Immagina un gruppo di studenti alle prese con un progetto complesso:alcuni stanno facendo un brainstorming, altri stanno facendo ricerche e alcuni stanno pianificando la presentazione. Ogni studente svolge un ruolo unico, ma lavorano tutti insieme.
Questa scena quotidiana nelle aule ha ispirato la ricerca della Tepper School of Business della Carnegie Mellon University descritta in un nuovo articolo intitolato "Understanding Collective Intelligence:Investigating the Role of Collective Memory, Attention, and Reasoning Processes", pubblicato su Perspectives in Scienze psicologiche . Questo articolo fa parte di un numero speciale sulla Psicologia dei Collettivi.
Il documento introduce il Modello dei Sistemi Transattivi di Intelligenza Collettiva (TSM-CI). È un nuovo modo di vedere come i gruppi, siano essi studenti o professionisti, gestiscono le proprie conoscenze, la propria attenzione e i processi decisionali, garantendo che i punti di forza di ciascuno siano utilizzati in modo efficace. Proprio come un medico valuta se un corpo è sano in base al funzionamento dei suoi vari sistemi, così utilizza il framework TSM-CI per articolare i sistemi in grado di determinare se un team è sano.
"Il nostro framework arriva davvero al cuore di ciò che fa sì che un team lavori bene insieme", ha affermato Anita Williams Woolley, preside associato della ricerca e professore di comportamento organizzativo presso la Tepper School, che ha guidato la ricerca su cui si basa il framework. "Non si tratta solo di avere un gruppo di persone; riguarda il modo in cui usano ciò che sanno, rimangono concentrati e prendono decisioni come una squadra."
Woolley ha sottolineato che questo può aiutarci a costruire team e strumenti migliori, soprattutto ora che le persone lavorano di più con la tecnologia e in contesti diversi. "Tutto sta nel capire che la chiave per un grande team è il modo in cui tutti lavorano insieme, non solo chi fa parte del team."
Il quadro TSM-CI ruota attorno all’idea che il successo del lavoro di squadra si basa sull’intelligenza collettiva. L’intelligenza all’interno di qualsiasi sistema si basa su tre funzioni correlate:memoria, attenzione e ragionamento. I team efficaci coltivano un sistema di memoria transattiva (TMS) che consente loro di identificare quali membri del team possiedono diverse informazioni o competenze. Ciò facilita la condivisione e il recupero efficienti delle informazioni, garantendo l'accesso alla conoscenza giusta al momento giusto.
Successivamente, il Transactive Attention System (TAS) garantisce che l'attenzione collettiva del team sia adeguatamente coordinata e distribuita, simile a un direttore d'orchestra che guida un'orchestra per garantire che ogni musicista suoni la propria parte al momento giusto. Infine, il Transactive Reasoning System (TRS) allinea la squadra su obiettivi e priorità comuni, guidando le decisioni e rispecchiando il modo in cui una squadra sportiva elabora strategie insieme per vincere una partita.
"Con la crescente quantità di collaborazione che si verifica negli ambienti digitali, possiamo sviluppare indicatori di sano funzionamento del team comprensibili ai computer", ha affermato Pranav Gupta, professore assistente di amministrazione aziendale presso il Gies College of Business dell'Università di Urbana-Champaign e co- autore della ricerca. "Ciò apre nuove possibilità per integrare i "compagni di squadra" dell'intelligenza artificiale nei nostri team umani e può davvero cambiare il modo in cui lavoriamo insieme."
Questa ricerca ha implicazioni per migliorare il lavoro di squadra in vari ambiti, dalle aule scolastiche ai consigli di amministrazione aziendali. Gli sforzi futuri esploreranno il modo in cui la tecnologia può rafforzare questi sistemi cognitivi collettivi e sviluppare strumenti per migliorare ulteriormente la collaborazione.