团队形成动力学:一个有效的在线团队的特征

当独立学习时，典型的学习者完成在线课程的概率很低。然而，当他成为团队的一员时，他成功的可能性增加了16倍。这使得团队成为一个重要的工具提高在线课程的完成率．但并不是所有的团队都是平等的。学习者知道这一点，这就是为什么当提供选择时，他们对合作对象非常挑剔。我与Farnaz Ronaghi和Amin Saberi的研究揭示了在线学习者的选择性偏见，并试图找出优化团队构成的策略。

我们的研究集中在2014年夏天开设的11门NovoEd课程上。课程规模从200人到25000人不等，持续4到6周。所有的课程都是在网上进行的团队活动．学习者可以要求加入一个团队或创建自己的团队。团队领导，进而可以使用学习者的个人资料数据邀请其他学习者加入他们的团队，或决定他们是否应该接受或拒绝成员的请求。概况包括关于学习者的教育水平、位置、年龄和(取决于课程)技能的数据。

我们发现，学习者倾向于与自己相似的人交往。这种趋势被称为同质性，导致年龄、教育成就和地理位置相近的群体形成。然而，值得注意的是，我们没有发现任何统计上显著的性别偏差。

更有趣的观察是，在成功的有机团队中(例如，在课程结束时拥有大量获得成就的成员的团队)，我们还观察到高度的多样性(heterophily)来衡量参与者的主要技能。换句话说，拥有更多样化技能集的多学科团队比其他团队更成功:他们寻求通过寻找具有互补技能的团队成员来组建多学科团队。同质性(跨越年龄、地点和教育水平)和异质性(跨越技能集)的结合被证明是一种有效的策略，导致了更成功的团队。此外，一个单独的研究雷诺兹和刘易斯发现认知多样化的团队会产生更好的团队结果．

总的来说，我们的研究总结了几种算法，可以根据学习者的个人资料将他们有效地分配到高性能的群体中。研究结果发表在论文上团队形成动力学:使用在线学习数据的研究．

Milad Eftekhar是多伦多大学计算机科学博士候选人。Milad的研究重点是分析在线社交网络中的用户互动，以提取在市场营销和信息传播等各种应用中有用的信息。

如果您喜欢本期内容，请务必阅读我们的虚拟团队的最佳实践篇文章。