Центр искусственного интеллекта НИУ ВШЭ

Оценка персональных навыков на основе результатов командной работы

Исследования показывают, что состав команды оказывает существенное влияние на эффективность результатов. "Честная" оценка навыков давно была предметом исследований; первой из широко известных систем стал рейтинг Эло, внедренный в шахматном мире в пятидесятые годы. По своей математической сути рейтинг-система – это просто способ сравнить несколько элементов по тому или иному признаку, не имея возможности сравнивать всех сразу, но имея возможность проводить немного "зашумленные" сравнения попарно или в других небольших группах. Таким образом, модель Брэдли-Терри оказывается полезной, например, для задачи классификации с несколькими категориями: по данным бинарных классификаторов (сравнивающих две категории) определить вероятности попадания в каждую из категорий. Задачи ранжирования могут быть важны в онлайн играх или в задачах обучения, где желательно формирование "равных" соревнующихся команд. Для этих целей была предложена рейтинг система TrueSkill. Но формирование равных по силе команд, является не единственной важной задачей, более того в некоторых случаях мы можем преследовать цель построить эффективную команду даже вопреки ее "рейтингу". В то время как существует достаточное количество теорий и моделей, направленных на выявление удачных социо-психологических комбинаций характеристик членов команды, крайне малое внимание исследователи уделяют сетевой структуре и динамике взаимодействия команды.

Данное исследование совмещает важные социально-сетевые аспекты формирования команд, с количественной оценкой успешности, на основе графовых вероятностных моделей.

За счет учета поведенческих паттернов, индивидуальной успешности и ранжирования проект вносит вклад в развитие теорий формирования команд в социотехнических системах, учитывающих мотивационные и поведенческие аспекты. Это будет способствовать оптимизации процессов подбора и обучения кадров и упростит составление оптимального графика работы сотрудников с учетом различных факторов.

Адаптация существующих рейтинговых моделей к новым данным позволит продемонстрировать высокую гибкость вероятностных моделей ранжирования, что может подтолкнуть к дальнейшему применению рейтингов на основе вероятностных моделей к более широкому классу задач.

Команда проекта

Иванов Дмитрий Игоревич

Младший научный сотрудник

Карпенко Валерия Андреевна

Стажер-исследователь

Сущевский Всеволод Вячеславович

Стажер-исследователь