通过在推荐算法中启用 agency 与公平性准则来增强团队多样性与绩效
人机交互
2024-10-02 v1
摘要
本研究考察了推荐系统算法对个体合作者选择的影响，当个体在组建团队时，不同的算法设计会导致个体选择一个合作者而非另一个合作者，从而塑造他们团队的组成、动态和绩效。为测试这一假设，我们进行了 2x2 的在被试实验室实验，包含 332 名参与者使用推荐系统组建团队。我们测试了四种算法，控制参与者选择合作者的 agency 以及公平性准则的纳入。我们的结果表明，使用算法分配到高度多样化团队的参与者在与不同且不熟悉的个体合作时感到困难，而使用允许参与者在不包含公平性准则的情况下选择合作者的算法导致参与者形成没有必要技能的同质团队。相比之下，结合用户的 agency 与公平性准则的算法可提高团队的绩效和组成。这项研究为如何通过算法增强团队组建提供了新的见解。
引用
@article{arxiv.2410.00346,
title = {Augmenting team diversity and performance by enabling agency and fairness criteria in recommendation algorithms},
author = {Diego Gomez-Zara and Victoria Kam and Charles Chiang and Leslie DeChurch and Noshir Contractor},
journal= {arXiv preprint arXiv:2410.00346},
year = {2024}
}