“这是利用手机和可穿戴设备的被动传感数据评估工作场所性能的一种全新方法,”达特茅斯计算机科学教授安德鲁坎贝尔说。“移动传感和机器学习可能是解锁每位员工最好的关键。”
在新系统中,智能手机可以跟踪身体活动,位置,手机使用情况和环境光线。可穿戴式健身追踪器可监控心脏功能,睡眠,压力和身体测量,如体重和卡路里消耗。位于家庭和办公室的位置信标提供有关工作时间和休息时间的信息。
该技术建立在坎贝尔早期的工作基础上,后者开发了StudentLife,这是一款监控学生行为并预测学业成绩的应用程序。传感系统使用基于StudentLife的新设计的PhoneAgent手机应用程序集成了现成的技术设备。
该信息由基于云的机器学习算法处理,该算法经过训练以按性能水平对工人进行分类。
“这是通过被动传感和机器学习提高绩效的开始步骤。该方法为工人提供了新的反馈形式,为他们如何接近工作提供逐周或逐季的指导, “坎贝尔说。
为了测试该系统,该团队根据研究组工作人员提供的一系列自我报告行为评估了不同行业(包括高科技和管理咨询)的主管和非主管的绩效。然后根据诸如工作场所花费的时间,睡眠质量,身体活动和电话活动等因素对表现进行分类。
该研究表明,表现较好的人通常会降低手机使用率,体验更长时间的深度睡眠时间,并且身体更活跃,更具活力。在考虑角色时,高绩效的主管是移动的,但在工作时间访问少数独特的地方。高绩效的非主管在周末花更多的时间在工作上。
通过向员工和雇主提供反馈的能力,移动感应系统旨在解锁推动绩效的行为。被动监控技术还提供优于传统审查技术的优势,这些技术需要手动操作,并且被视为繁琐,可能有偏见且不可靠。
“无源传感器是本研究中使用的移动传感系统的核心,它承诺取代长期以来主要数据来源的调查,以确定高绩效者和低绩效者的关键相关性,”管理学教授Pino Audia说。以及达特茅斯塔克商学院的组织。
根据该研究团队的说法,这是第一次使用移动传感技术对不同行业的工人的高性能和低性能进行分类。总的来说,该技术在全美750名工人中进行了测试,整个期间为一年。
该系统被发现区分高绩效者和低绩效者,准确率为80%。
“被动监控系统旨在赋予权力。这种方法当然可以使公司受益,但也可以帮助那些希望提高绩效的员工,”坎贝尔说。
新技术可以产生“更客观的绩效衡量标准,更好地了解工作场所环境以及工作内外的劳动力”,一篇描述该研究的论文将发表在ACM会议论文集上,移动可穿戴和无处不在的技术。
在该研究中,使用消费者技术的连续监测与传统的问卷相结合,以对表现进行分类。该技术尚未在应用程序商店中提供,但可能会在未来几年内到达附近的小隔间。
该研究由智能高级研究项目活动(IARPA)在美国国家情报局局长办公室的支持下,将于2019年9月在伦敦举行的UbiComp大会上展出。
以下机构的研究人员都参与了这项研究:达特茅斯学院;圣母大学;佐治亚理工学院;华盛顿大学;科罗拉多大学博尔德分校;加州大学欧文分校;俄亥俄州立大学;德克萨斯大学奥斯汀分校;卡内基·梅隆大学。