开发者们开始研究替代HR了

本文转载自 大数据文摘，作者 Mickey

“又有同事离职了？！”

不管是团队leader还是一线员工，听到这个消息都会虎躯一震。这意味着每一个现有成员都要共同承担“工作断层”带来的问题，而临近年底，能够尽快找到能力匹配并且性格合适的“替补队员”，也是件可遇不可求的事情。

对于一个研究型机构，研究成员的离职更加让人头大。相比于一般公司团队较为完整的招聘生态，研究机构对于替代型员工的需求更高，因此招聘也就更加艰难。

为了应对这个问题，来自大连理工大学和澳大利亚联邦大学的研究小组提出了一个“HR模型”，不仅可以帮忙锁定具有合适技能的替代人，而且还可以定位团队内部的社会纽带，找到最容易离职的那些人，提前做好准备。

澳大利亚联邦大学工程、IT和物理科学系副教授Feng Xia是该研究的共同作者。在接受相关采访时他指出，学术合作中的每个成员都扮演着重要的角色，并且在团队中具有一定程度的不可替代性。“与此同时，离职率也有所提高，导致协作团队常常面临成员缺席的问题。因此，我们决定开发这种方法以最大程度地减少损失。”

研究人员说，他们的模型尤其适合计算机相关的团队，“在应用于计算机科学学术团队时，模型表现优于现有方法。” 

该研究已在12月8日发表于IEEE Intelligent Systems。

论文地址：

https://ieeexplore.ieee.org/document/9286424/metrics#metrics

不能阻止离职的发生？那就找到更合适的替代者

频繁的离职率一直是困扰大小团队的棘手问题。而合作越是紧密的团队，每一个成员的不可替代性越高，有人离开的成本就越高，找到合适的替代者也就更加艰难。

但不可避免的是，团队成员的数量越多，一个或多个成员在项目中间离开团队的机会就越大。 

一个学术团队是一个由高凝聚力的学者组成的协作小组，被公认为是提高科学产出的质量和数量的有效途径。但是，人员流动率高会带来一系列问题，可能会对团队绩效产生负面影响。特别是在大公司频繁挖人的情况下，学术人员流失愈加严重，这在计算机类研究团队中尤为明显。

为了应对这一挑战，来自大连理工大学和澳大利亚联邦大学的研究小组最近提出了应对模型。该模型首先可以检测有可能离职成员的可能性。在此，相对于熟悉度定义了异常值，可以通过协作强度来量化。研究假设，如果团队成员对团队外部的学者有较高的了解，那么该成员可能会离开团队。

检测每位成员离职可能性只是第一步，你依然无法控制谁会从团队离开。为了最小化成员离开所造成的影响，研究小组提出了一种优化解决方案，以找到可以替代离群成员的合适候选人。

基于带有图核的随机游走，研究小组的解决方案包括熟悉度匹配、技能匹配以及结构匹配。先前研究表明，具有稳定协作关系的成员可以提高团队绩效，并产生更高质量的输出。因此，研究小组将“团队成员之间熟悉度”作为考量因素纳入了模型，包括仅两个成员（成对的熟悉度）和多个成员（较高级别的熟悉度）之间的关系。

研究测试结果显示，这个模型能够找到合适的替代者，并且在应用于计算机科学学术团队时，所提出的方法被证明是有效的并且优于现有方法。

覆盖两大数据集近9万种学者关联，未来将开源该模型

Feng Xia解释说：“我们技术的主要思想是为缺席的成员找到最佳的替代者。” “在熟悉技能和协作关系的背景下，推荐的成员是理论上的最佳选择。”

研究人员使用两个大型数据集来开发和测试他们的模型。

他们使用CiteSeerX数据集探索了15,681位学者之间的42,999个协作关系，该数据集数据主要集中在计算机科学领域的研究者。

另外一个数据集MAG（Microsoft Academic Graph），研究小组获取了252,439名学者之间的另外436,905个合作关系，该数据集包含科学记录和涵盖多个学科的相关信息。

研究称，通过对这些数据的训练，模型最终在测试中可以有效地找到团队的合格替代成员。

Feng Xia在采访中表示：“选择推荐候选人的团队可以获得更好的团队绩效和更低的沟通成本。” 这些结果意味着替换成员与其他成员具有良好的沟通，并说明了合作者之间熟悉的重要性。

研究小组还建立了完整的团队数据集和独立的团队优化在线系统，以帮助组成研究团队。他们称之后会在GitHub等平台上将这个模型开源，以帮助更多团队找人。研究小组目前正在为团队识别、团队组成和团队优化建立模型。

参考链接：

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