-brug i nogen tid, spekulerede de på, om emoji kunne bruges som sensorer for udviklernes følelsesmæssige status.
Holdet henvendte sig til GitHub for deres kommunikationsdata for fjernarbejdere ved at bruge det enorme katalog af kommunikationsdata om softwaresamarbejder. Ved at bruge millioner af GitHub-indlæg (fra før pandemien, for at undgå ekstra stressfaktorer fra en global sundhedskrise), brugte teamet maskinlæring til at spore brugen af emoji i arbejdsrelaterede onlinesamtaler. De trænede deres model til at forudsige potentielt frafald af fjernudviklere baseret på deres emoji-brug.
Den del af GitHub-indlæg, der indeholdt emoji, såvel som typen af emoji, blev sporet i maskinlæringsprogrammet. De fandt ud af, at mere end 5 % af GitHub-indlæg i gennemsnit indeholder emoji. De fandt også ud af, at visse emoji blev brugt mere end andre – og de adskilte sig fra typiske emoji, der blev brugt i social kommunikation uden arbejde.
Til sidst, ved hjælp af beregningsværktøjer, tildelte holdet sentimentale scores til emoji.
"Folk bruger emoji af forskellige årsager," sagde Mei og tilføjede, at et smilende ansigt har mere positiv vægt end et simpelt flueben.
De fandt ud af, at arbejdere, der regelmæssigt bruger emoji til at udtrykke følelser – positive eller negative – i deres arbejde kan have bedre følelsesmæssig sundhed og er naturligvis mindre tilbøjelige til at droppe platformen et år senere. Forskerne fandt også en anden interessant sammenhæng mellem emoji og arbejde.
"De, der ikke bruger emoji, har tre gange større risiko for at droppe fjernarbejde," sagde Mei.
Holdet fandt ud af, at de ved at bruge deres maskinlæringsmodel kunne forudsige frafald med 75 % nøjagtighed.
"Du kan lave ret præcise forudsigelser af, om folk vil droppe ud, bare baseret på, hvordan de bruger disse piktogrammer," sagde Mei. "Du behøver ikke engang at se på deres arbejdsproduktivitet eller de faktiske ord, de siger - se bare på, hvordan de bruger emoji."
Mei bemærker, at dette arbejde kan være nyttigt for alle organisationer, der understøtter fjernarbejdere.
"Hvis du kan spore dine medarbejderes eller dine kollegers følelser ved, hvordan de bruger emoji, så kan du identificere tidlige signaler om, at de måske oplever psykiske problemer som udbrændthed," sagde han.