Look inside. Predicting stock prices by analysing an enterprise intranet social network and using word co-occurrence networks
这项研究调查了员工的沟通,提供了新的指标,可以帮助预测公司的股票价格。我们研究了一家大型意大利公司的内部网论坛,探索了大约8,000名员工的互动和语言使用。我们建立了一个网络连接的话包括在一般的话语。在这个网络中,我们关注代表公司品牌的节点的位置。我们发现,较低的情绪,公司品牌的较高介数中心性,更密集的词共现网络和更均匀分布的员工中心性得分(较低的群体介数中心性)都是较高股票价格的重要预测因素。我们的研究结果提供了新的指标,可以帮助学者,公司经理和专业投资者,并可以整合到现有的预测模型,以提高其准确性。最后,通过扩展词共现网络的应用领域,为词共现网络的研究做出了贡献。
2021-05-25 cs.CL cs.SI physics.soc-ph
Designing for Employee Voice
员工的声音和工作场所的民主对员工的福祉和组织的绩效有积极的影响。在本文中,我们对员工进行了访谈,以确定工作场所内声音的促进者和抑制者以及相应的一组适当的品质:文明,有效性,安全和平等主义。然后,我们将这些品质作为一组设计目标-确保安全性,建设性的适度性,适当的缓慢性和受控访问-在设计和开发一个安全的匿名员工语音系统。我们对企业社交网络的新颖看法旨在培养良好的公民意识,同时促进坦率而富有建设性的讨论。我们反思了我们的系统的两周部署,围绕重要的工作场所问题出现的各种坦率的讨论,以及主办组织内部的变化潜力。最后,我们反思了我们的方法如何塑造话语,并支持为员工的声音创造一个值得信赖的环境。
2020-03-06 cs.HC cs.SI
Communication network dynamics in a large organizational hierarchy
本文提出度量通信互惠性与树上最短路径的新方法,并基于 Microsoft 约20万名员工、88个团队的数据分析组织层级与日常通信网络的关系。
2024-03-11 cs.SI stat.AP
On Measuring the Diversity of Organizational Networks
Syracuse University(锡拉丘兹大学);Amazon AI(亚马逊人工智能)
员工在社会和职业网络中的互动模式对员工和整个组织的成功起着重要作用。然而,在许多领域,少数群体的代表性严重不足;此外,少数群体个人可能与网络的其他人隔离,或彼此孤立。虽然增加少数群体在各个领域的代表性的问题已经得到了充分的研究,但仅仅在人数上多样化可能是不够的:还应考虑到社会关系。在这项工作中,我们考虑的问题,分配一组就业候选人的位置在社会网络中,使多样性和整体健身最大化,并提出公平的员工分配(FairEA),一种新的算法,找到这样的匹配。FairEA的输出可以被希望评估其招聘和分配实践的组织用作基准。在真实和合成网络上,我们证明了FairEA在寻找高适应度,高多样性匹配方面做得很好。
2021-05-14 cs.AI cs.SI
The Effects of Enterprise Social Media on Communication Networks
本文通过双重差分分析99家公司及微软通信网络数据,发现企业社交媒体能增加通信网络密度、桥接分离部分,并在纵向和横向连接公司层级中距离较远的节点,从而促进信息流动和员工对外部关注。
2025-02-03 cs.CY cs.SI
Formal Hierarchies and Informal Networks: How Organizational Structure Shapes Information Search in Local Government
近几十年来,人们越来越关注公共组织内部的非正式沟通网络。虽然研究已经证明了个人认知和社会结构在理解组织中的信息搜索中的作用,但本文强调了正式层次结构的重要性。我们认为,官僚机构的结构属性是太重要了,不能被忽视时,在公共组织的知识流动建模。实证上,我们研究人际信息寻求模式之间的143名员工在一个小城市的政府,使用指数随机图模型(ERGM)。结果表明,正式结构强烈的形状信息搜索模式,同时考虑社会网络变量和个人层面的看法。我们发现,正式身份,许可途径,部门成员都影响员工的信息搜索。了解组织结构对信息搜索网络的影响,将提供机会,以改善信息流在公共组织通过设计的选择。
2021-02-05 cs.SI
Pressure Test: Quantifying the impact of positive stress on companies from online employee reviews
工作压力通常被认为是负面的,但对个人的实验室研究表明,并非所有的压力都是坏的。有两种类型的压力:痛苦是指有害的刺激,而良性压力是指健康,欣快的刺激,创造一种满足感和成就感。区分这两种类型的压力是很有挑战性的,更不用说量化它们对企业的影响了。通过利用连续12年发布的关于标准普尔500指数公司的44万条评论的数据集,我们开发了一个深度学习框架来从这些评论中提取压力提及。我们提出了一种新的方法,将每个公司置于压力评级象限(基于其整体压力得分和网站上的整体评级),并相应地将公司平均分为低压力、被动、负压力或正压力公司。我们发现,积极压力公司的(前)员工倾向于在他们的评论中描述高增长和协作的工作场所,这些公司的股票评估在10年(2009-2019年)内平均增长了5.1倍,而其他三种压力类型的公司在同一时期平均增长了3.7倍。我们还发现,从2008年到2020年,每年汇总的四个压力得分与美国的失业率密切相关:一年的积极压力(2008年)很快就被几年的消极压力(2009-2015年)所取代,并在大衰退(2009-2011年)期间达到顶峰。这些结果表明,对员工在公司社交网络工具上使用的语言进行自动分析,提供了另一种跟踪工作场所压力的方法,可以量化其对公司的影响。
2022-12-21 cs.SI
The more you ask, the less you get: the negative impact of collaborative overload on performance
本文探讨了过度协作对高层员工绩效可能产生的负面影响。随着参与性文化的兴起和通信技术的发展,管理实践需要对增加组织互联性的可能结果有更高的概念认识。虽然存在一个健全的理论基础,可能带来的负担,合作超载,文献从来没有真正设法衡量和实证检验这一现象。我们通过制定一个方法框架来确定面临业务能力过载风险的组织行为体,从而解决这一差距。利用社会网络分析作为广泛应用的方法来估计员工参与的信息交换网络,本文描述了潜在的个人和组织的原因,导致出现的合作超载。依靠通过在一家大型保险公司的员工中进行的调查收集的主要数据,我们提出了一个可测试的模型超载检测。本文的第二个优点在于为横截面网络数据的实证工作找到了一种新的识别策略,这种识别策略经常面临内隐问题。这项研究表明,积极的合作活动不会导致整个性能的各个方面下降。我们发现,专业知识共享取决于少数关键参与者,他们自己掌握核心知识资产,因此面临更高的过载风险。
2020-04-28 cs.SI stat.AP
Network and Sentiment Analysis of Enron Emails
本研究利用网络科学方法分析安然公司电子邮件,识别关键员工与社区结构,评估不同关系阈值的影响并进行情感分析,揭示了信息流动模式及危机前后的情感变化。
2024-11-18 cs.SI
Network Contagion in Financial Labor Markets: Predicting Turnover in Hong Kong
Khalifa University(卡利法大学);ADIA Lab(ADIA实验室);Abu Dhabi Investment Authority(阿布扎克投资机构)
本研究利用香港SFC公共登记册构建时序网络,提出基于图的特征传播框架,发现同行离职存在传染效应,将网络信号嵌入机器学习模型使人员流失预测比基线提升30%。
2025-09-07 cs.LG cs.SI stat.AP
Enterprise Social Networks as Digital Infrastructures -- Understanding the Utilitarian Value of Social Media at the Workplace
在这项研究中,我们首先表明,虽然企业社交网络的感知有用性和感知享受影响员工的持续参与的意图,功利价值显着超过其享乐价值。其次,我们证明了网络的实用价值是由其数字基础设施的特点:多功能性,适应性,互联性和无形的使用。本研究以某软件工程公司为研究对象,在定量调查研究的基础上,采用偏最小二乘结构方程建模方法。
2020-03-11 cs.HC cs.SI
The digital footprint of innovators: Using email to detect the most creative people in your organization
我们提出了一种新的方法来寻找最具创新性的人在一个组织中,使用电子邮件来分析结构和动态的组织的在线通信。为了说明我们的方法,我们分析了一家美国跨国公司研发部门的2000名成员的电子邮件档案。我们使用的社会网络分析的互动动态的元数据扩展的指标来计算个人员工的功能:他们的网络位置,发送和接收的消息,ping到其他人和响应时间。我们发现创新团队领导者和专注于发表论文和专利的主题专家之间存在区别。创新管理人员有更多的直接联系人,在对话中更投入,收到的信息比发送的信息多。我们还发现,面向内部奖励的创新者和更关心外部认可他们的工作的创新者之间存在显着差异。
2021-05-21 cs.SI physics.soc-ph
Analysis of Neighbourhoods in Multi-layered Dynamic Social Networks
存在于各种IT系统的员工、客户或用户之间的社交网络已成为日益重要的研究领域之一。社交网络由节点-社交实体和连接节点对的边组成。在常规的单层社交网络中,两个节点-即人与单个边缘连接,而在多层社交网络中,对于一对节点可能存在许多不同类型的链接。如今,存在于所有社交媒体中的关于人及其互动的数据提供了关于一个网络中许多不同类型关系的信息。分析这些数据,不仅可以获得有关网络结构和特征的知识,还可以了解人际关系的语义。他们是直接还是不直接?人们倾向于与一个特定的人保持单一或多重关系吗?什么样的沟通方式对他们最重要?对这些和更多问题的回答使我们能够得出关于人类交互的语义的结论。遗憾的是,大多数用于社会网络分析(SNA)的方法可能仅适用于单层社交网络。为此,本文提出了一些新的多层社交网络的结构测度,特别是:跨层聚类系数、跨层度中心性和各种版本的多层度中心性。作者还研究了社会网络中五个不同层的多层邻里的动态。在现实世界的数据集上提出的概念的评价。本文提出的度量方法可直接应用于各种集合分类方法,即根据节点的结构输入特征为节点分配标签。
2012-07-18 cs.SI physics.soc-ph
"You Know Because I Know": a Multidimensional Network Approach to Human Resources Problem
寻找人才,通常是在已经雇用的人中,是组织面临的一个普遍挑战。社交网络革命,像LinkedIn这样的在线工具,使我们能够明确和访问我们所感知的,但没有使用,几千年来:一个人在专业和个人关系网络中的确切位置和排名。搜索和挖掘员工在全球技能网络中的位置和方式,将使组织能够找到不可预测的知识,创新和专有技术来源。这种数据的丰富性和隐藏的知识需要一个多维和多技能的方法来解决网络排名问题。多维网络是具有多种关系的网络。据我们所知,没有基于网络的排名算法能够同时处理多维网络和多个属性的多个排名。在本文中,我们提出了这样一个算法,其目的是解决多维网络中的节点多排名问题。我们测试我们的算法在几个现实世界中的网络,从DBLP和安然电子邮件语料库中提取,我们展示了它的实用性,提供更少的琐碎和更灵活的排名比目前最先进的算法。
2013-05-30 cs.CY cs.DS cs.SI
Firms' Challenges and Social Responsibilities during Covid-19: a Twitter Analysis
2019冠状病毒病大流行对个人、企业和社会造成了破坏性影响。在本文中,我们就企业在2019冠状病毒病大流行中面临的主要问题和挑战,以及他们对企业社会责任(CSR)主题的关注提供了见解。为此,我们调查了意大利大型公司在疫情爆发前9个月在Twitter上的讨论。我们下载了2020年3月1日至2020年11月17日期间意大利最大公司(即拥有250名或更多员工的公司)的所有Twitter帖子。然后,我们构建了账户和主题标签的二分网络,并使用基于熵的空模型作为基准,将网络中包含的信息投影到账户层中,识别出一个账户网络,其中一个链接表明它们在使用主题标签方面具有非平凡的相似性。我们发现对话集中在13个社区,其中10个社区包括新冠肺炎主题。该网络的核心由5个社区组成,涉及环境可持续性、数字创新和安全。公司的所有权类型似乎并不影响对话。13个社区中有10个提到了与企业社会责任相关的标签,其中环境和社会层面是最普遍的。有趣的是,在处理数字创新和安全的社区中,社会维度似乎更相关。然而,CSR主题标签的相关性在单个消息级别非常小,但在特定社区中会出现一些特殊性。总体而言,我们的论文强调了网络方法在Twitter数据上的作用,它可以支持管理者和政策制定者设计他们的战略和决策,捕捉企业的新问题和相关主题。
2021-03-11 cs.SI physics.data-an physics.soc-ph
Remote Work Optimization with Robust Multi-channel Graph Neural Networks
University of California, Berkeley(加州大学伯克利分校);LinkedIn(领英)
COVID-19的蔓延导致全球许多公司办公室关闭,并鼓励公司开放更多机会,允许员工在远程位置工作。随着工作场所类型从现场办公室扩展到偏远地区,在线招聘市场面临的一个新挑战是如何在没有事先信息的情况下对这些远程机会和用户远程工作的意图进行建模和匹配。尽管在COVID-19期间发布了前所未有的远程工作岗位,但目前还没有可以直接应用的方法。引入一个全新的工作场所类型自然会导致冷启动问题,这对于不太活跃的求职者来说尤其常见。如果现有的信息源几乎不能提供与新类别的工作相关的信息(包括来自简历和工作描述的数据),则为任何预测模型加载新的工作场所类型是具有挑战性的(如果不是不可能的话)。因此,在这项工作中,我们的目标是提出一个原则性的方法,联合建模的远程求职者和工作机会有限的信息,这也足以满足网络规模的应用程序的需求。现有的对新兴远程工作场所类型的研究主要集中在定性研究上,考虑到冷启动和信息稀缺问题,经典的预测建模方法已不适用。我们正试图用一种新的图神经架构来缩小这一差距。已经进行了大量的实验,从现实世界中的应用程序的大规模数据,以验证所提出的方法比竞争基线的优越性。这一改进可能会转化为新工作场所类型的更快入职,从而使有兴趣远程工作的求职者受益。
2022-08-26 cs.AI cs.LG cs.SI