Using Social Networks to Improve Group Transition Prediction in Professional Sports
我们研究了社交数据是否可以用来预测美国职业棒球大联盟(MLB)和国家篮球协会(NBA)的成员在职业生涯中如何在球队之间过渡。我们发现,将社交数据整合到各种机器学习算法中,可以大大提高算法正确确定这些转换的能力。特别是,我们衡量球员的表现,团队健身和社会数据如何单独和共同有助于预测这些转变。提高个人表现和团队适应度都提高了我们算法的预测准确性。然而,当我们包括社会数据时,这种改善就相形见绌了,这些数据表明,社会关系对MLB和NBA的球员过渡都有比较大的影响。
2020-09-01 cs.SI
Large-scale study of social network structure and team performance in a multiplayer online game
理论和实践中的一个问题是,团队成员之间的熟悉程度(以社会网络结构表示)是否以及如何与团队在特定任务中的成功相关。在本文中,我们重新审视这个重要的问题,在一个新的方式,采用游戏结果统计数据从Dota 2,一个流行的团队为基础的多人在线游戏,结合网络数据从蒸汽社区,一个社交网络服务的游戏玩家。我们对4168个团队进行了大规模的分析,以研究网络密度以及团队内社交网络的最小和最大程度与团队绩效之间的关系,并确定这种关联如何受到团队技能的调节。我们观察到,最低程度与良好的表现密切相关,特别是在技能较低的团队中。再加上我们在本文中证实的网络密度的先前结果,我们的研究结果表明,一个成功的团队不仅是适度连接的整体,但其成员也应该单独有不太少也不太多的团队内连接。
2017-10-31 cs.CY cs.SI
The Influence of Social Ties on Performance in Team-based Online Games
社会纽带是维系人类生态系统的无形粘合剂。尽管有大量的研究研究社会关系在社区(团体,团队等)中的作用。和整个社会,很少有人注意到他们与其他人类行为动力学的相互作用。特别感兴趣的是社会关系对人类绩效的影响,在协作团队为基础的设置。我们的研究旨在阐明社会关系对个人和团队绩效动态的影响。我们将专注于流行的多人在线战斗竞技场(MOBA)协作团队游戏,古代防御2(Dota 2),一个拥有数百万玩家和比赛的丰富数据集。我们的研究表明,当与朋友一起玩游戏时,个人在游戏中系统地更加活跃,而不是参加陌生人的团队。然而,我们发现,增加活动并不均匀地导致球员的表现改善。尽管对低技能玩家有利,但与朋友一起玩会对高技能玩家的表现产生负面影响。我们的研究结果揭示了社会关系对绩效的混合影响,并可以为虚拟团队管理和行为激励提供新的视角。
2018-12-05 cs.HC cs.SI
Capacitated Team Formation Problem on Social Networks
在团队组建问题中,需要找到一组能够满足协作任务要求的用户。这种协作任务的例子比比皆是,从软件产品开发到知识创造中的各种参与式感知任务。由于任务的性质,团队成员往往需要在合作的基础上工作。先前的研究表明,合作在社会关系存在的情况下变得有效。因此,有效的团队选择要求团队成员在社会上是亲密的,以及团队成员之间的任务分工,以便没有用户因分配而过载。在这项工作中,我们将研究如何在社交网络上形成这样的团队。由于我们的团队形成问题被证明是NP难的,我们设计了有效的近似算法,找到近最优的团队可证明的保证。由于来自在线社交网络(例如Twitter,Facebook等)的传统数据集通常不包含大规模协作的实例,因此我们在四年的时间内从GitHub(一个流行的开源社交编码网络)中抓取了数百万个软件存储库和数十万名开发人员。我们在这个数据集上进行了大规模的实验,以评估我们的算法的准确性和效率。实验结果表明,我们的算法实现了显着的改善,在寻找有效的团队相比,天真的战略和规模以及数据的大小。最后,我们通过与GitHub中现有的软件团队进行比较来验证我们的技术。
2012-05-16 cs.SI physics.soc-ph
Close Friends, Popular Peers, Team formation and Leadership in Group Projects
本文讨论了一个看似无关的学生群体和一个概念不同的问题陈述内形成的各种相互关联的关系。本研究使用社会网络分析(SNA)来分析和绘制个体之间的联系。SNA有助于理解一群人在执行某项任务时的心理。这可能有助于预测类似群体可能执行这些任务的进一步模式。正如本文所讨论的,对项目团队成员选择的分析间接地暗示了一个部门中的友谊,并可以预测可能由此产生的新友谊。收集的数据可以使用Gephi和NodeXL等各种分析工具表示为社交网络。分析的结果确定了学生中受欢迎的同伴,并阐明了其背后的原因。此外,还推导出了诸如亲密朋友列表、节点的社会影响力等各种其他推论。
2021-12-30 cs.SI
Multi-team Formation System for Collaborative Crowdsourcing
The University of Electro-Communications(电气通信大学)
本文针对复杂协作众包的多团队组建需求,提出基于社交网络信息的启发式优化算法,通过仿真实验验证该算法性能优于爬山法,并明确了关键参数对效果的影响规律。
2025-11-14 cs.SI
Measuring Team Creativity Through Longitudinal Social Signals
对人类动力系统的研究长期以来一直试图识别人类行为的鲁棒信号。我们发现了一系列基于社交网络的指标,这些指标是团队创造力和协作创新的可靠预测指标。我们从人际互动的电子记录中提取这些信号,包括电子邮件,以及通过社会计量徽章测量的面对面互动。第一个信号是轮换领导,衡量随着时间的推移,团队中的参与者在团队沟通网络结构中的中心地位有多大程度的变化。第二个是旋转贡献,它衡量团队中的参与者随着时间的推移,他们分发与接收的通信比例的变化程度。第三个是即时响应时间,它衡量一段时间内参与者对彼此通信的响应。最后,我们展示了这些信号在各种情况下的预测效用,表明它们对各种评估创新的方法具有鲁棒性。
2014-07-02 cs.SI physics.soc-ph
Towards Realistic Team Formation in Social Networks based on Densest Subgraphs
给定一个任务$\mathcal{T}$,一组具有多种技能的专家$V$和一个反映专家之间兼容性的社交网络$G(V, W)$,团队形成是识别一个团队$C \subseteq V$的问题,该团队既能胜任执行任务$\mathcal{T}$,又能兼容地一起工作。现有的方法对这个问题的限制性假设,因此不能模拟实际情况。本文的目标是考虑在现实环境中的团队形成问题,并提出了一种新的配方的基础上denumbersubgraphs。我们的公式允许对许多自然需求进行建模,例如(i)包括指定的团队领导和/或一组给定的专家,(ii)限制团队的规模或更一般的成本,(iii)强制执行团队的本地化,例如,在地理意义上或社会意义上,等等。所提出的配方导致了一个推广版本的经典的基数约束的denominationsubgraph问题(DSP),这是一个NP难的问题,并有许多应用在社会网络分析。本文提出了一种新的近似求解广义DSP(GDSP)的方法。我们的方法,FORTE,是基于解决GDSP的等效连续松弛。通过我们的方法找到的解决方案有质量保证,并始终满足GDSP的约束。实验表明,所提出的配方(GDSP)是有用的建模更广泛的团队形成的问题,我们的方法产生更连贯和紧凑的高品质的团队。我们还表明,LP松弛的GDSP的帮助下,我们的方法给GDSP接近最优的解决方案。
2015-05-25 cs.DS cs.SI
Social Aspects of Virtual Teams
在过去的几十年里,个人工作已经转变为团队工作(Ilgen,1999),许多组织使用团队来完成过去由个人完成的许多活动(Boyett & Conn,1992 ; Katzenbach & Smith,1993)。近年来,由于商业活动的全球化导致行政人员和决策者在地理上分散,人们对以计算机为媒介的群体重新产生了兴趣。然而,似乎缺乏的是一些重点方面的问题设置和相应的工具,以支持协作决策。本研究的研究问题是虚拟团队成员的动态行为。一个模型,表明团队动力学可以增加团队的输出,并说明了一种方法来检验模型。进行了一项实验,在该实验中,受试者被分成小组,为了完成一项任务,必须共享信息。研究结果表明,虚拟团队的讨论的社会方面是负面的比面对面的团队的讨论的社会方面,虚拟团队的输出是劣于面对面的团队的输出。虚拟团队是当今社会普遍存在的一种工作方式,随着互联网应用的日益普及和企业全球化的发展,虚拟团队的规模将进一步扩大。因此,将讨论该研究的理论和实践实施的重要性。
2012-04-16 cs.CY cs.SI physics.soc-ph
Multi-team Formation using Community Based Approach in Real-World Networks
在一个组织中,需要多种技能的任务称为项目,通常分配给团队而不是个人。团队组建问题是指在给定的任务下,如何以最小的通信代价选择合适的团队来完成任务的问题。我们提出了一种算法,利用社会网络的社区结构,并形成一个团队,通过选择一个领导者与它的邻居从一个社区。该算法与文献中以技能为中心的算法不同,该算法从搜索每个技能开始,合适的专家,并且不显式地考虑底层社交网络的结构。基于社区的团队形成策略称为TFC,它是一种可扩展的方法,可以在合理的时间内通过非常大的网络获得团队。此外,对于一个任务,我们的算法TFC-R和TFC-N从社区中生成多个团队,这在本文中作为案例研究进行了展示。实验是在著名的DBLP数据集上进行的,其中任务被认为是写一篇研究论文,标题的单词被认为是技能。团队形成问题被转化为寻找可能的作者为给定的文件,谁拥有所需的技能,并具有最少的沟通成本。在这个过程中,我们从DBLP中构建了一个更大的基准数据集,用于团队组建实验。尽管基准算法Rarestfirst花费的时间最少,但我们的算法TFC-N和TFC-R给出了更好的通信代价。它们在寻找团队所需的时间方面也优于MinLD和MinSD等标准算法。我们的算法在社区上所花费的时间比在更大的网络上所花费的时间快几个数量级,而不会对通信成本造成太大的影响。
2020-08-25 cs.SI
The anatomy of social dynamics in escape rooms
从体育和科学生产到日常生活,更高层次的追求需要协作。尽管对人类行为的数据驱动研究数量有所增加,但网络科学和其他计算和定量工具在很大程度上仍未探索协作解决问题的社会动力学。在这里,我们将密室逃脱作为一个非干预性和最小偏见的社会实验室,它使我们能够在小型项目团队中以高分辨率捕获实时通信。我们的分析描绘了社会动态不同层面的微妙画面。我们揭示了社会人口特征如何影响问题的解决和先前的关系,以增强互动的重要性。我们提取的主题分析的关键会话规则,并讨论轮篡夺性别行为,一种现象,特别是在男性主导的团队。我们调查的时间演变签署和组的互动,发现最低水平的紧张沟通可能是有益的集体解决问题,并揭示成功和失败的团队的行为差异。我们的工作揭示了逃生室在研究团队复杂性方面的创新潜力,有助于更深入地了解协作团队过程的微观动力学。
2021-09-30 cs.SI physics.soc-ph
SNA-based reasoning for multiagent team composition
Metropolitan-United Faculty (FMU)(大都会联合学院);Federal University of ABC (UFABC)(ABC联邦大学)
社会网络分析(social network analysis,SNA)是复杂系统的一个分支,可以用来构造多智能体系统。本文提出了一种研究如何社会网络分析可以协助建模多智能体系统,同时解决这两种理论之间的异同。我们建立了一个原型的多智能体系统的任务,通过形成的基础上建立的社会网络的代理人之间形成的代理团队的决议。代理人利用性能指标来评估何时应该改变他们的社会网络,以最大限度地参与团队
2015-06-16 cs.AI cs.MA cs.SI
Organizations, teams, and job mobility: A social microdynamics approach
本文利用美国陆军文职组织数据提出新框架,发现员工职位流动受与昔日同事重聚的强烈影响,团队结构和社交联系在预测大型组织内部职位变动中起关键作用。
2025-08-11 cs.CE cs.SI physics.soc-ph
Data Leak Aware Crowdsourcing in Social Network
利用人类计算来解决复杂的问题,需要找到未知的竞争群体。在本文中,我们提出了一种方法,称为外包,建立从社交网络响应业务呼叫的团队,同时避免部分解决方案披露给竞争群体。本文的贡献包括:(i)一个基于聚类的方法发现协作和竞争的团队在社会网络中(ii)一个基于马尔可夫链的算法发现隐式的互动在社会网络中。
2013-05-28 cs.SI physics.soc-ph
Motivational Climate Effects on Communications, Emotional-Social States, and Performance in Collaborative Gaming Environment
B. Ivcher School of Psychology, Reichman University(Reichman大学 B. Ivcher心理学院);The College of Management, Rishon Lezion(里雄莱锡安管理学院);Department of Physiotherapy, Faculty of Health, Ariel University(Ariel大学健康学院物理治疗系)
积极动机气候提升协作游戏中的沟通效果、情绪韧性及表现
2025-10-06 cs.HC cs.SI
What Drives Team Success? Large-Scale Evidence on the Role of the Team Player Effect
本文利用《帝国时代 II》大规模准随机临时团队数据,发现“团队合作者效应”显著提升团队绩效,且该效应被团队熟悉度放大并随团队规模增强,揭示社交技能与熟悉度的互补作用。
2025-06-04 cs.CY cs.SI
The socialisation of the adolescent who carries out team sports: a transversal study of centrality with a social network analysis
本研究分析了235名青少年在团体运动中的体力活动、超重及社会网络中心性,发现存在显著性别差异,强调了性别和中心性在未来策略设计中的重要性。
2024-02-14 cs.CY cs.SI physics.soc-ph
Measuring information exchange and brokerage capacity of healthcare teams
目的:本文的目的是探讨可能影响医疗团队绩效的因素,通过关注医院内部和跨医院边界的信息交流。设计/方法/办法:通过网络调查和小组访谈,作者收集了美国一家大型儿童医院内参与系统重新设计计划的四个跨学科医疗团队的31名成员的通信网络数据。作者根据管理咨询、技术支持和部门内部及部门之间的知识传播,绘制了他们的内部和外部社交网络,研究了涉及700多个行为者的互动模式。然后,作者比较了团队绩效和社会网络指标,如度,接近度和中间中心性,并计算了每个团队的交叉关系和约束水平。结果:结果表明,高效率的团队更内向,更少连接到外部成员。此外,高度认可的团队经常沟通,但总体而言,不如其他团队那么激烈。创意/价值:绘制知识流图,平衡跨学科团队的内部重点和外部连通性,可以帮助医疗保健决策者为患者、家庭和员工实现高价值。
2021-05-26 cs.SI physics.soc-ph
How international research teams respond to disruption in their mobility patterns
本文结合社会网络分析与访谈,研究三个非洲国际研究网络的结构与多样性如何增强其韧性,并发现距离和边界限制国际合作,而团队通过强化自身优势应对流动中断。
2023-11-14 cs.SI physics.soc-ph
Social Network Dynamics in a Massive Online Game: Network Turnover, Non-densification, and Team Engagement in Halo Reach
在线多人游戏是一种流行的社交互动形式,被数亿人使用。然而,人们对这些网络游戏中的社交网络知之甚少,也不知道它们是如何随着时间的推移而演变的。了解大型网络游戏中的人类社会动态可以为一般的社会互动提供新的启发,并为开发更具吸引力的系统提供信息。在这里,我们研究了一个新颖的大型友谊网络,从流行的在线游戏Halo:Reach中1700万人之间44周内的近180亿次社交互动中推断出来。该网络是迄今为止研究的最大,最详细的时间交互网络之一,并提供了一个新的视角在线友谊网络的动态,而不仅仅是交互图。最初,这个网络表现出强大的结构性周转,并从峰值迅速衰减。然而,在接下来的一段时间里,网络规模和营业额都稳定下来,产生了动态的结构平衡。与其他研究相比,我们发现Halo友谊网络是非致密化的:平均度和平均成对距离都是稳定的,这表明当维持友谊的成本很高时,致密化不会发生。最后,具有更大的长期参与的球员表现出更强的本地集群,这表明一个群体层次的社会参与过程。这些结果表明,在线游戏研究社交网络的效用,揭示了新的经验时间图模式,并澄清网络致密化的普遍性的要求。
2013-06-18 cs.SI physics.data-an physics.soc-ph
Distributed Hypothesis Testing with Social Learning and Symmetric Fusion
我们研究了社会学习在分布式检测模型中的实用性,该模型具有共享同一目标的代理:优化商定标准的集体决策。我们表明,社会学习在某些情况下是有帮助的,但在其他情况下是徒劳的(因此基本上是一个分心)。具体来说,我们认为贝叶斯二进制假设检验的分布式检测和融合系统,其中所有的决策代理进行平等的权重二进制投票。团队中的决策代理根据自己的私人信号和所有先前的本地决策顺序地做出本地决策。当所有智能体都观测到条件独立同分布的私有信号时,最优决策规则不受先前局部决策的影响。完美的贝叶斯推理将抵消社会学习的所有影响。当智能体观察到不同信噪比的私人信号时,如果团队决策只得到集体的认可,社会学习也是徒劳的。反之,社会学习则能严格提高团队绩效。此外,代理人做出决策的顺序影响团队决策。
2014-04-04 cs.IT cs.MA cs.SI
Increasing Knowledge Worker Efficiency through a "Virtual Mirror" of the Social Network
在本文中,我们介绍了一个案例研究,描述了基于人工调查和基于电子邮件的社会网络分析相结合。该项目的目标是提高一家大型高科技制造商的顾问团队的协作效率。通过分析42名咨询顾问的社会网络并将其与作为因变量的利用率进行比较,通过弥合结构漏洞和消除瓶颈,减轻负担过重的个人的压力,连接孤立的个人,并确定最佳的网络结构,以提高利用率和工作满意度,他们在一起工作的效率以各种方式得到提高。
2013-08-06 cs.CY cs.SI physics.soc-ph
Social learning strategies modify the effect of network structure on group performance
通信网络的结构是团队、组织和社会解决政策、商业和科学问题的能力的重要决定因素。然而,以前的研究得出了相互矛盾的结果网络结构和性能之间的关系,找到支持的优势,良好连接的有效和连接不良的低效网络结构。在这里,我们认为,了解沟通网络如何影响群体绩效需要考虑到个别团队成员的社会学习策略。我们发现,当个体依赖于通过复制他们的联系人中最常见的解决方案来实现一致性时,高效网络的表现优于低效网络。然而,当个体通过模仿收益最高的群体成员来追随最好的成员时,低效的网络是优越的。此外,依赖于基于小样本他人的一致性的群体在复杂任务中表现出色,而跟随最佳成员的群体在简单任务中表现最好。我们的研究结果调和了文献中相互矛盾的结果,并对跨学科的社会学习研究产生了广泛的影响。
2016-10-21 cs.SI stat.AP
Forming Compatible Teams in Signed Networks
社会网络中的团队组建问题需要一组不仅具有执行任务所需技能,而且能够有效地相互沟通的个人。现有的研究假设社交网络中的所有链接都是积极的,也就是说,它们表明个人之间的友谊或合作。然而,通常情况下,网络是签名的,也就是说,它包含积极和消极的链接,对应于朋友和敌人的关系。基于结构平衡的概念,我们定义了签名网络中用户对之间的兼容性,并给出了计算算法,然后定义了签名网络中的团队形成问题,在这个问题中,我们要求一个兼容的团队,可以用很小的通信成本来执行任务。我们证明了该问题是NP-难的,即使没有通信成本的限制,我们提供了启发式算法来解决它。我们目前的实验结果与实际数据调查的性质不同的兼容性定义,和我们的算法的有效性。
2020-01-22 cs.DB cs.DS cs.SI
Comparing the Structures and Characteristics of Different Game Social Networks -- The Steam Case
在大多数游戏中,社交联系是游戏体验的重要组成部分。玩家在游戏内部或周围的社区中建立联系,并建立友谊,这些友谊可以转化为其他游戏甚至现实世界。最近的研究调查了几个多人游戏的玩家社交网络中的社会现象,但我们仍然对这些网络是如何形成和形成的知之甚少。具体来说,我们不知道游戏类型及其机制如何与其社区结构相关,以及这些结构在不同游戏中如何变化。本文对Steam用户进行了初步分析,并介绍了Steam上的200款游戏是如何建立友谊的。我们通过将这200个游戏分成集群来检查它们的友谊图,以比较它们的网络属性和它们的特定特征(例如,类型、游戏元素和机制)。我们发现Steam用户定义的标签比游戏类型更能表征集群,这表明玩家如何感知和使用游戏也反映了他们在社区中的联系方式。此外,基于团队的游戏与具有更强单人焦点的游戏相比,与更具凝聚力和集群网络相关联,支持团队合作更有可能产生社会资本(即,Steam友谊)。
2021-06-24 cs.HC cs.SI
Leadership Network and Team Performance in Interactive Contests
多年来,领导力的概念经历了一个范式的转变-从单一的领导者(集中式领导)到分散式领导或分布式领导。本文探讨的想法,集中式领导,如前所述,负面影响团队绩效。我将这一假设应用于板球运动,在这项运动中,领导者在团队的成功中发挥着重要作用。运用社会网络分析的工具,生成了击球伙伴关系网络,并对球队中最核心的球员进行了评价。分析3420场比赛中的一天国际板球和1979年测试比赛涉及10支球队,我研究了集中领导的影响,比赛的结果。我观察到,在集中领导下赢得一天国际比赛的几率比在分散领导下获胜的几率高30%。在这两种形式的板球(测试和一天国际)中,我都没有找到证据表明分布式领导与更高的团队表现有关。这些结果表明板球管理员在发展和管理工作队的重要影响。
2016-06-06 cs.SI physics.soc-ph
Finding low-tension communities
受在线社交媒体和协作网络中出现的应用程序的启发,社区搜索和团队组建问题已经有了很多工作。在前一类问题中,目标是找到满足一定连通性要求并包含给定种子节点集合的子图。另一方面,在后一类问题中,目标是找到集体拥有任务所需技能的个体,并形成具有某些属性的连通子图。在本文中,我们扩展了社区搜索和团队形成的问题相关联的个人资料。个人资料是一个数字分数,量化了个人在某个主题上的位置。我们采用一个模型,每个人都从一个潜在的个人资料开始,并通过一个动态的构象过程,考虑到个人的社会互动和趋势,以符合一个人的社会环境,达到一个符合的个人资料。在这一框架下,社会紧张关系产生于相邻个体的一致性特征之间的差异,以及个体的一致性特征与潜在性特征之间的差异。给定一个网络的个人,他们的潜在配置文件和这个构象的过程中,我们扩展了社区搜索和团队形成的问题,要求输出子图具有低的社会张力。从技术的角度来看,我们研究这些问题的复杂性,并提出有效解决这些问题的算法。我们在一些社交网络的实验评估揭示了我们的方法的有效性和效率。
2017-01-19 cs.SI physics.soc-ph
Low Complexity Recruitment for Collaborative Mobile Crowdsourcing Using Graph Neural Networks
Stevens Institute of Technology(史蒂文斯理工学院);Najran University(奈季兰大学)
协作移动众包(CMCS)允许实体,例如,地方当局或个人,从一群有联系的人中雇用一组工人,执行复杂的任务。在本文中,我们研究了两种不同的CMCS招聘策略,允许任务请求者形成社会联系和熟练工人的团队:i)基于平台的策略,平台利用自己的知识,工人形成一个团队和ii)基于领导者的策略,平台指定一个组长,招募自己合适的团队,考虑到自己的知识,其社会网络(SN)邻居。我们首先制定的招聘作为一个线性规划(ILP),最佳形式的团队根据四个模糊逻辑为基础的标准:专业知识水平,社会关系强度,招聘成本,和招聘人员的信心水平。为了应对NP难,我们设计了一种新的低复杂度的CMCS招聘方法依赖于图神经网络(GNNs),特别是图嵌入和聚类技术,缩小工人的搜索空间,然后,利用元启发式遗传算法选择合适的工人。应用于现实世界的数据集上的模拟结果说明了这两个建议的CMCS招聘方法的性能。结果表明,我们提出的低复杂度的基于GNN的招聘算法实现了接近的性能,具有显着的计算时间节省和大规模的移动众包平台上运行的能力的基线ILP。研究还表明,与基于领导者的策略相比,基于平台的策略招募到的团队技能更高,但SN关系更低,成本更高。
2021-06-01 cs.CY cs.LG cs.SI
Activating the "Breakfast Club": Modeling Influence Spread in Natural-World Social Networks
虽然主流的传播模型将特定社交网络的结构视为信息交换的关键,但真实的人类互动似乎并不发生在单一的连接图上。使用收集的数据,从一个试点研究的艾滋病毒的认识,无家可归的青年社交网络的传播,我们表明,健康信息并没有扩散在外地根据主导模式概述的过程。由于物理网络扩散的情况下,往往偏离他们更好的研究同行在数字网络上,我们提出了一个替代的激活跳跃模型(AJM),描述物理网络上的信息扩散从多智能体团队的角度来看。我们的模型表现出两个主要的区别于领导级联和阈值模型的影响力传播:1)种子集团队的结构组成影响每个节点的影响行为,2)影响节点可能会传播信息到非邻居。我们表明,AJM显着优于现有的模型,其适合观察到的节点级的影响数据的青年网络。然后,我们证明了理论结果,表明AJM表现出许多良好的性能所共享的主导模式。我们的研究结果表明,AJM提出了一个灵活的,更准确的网络扩散模型,可以更好地通知影响力最大化在该领域。
2017-10-01 cs.MA cs.SI
Team Alex at CLEF CheckThat! 2020: Identifying Check-Worthy Tweets With Transformer Models
Sofia University “St Kliment Ohridski”(索非亚大学“圣克里门特·奥赫里德斯基”);Qatar Computing Research Institute, HBKU(哈马德·本·哈利法大学卡塔尔计算研究所)
虽然多年来社交媒体上的错误信息和虚假信息一直很猖獗,但随着COVID-19大流行的出现,政治和健康错误信息合并,从而将问题提升到一个全新的水平,并引发了第一次全球信息流行病。打击这一信息流行病有许多方面,其中最重要的是核查事实和揭穿虚假和误导性的说法。不幸的是,手动事实检查是耗时的,自动事实检查是资源密集型的,这意味着我们需要预先过滤输入的社交媒体帖子,并丢弃那些看起来不值得检查的帖子。考虑到这一点,我们在这里提出了一个模型,用于检测关于COVID-19的值得检查的推文,该模型将深度上下文化的文本表示与推文的社会背景建模相结合。我们进一步描述了一些额外的实验和比较,我们认为这应该是有用的,为未来的研究,因为他们提供了一些指示什么技术是有效的任务。我们正式提交英文版的CLEF-2020 CheckThat!任务1,系统Team_Alex,以0.8034的MAP得分排名第二,几乎与获胜系统持平,仅落后0.003 MAP得分。
2020-09-07 cs.CL cs.IR cs.LG
Understanding the group dynamics and success of teams
复杂的问题往往需要协调的团队努力,并可能消耗大量的资源,但我们对团队如何形成和成功的理解一直受到缺乏大规模定量数据的限制。我们分析了约150,000个自组织在线团队项目的活动轨迹和成功水平。虽然较大的团队往往更成功,但工作量在整个团队中高度集中,只有少数成员执行大部分工作。我们发现,非常成功的团队比同等规模的普通团队更专注,他们的成员参与了更多样化的项目,并且非常成功的团队成员更有可能成为其他团队的核心成员或“领导”。团队成功和规模,重点,特别是团队经验之间的关系不能解释的混杂因素,如团队年龄,外部的非团队成员的贡献,也不是由群体机制,如社会闲散。总的来说,这些特征指向了可以最大限度地提高协作努力成功率的组织原则。
2016-04-21 cs.CY cs.SI physics.data-an
GENIUS: A Novel Solution for Subteam Replacement with Clustering-based Graph Neural Network
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
子团队替换被定义为找到最佳候选人集,这些人可以最好地充当不可用的成员子集(即,子团队)由于某些原因(例如,利益冲突,员工流失),给定一个嵌入在社交网络中的团队,他们正在执行相同的任务。在此问题上,以前的调查将图核作为衡量新的优化团队和原始团队之间的相似性的最佳标准。然而,日益丰富的社交网络揭示了现有方法的根本局限性,包括(1)基于图核的方法无力捕获节点特征之间的关键内在相关性,(2)它们通常在整个网络上搜索每个要替换的成员,使得随着网络的增长效率极低,以及(3)由于有限的招聘预算,对于不可用的子团队的同等大小的替换的要求可能不适用。在这项工作中,我们解决了现有技术的限制,为子团队更换(1)提出GENIUS,一种新的基于聚类的图神经网络(GNN)框架,可以捕获团队网络知识,以灵活地更换子团队,以及(2)为拟议的GENIUS配备自我监督的积极团队对比训练计划,以提高团队-水平表示学习和无监督节点聚类来修剪候选以进行快速计算。通过大量的实证评估,我们证明了所提出的方法的有效性:(1)有效性:能够选择更好的候选成员,显着增加优化和原始团队之间的相似性,(2)效率:实现超过600倍的平均运行时间的加速。
2022-11-11 cs.AI cs.IR cs.SI
Locating Community Smells in Software Development Processes Using Higher-Order Network Centralities
本文基于MOGen高阶网络模型开发了一组中心性度量,用于定位传统静态网络分析无法发现的软件开发过程中的社区异味,并在genua GmbH团队中成功识别出两个关键异味,得到访谈验证。
2023-09-14 cs.CY cs.SE cs.SI
CooperBench: Why Coding Agents Cannot be Your Teammates Yet
Stanford University(斯坦福大学);SAP Labs US(SAP美国实验室)
CooperBench通过大规模协作编码任务测试,发现AI代理在团队协作中表现不佳,揭示了沟通障碍、承诺偏离和期望错误等关键问题,呼吁发展社交智能。
2026-01-26 cs.AI cs.CL cs.LG