作者：Mickey

“又有同事離職了？！”

不管是團隊leader還是一線員工，聽到這個消息都會虎軀一震。這意味著每一個現有成員都要共同承擔“工作斷層”帶來的問題，而臨近年底，能夠盡快找到能力匹配并且性格合適的“替補隊員”，也是件可遇不可求的事情。

對于一個研究型機構，研究成員的離職更加讓人頭大。相比于一般公司團隊較為完整的招聘生態(tài)，研究機構對于替代型員工的需求更高，因此招聘也就更加艱難。

為了應對這個問題，來自大連理工大學和澳大利亞聯邦大學的研究小組提出了一個“HR模型”，不僅可以幫忙鎖定具有合適技能的替代人，而且還可以定位團隊內部的社會紐帶，找到最容易離職的那些人，提前做好準備。

澳大利亞聯邦大學工程、IT和物理科學系副教授Feng Xia是該研究的共同作者。在接受相關采訪時他指出，學術合作中的每個成員都扮演著重要的角色，并且在團隊中具有一定程度的不可替代性。“與此同時，離職率也有所提高，導致協作團隊常常面臨成員缺席的問題。因此，我們決定開發(fā)這種方法以最大程度地減少損失?！?/p>

研究人員說，他們的模型尤其適合計算機相關的團隊，“在應用于計算機科學學術團隊時，模型表現優(yōu)于現有方法。”

該研究已在12月8日發(fā)表于IEEE Intelligent Systems。

論文地址：https://ieeexplore.ieee.org/document/9286424/metrics#metrics

不能阻止離職的發(fā)生？那就找到更合適的替代者

頻繁的離職率一直是困擾大小團隊的棘手問題。而合作越是緊密的團隊，每一個成員的不可替代性越高，有人離開的成本就越高，找到合適的替代者也就更加艱難。

但不可避免的是，團隊成員的數量越多，一個或多個成員在項目中間離開團隊的機會就越大。

一個學術團隊是一個由高凝聚力的學者組成的協作小組，被公認為是提高科學產出的質量和數量的有效途徑。但是，人員流動率高會帶來一系列問題，可能會對團隊績效產生負面影響。特別是在大公司頻繁挖人的情況下，學術人員流失愈加嚴重，這在計算機類研究團隊中尤為明顯。

為了應對這一挑戰(zhàn)，來自大連理工大學和澳大利亞聯邦大學的研究小組最近提出了應對模型。該模型首先可以檢測有可能離職成員的可能性。在此，相對于熟悉度定義了異常值，可以通過協作強度來量化。研究假設，如果團隊成員對團隊外部的學者有較高的了解，那么該成員可能會離開團隊。

檢測每位成員離職可能性只是第一步，你依然無法控制誰會從團隊離開。為了最小化成員離開所造成的影響，研究小組提出了一種優(yōu)化解決方案，以找到可以替代離群成員的合適候選人。

基于帶有圖核的隨機游走，研究小組的解決方案包括熟悉度匹配、技能匹配以及結構匹配。先前研究表明，具有穩(wěn)定協作關系的成員可以提高團隊績效，并產生更高質量的輸出。因此，研究小組將“團隊成員之間熟悉度”作為考量因素納入了模型，包括僅兩個成員（成對的熟悉度）和多個成員（較高級別的熟悉度）之間的關系。

研究測試結果顯示，這個模型能夠找到合適的替代者，并且在應用于計算機科學學術團隊時，所提出的方法被證明是有效的并且優(yōu)于現有方法。

覆蓋兩大數據集近9萬種學者關聯，未來將開源該模型

Feng Xia解釋說：“我們技術的主要思想是為缺席的成員找到最佳的替代者?！薄霸谑煜ぜ寄芎蛥f作關系的背景下，推薦的成員是理論上的最佳選擇?！?/p>

研究人員使用兩個大型數據集來開發(fā)和測試他們的模型。

他們使用CiteSeerX數據集探索了15,681位學者之間的42,999個協作關系，該數據集數據主要集中在計算機科學領域的研究者。

另外一個數據集MAG（Microsoft Academic Graph），研究小組獲取了252,439名學者之間的另外436,905個合作關系，該數據集包含科學記錄和涵蓋多個學科的相關信息。

研究稱，通過對這些數據的訓練，模型最終在測試中可以有效地找到團隊的合格替代成員。

Feng Xia在采訪中表示：“選擇推薦候選人的團隊可以獲得更好的團隊績效和更低的溝通成本?！边@些結果意味著替換成員與其他成員具有良好的溝通，并說明了合作者之間熟悉的重要性。

研究小組還建立了完整的團隊數據集和獨立的團隊優(yōu)化在線系統(tǒng)，以幫助組成研究團隊。他們稱之后會在GitHub等平臺上將這個模型開源，以幫助更多團隊找人。研究小組目前正在為團隊識別、團隊組成和團隊優(yōu)化建立模型。

參考鏈接：

https://spectrum.ieee.org/tech-talk/consumer-electronics/audiovideo/how-to-find-the-ideal-replacement-when-an-academic-team-member-leaves