Эта статья – продолжение повествования, начатого здесь.
Я понимал, что сам Пентланд – в силу своего статуса – вряд ли что-то делает сам, и выступает скорее в роли вдохновителя, научного руководителя, публичного представителя. Всё полезное, что он мог бы мне дать, можно прочитать в его открытых публикациях. Меня же интересовали люди, которые весь этот проект со сбором и обработкой социометрических данных делают своими руками.
HDG
Мне уже приходилось решать подобные “детективные” задачи по другим темам. Получилось и в этот раз. Так я вышел на Human Dynamics Group в MIT Media Lab. Дословно по-русски human dynamics group можно перевести как “группа человеческой динамики”, но звучит как-то коряво, поэтому буду дальше использовать аббревиатуру HDG. Работу группы курирует – ясное дело – сам Пентланд, и там ведётся много интересных проектов. Один из них называется Rhythm: Open measurement and feedback tools for human interaction (“Ритм: инструменты открытых измерений и обратной связи при взаимодействии людей”). Это было именно то, что я искал.
История
Проект существует достаточно давно, и его нынешняя команда – вернее, та, которая занималась этим проектом на момент моего обращения – была уже не первой. Руководил проектом человек по имени Орен Ледерман, с которым я и вступил в контакт. Он поделился интересной информацией как об инструментальной социометрии вообще, так и о своих достижениях в этой области.
Долгое время основным измерительным инструментом в социологии и психологии был человек. Данные исследований опирались либо на анкеты самонаблюдений, либо на отчёты сторонних наблюдателей. При этом возникали неизбежные искажения, вызванные субъективной оценкой ситуации наблюдателем. Различные способы компенсации этих искажений принципиально ситуацию не меняли. Развитие микроэлектроники позволило применить иной подход.
Один из первых проектов с использованием электронных датчиков поведения и взаимодействия был реализован в конце 90-х годов в… детских садах! Концепция называлась Smart Kindergarten, “умный детский сад”. Цель проекта заключалась создании в детских садах условий, наиболее благоприятных для развития ребёнка. Эта работа опиралась на исследования, в которых использовались данные, собираемые с помощью носимых электронных устройств. Они были оснащены микрофоном, датчиками перемещения, температуры, влажности, освещённости, положения, давления. Даже по нынешним меркам это – неплохой технологический набор, хотя, возможно, несколько избыточный.
Другой значимый проект в области носимых социометрических устройств – OpenBeacon. Разрабатываемый в его рамках Sensor Tag (“датчик-бирка”) использовал технологию Bluetooth Low Energy. С её помощью устанавливался факт физической – поймите это слово правильно – близости людей, на которых эти бирки были размещены, что позволяло делать вывод об их взаимодействии, собирать и обрабатывать эти данные для всей группы. Судя по сайту проект – живой, бирки можно заказать, чем я и планирую воспользоваться для своих дальнейших экспериментов. Результатами буду делиться.
Также существует коммерческое решение по инструментальной социометрии Humanyze. Правда, мне пока не удалось разобраться, каким образом там осуществляются замеры и сбор данных, это пока в задачах.
Вот как выглядит эволюция социометрических бейджей в фотографиях:
Как я уже писал выше, HDG тоже давно начали заниматься темой инструментальной социометрии, задолго до того, как мой собеседник Орен стал частью проектной команды. Их первым продуктом был SocioMeter (“социометр”): довольно громоздкое устройство, которое размещалось на плече у человека и было снабжено микрофоном, акселерометром и ИК-датчиком. Этот базовый инструмент исследований пережил несколько “перерождений”. В настоящий момент она представляет собой серийную плату с микроконтроллером для разработки в среде arduino с поддержкой BLE и MEMS микрофоном. Сбор данных с бейджей осуществляется через bluetooth на базовой станции, реализованной на основе Raspberry. Питание – батарейка-таблетка. Это техническое решение стало прототипом того, которое я разрабатываю в настоящее время, поэтому подробно о его деталях расскажу по мере рассказа о собственных успехах и трудностях.
Клавиатура + паяльник
Ни желания, ни намерения заниматься созданием собственного решения социометрических бейджей у меня не было. У меня совсем другая профессия. Тем более, что, казалось, в этом нет никакой необходимости. На сайте проекта “Ритм” была размещена информация, что ребята открыты к сотрудничеству и готовы предоставлять оборудование для исследований всем, кто в этом заинтересован. Я тут же выказал свою заинтересованность, но – поздно. Ответ от руководителя проекта Орена Ледермана был в таком духе, что через два месяца на основе исследований этого проекта он защищает докторскую диссертацию в MIT, дальше этой темой заниматься не планирует и уже сейчас потихоньку сворачивает работу. Так что ни в какое новое сотрудничество вписываться не будет, а вся информация по проекту – включая схемы, макеты плат, программный код – открыты для использования под лицензий MIT.
Дерзай, мой русский друг!
Я не хотел дерзать, потому что имел представление о том, что это такое. Моё первое высшее образование – техническое, связано с системами автоматики. Я программировал микроконтроллеры в 90-е годы в качестве подработки и развлечения вместе с другими студентами и преподавателями на кафедре. Техника шагнула вперёд, всё стало гораздо сложнее, входить ещё раз в ту же реку желания не было.
Я попытался найти единомышленников в IT сообществе, в первую очередь среди тех команд, с которыми я работал как фасилитатор. Мне очень хотелось под разными углами “пилить” социометрические данные, но для реализации технического решения собственно по сбору этих данных мне был нужен партнёр. Но что-то в моём замысле не так – моя нынешняя отрицательная карма на Хабре тому подтверждение.
В процессе поиска партнёра я потихоньку разбирался в технических деталях решения проекта “Ритм”, которое планировал использовать в качестве прототипа. Ведь мне надо было как-то объяснять людям, чего я хочу. Потом купил первую плату, поиграть. Припаял микрофон. Написал код, собрал и залил прошивку.
Сейчас у меня на шее в пластиковом конверте для бейджа висит плата на микроконтроллере ESP-32 с двумя параллельно работающими разнотипными микрофонами, данные с которых по протоколу MQTT публикуются, собираются и обрабатываются на моём ноутбуке. Для гуру на Хабре это, понятно, детские забавы. Но для меня это большой шаг в неизведанное и очень полезный инструмент, который я уже сейчас использую для улучшения своей работы, как фасилитатора.
Вот как выглядит моё устройство:
Партнёра я больше не ищу. Буду рад делиться с сообществом результатами своих разработок и практикой их применения, благо здесь у меня в силу профессии неограниченные возможности.
Но в следующей статье расскажу о том, как социометрические бейджи уже применялись на хакатонах в MIT командой проекта “Ритм”. Это, пожалуй, интересно.
DenisSel
Благодарю за статью. Есть пару вопросов которые хотелось бы прояснить:
1. Какие метрики вы используете для оценки взаимодействия между членами команды и как их интерпретируете?
Кейс: два сотрудника разных отделов стали регулярно вместе обедать и делится информацией, количество задач закрытых данными сотрудниками в тот же период увеличилось в двое. Можно ли считать увеличение количества закрытия задач следствием обедов и т.д. Как вы сопоставляете информацию?
2. Как производится анализ постоянной аудиозаписи всех сотрудников, это очень большой массив данных, вы как-то автоматизируете данный процесс по ключевым словам или предполагается прослушка диалогов между сотрудниками?
Кейс: Руководитель во время прослушки диалога между сотрудниками, узнал о себе дополнительную информацию не соответствующую его личным представлениям. Сотрудники уволены, сроки реализации проекта сорваны. Как решается вопрос личной информации, при постоянной записи разговоров всех сотрудников?
goryntsev Автор
Спасибо. Говорить о том, какие метрики я использую, пока рано, но я точно знаю, с каких метрик начну, когда подготовлю техническую часть решения. Сначала я хочу опробовать тот подход, о котором пишет в своих публикациях Пентланд.
Небольшая иллюстрация в помощь:
Есть две разные команды по четыре человека. Шарики – это люди. Связывающие их каналы – взаимодействие. Ширина канала – интенсивность взаимодействия, аналог пропускной способности интернета. Интенсивность определяется минимум двумя факторами. Первый – продолжительность времени общения. Второй частота включений. То есть если мы с Вами пообщались одну минуту, сначала Вы говорили 30 секунд, потом я 30 секунд, то частота включений – 1 раз в минуту. Если же за то же время сначала Вы 10 секунд, потом я 10 секунд, потом снова Вы и так далее, то частота включений будет 3 раза в минуту при той же продолжительности.
На эскизе видно отличие в рисунках взаимодействия двух команд. В первой команде основное взаимодействие происходит между тремя людьми, а один член команды связан с ними единственным узким каналом. Во второй команде рисунок взаимодействия показывает более ровную картину. Гипотеза Пентланда, которую он подтверждает своими исследованиями, и которую я хочу проверить: вероятность получения более высокого результата выше у команд с равномерным распределением интенсивности каналов взаимодействия.
Продолжительность общения и частоту включений регистрируют социометрические бейджи. Анализировать смысловую составляющую речи – прослушиванием или распознаванием – нет необходимости. Данные с бейджей об уровне громкости в диапазоне голосовых частот публикуются два раза в секунду. Это ответ на Ваш второй вопрос.
Возвращаясь к первому: проблема сопоставления факторов воздействия и их последствий касается любых исследований, хоть как-то претендующих на научную достоверность. В реальных условиях достижение результата командой подвержено влиянию такого количества факторов, что установить такое соответствие не представляется возможным. И для практических целей это не всегда необходимо. Мы можем с какой-то степенью достоверности определить связь “воздействие – последствие” в лабораторных условиях. Например, взять несколько команд, поместить их в одинаковые условия, одновременно поставить перед ними одинаковую задачу, установить критерии успешности результата – и собирать данные об их рисунках взаимодействия. Если гипотеза, о которой я пишу выше, будет статистически значимо доказана, то её можно оформить в виде рекомендаций для реальных условий. То есть, если есть команда, которая хотела бы повысить свою результативность, то выравнивание картины интенсивности взаимодействия между членами команды будет этому способствовать. Окажется ли этого достаточно, является ли это наиболее существенным тормозящим фактором – это могут показать только другие исследования другими методами.
Это как с долголетием: достаточно диеты и физической активности, чтобы прожить 100 лет? Неизвестно, но это точно способствует.
Я ответил на Ваши вопросы?
DenisSel
Да, благодарю, буду ждать ваших дальнейших публикаций.