Arti cial intelligence methods to support people management in organisations
Las organizaciones han pasado del trabajo focalizado en individuos a estructuras de trabajo basadas en equipos. Una nueva generación de soluciones para las organizaciones debe proporcionar la gestión de equipos, fomentando la eficacia del equipo mediante la automatización. En esta tesis abordamos va...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2018 |
| País: | España |
| Institución: | CBUC, CESCA |
| Repositorio: | TDR. Tesis Doctorales en Red |
| OAI Identifier: | oai:www.tdx.cat:10803/565893 |
| Acceso en línea: | http://hdl.handle.net/10803/565893 |
| Access Level: | acceso abierto |
| Palabra clave: | Agoritmes aproximitats Algoritmos aproximados Approximate algorithms Composició d'equips Composición de equipos Team composition Avaluació per parells Evaluación por pares Peer assessment Tecnologies 004 |
| Sumario: | Las organizaciones han pasado del trabajo focalizado en individuos a estructuras de trabajo basadas en equipos. Una nueva generación de soluciones para las organizaciones debe proporcionar la gestión de equipos, fomentando la eficacia del equipo mediante la automatización. En esta tesis abordamos varios problemas centrales para la gestión de equipos en organizaciones. En particular, proponemos una solución que aborda los problemas relacionados con la composición del equipo, así como los problemas de evaluación de los empleados y la evaluación del rendimiento de las tareas. En primer lugar, revisamos la literatura sobre la composición y formación de equipos, tanto desde la perspectiva de la psicología organizacional como de las ciencias de la computación. Exploramos la conexión entre los atributos de los individuos y el rendimiento del equipo, así como las oportunidades de intercambio de ideas entre estos dos campos. En segundo lugar, revisamos las herramientas más destacadas para medir los atributos de los individuos, ya que estas medidas son necesarias para los procesos de composición de equipos. En particular, describimos los enfoques dominantes en Psicología Organizacional, Psicología Industrial y Recursos Humanos, resumiendo los principales hallazgos para medir la personalidad y las competencias de los individuos. En tercer lugar, utilizamos nuestros observaciones para proponer un modelo que predice el rendimiento de un equipo dada una tarea y en función de los atributos de los individuos (competencias, personalidad y género). Definimos el Synergistic Team Composition Problem (STCP) como el problema de encontrar una partición de equipos restringida por tamaño para que cada equipo, y toda la partición de empleados en equipos, sea equilibrada en términos de competencias individuales, personalidad y género. Proponemos dos algoritmos diferentes para resolver este problema: un algoritmo óptimo llamado STCPSolver que es efectivo para pequeñas instancias del problema, y un algoritmo aproximado llamado SynTeam, que proporciona soluciones de alta calidad, pero no necesariamente óptimas. A continuación, presentamos los resultados empíricos que obtuvimos al analizar el rendimiento de nuestros algoritmos en un ámbito educativo. Nuestros resultados muestran los beneficios de una composición de equipos más informada utilizando las competencias, las personalidades y el género de las personas. En cuarto lugar, diseñamos un algoritmo llamado Collaborative Judgment (CJ) para evaluar de un modo justo los resultados de los individuos y el rendimiento de los equipos que han realizado las tareas. En particular, el objetivo del algoritmo es disminuir la importancia de los sesgos en el proceso de evaluación a través de la evaluación entre los propios evaluadores. Nuestros resultados empíricos muestran los beneficios de un método de agregación de evaluaciones más informado. |
|---|