Diversity Beats Ability: Why Your Smartest Hire Isn't Your Best Decision-Maker

ম্যানেজমেন্ট বিজ্ঞানে সবচেয়ে প্রলুব্ধকর দাবি

প্রতিটি নেতা একটি সহজ কর্মী তত্ত্বের টান অনুভব করেছেন: আপনি যত স্মার্ট মানুষ খুঁজে পাবেন তাদের নিয়োগ করুন, তাদের একটি ঘরে রাখুন, এবং সেরা সিদ্ধান্তগুলি অনুসরণ করবে। এটি স্পষ্ট হওয়ার গুণ রয়েছে। এর drawback হল এটি, সর্বোচ্চ, অর্ধেক সত্য। গত দুই দশকে, সমষ্টিগত বুদ্ধিমত্তা নিয়ে একটি গবেষণার একটি দেহ একটি অস্বস্তিকর ফলাফলে মিলিত হয়েছে: একটি দলের বুদ্ধিমত্তা সদস্যদের বুদ্ধিমত্তার যোগফল — বা এমনকি সর্বাধিক — নয়। কিছু অন্য কিছু কাজের একটি বড় অংশ করছে, এবং সেই কিছু অনেকটা ভিন্নতা এর মতো দেখাচ্ছে: ভিন্ন তথ্য, ভিন্ন হিউরিস্টিক, ভুল হওয়ার ভিন্ন উপায়।

এই ফলাফলটি একটি স্লোগানে কঠোর হয়ে উঠেছে — “বৈচিত্র্য ক্ষমতাকে হারায়” — যা তারপর স্লোগানগুলির মতো কাজ করেছে: এটি তার শর্তগুলি থেকে বিচ্ছিন্ন হয়ে গেছে এবং মূল বক্তৃতার ডেকে মুক্ত floated। প্রতিক্রিয়া সমানভাবে sweeping ছিল, পুরো গবেষণার লাইনটিকে রাজনৈতিক গণিত হিসাবে অগ্রাহ্য করা। উভয় চরম ভুল, এবং মাঝের সত্যটি সত্যিই উপকারী। এই নিবন্ধটি দাবির পিছনে দুটি গবেষণা প্রোগ্রামের মধ্য দিয়ে হাঁটে — সমষ্টিগত বুদ্ধিমত্তার “c ফ্যাক্টর” এবং হং-পেজ থিওরেম — সাধারণত বাদ দেওয়া সমালোচনাগুলি সহ, এবং শেষ করে যে একটি যত্নশীল পাঠক আসলে একটি নিয়োগ বা দল-ডিজাইন সিদ্ধান্তে নিয়ে যেতে পারে।

c ফ্যাক্টর: দলের একটি নিজস্ব বুদ্ধিমত্তা রয়েছে

২০১০ সালে, অ্যানিটা উইলিয়ামস উলির, ক্রিস্টোফার চাব্রিস, অ্যালেক্স পেন্টল্যান্ড, নাদা হাশমি, এবং থমাস মালোন একটি সায়েন্স পত্রিকায় একটি গবেষণা প্রকাশ করেন যা একটি প্রতারণামূলকভাবে সহজ প্রশ্ন জিজ্ঞাসা করে: যদি ব্যক্তিদের একটি সাধারণ বুদ্ধিমত্তার ফ্যাক্টর (মনস্তাত্ত্বিক g) থাকে, তবে কি গোষ্ঠীরও একটি আছে? তারা দুই থেকে পাঁচজনের গোষ্ঠীতে ৬৯৯ জনকে বিভিন্ন কাজের একটি বিস্তৃত ব্যাটারিতে পরীক্ষা করেছিলেন — ব্রেনস্টর্মিং, নৈতিক যুক্তি, আলোচনা, ধাঁধা — এবং তারপর পরীক্ষা করেছিলেন যে একটি গোষ্ঠীর একটি ধরনের কাজের উপর কর্মক্ষমতা অন্যদের উপর কর্মক্ষমতা পূর্বাভাস দেয় কিনা।

এটি করেছে। একটি একক পরিসংখ্যানগত ফ্যাক্টর — যা তারা c নামে অভিহিত করেছে, সমষ্টিগত বুদ্ধিমত্তার জন্য — গোষ্ঠীর কর্মক্ষমতার মধ্যে প্রায় ৪৩% পরিবর্তন ব্যাখ্যা করেছে। বিস্ময়কর ছিল c কি না ট্র্যাক করেছে: এটি গোষ্ঠী সদস্যদের গড় বুদ্ধিমত্তা এবং সবচেয়ে স্মার্ট সদস্যের বুদ্ধিমত্তার সাথে দুর্বলভাবে সম্পর্কিত। c কে পূর্বাভাস দেওয়া পরিবর্তনশীল ছিল গোষ্ঠীর তিনটি বৈশিষ্ট্য: সদস্যদের গড় সামাজিক সংবেদনশীলতা (মাইন্ড ইন দ্য আইজ পরীক্ষার মাধ্যমে পরিমাপ করা), কথোপকথনের পালা নেওয়ার সমতা — এক বা দুই কণ্ঠ দ্বারা আধিপত্য করা গোষ্ঠীগুলি কম স্কোর করেছে — এবং গোষ্ঠীতে মহিলাদের অনুপাত, একটি প্রভাব যা সামাজিক সংবেদনশীলতার দ্বারা পরিসংখ্যানগতভাবে মধ্যস্থতাপ্রাপ্ত।

সাবধানতার সাথে পড়ুন, এটি এমন একটি দাবি নয় যে ক্ষমতা গুরুত্বপূর্ণ নয়। এটি একটি দাবি যে দলের স্তরে, ক্ষমতা বাধা নয়। বাধা হল গোষ্ঠীটি তার সদস্যরা যা জানে তা বের করতে এবং একত্রিত করতে পারে কিনা — যা একটি প্রক্রিয়ার বৈশিষ্ট্য, কোনও ব্যক্তির মাথার নয়।

নতুনদের মধ্যে যে পুনরাবৃত্তি যুদ্ধ আপনি শুনছেন না

c ফ্যাক্টর একটি সত্যিকারের বৈজ্ঞানিক যুদ্ধের মধ্য দিয়ে গেছে, এবং সততা রিপোর্টিংয়ের প্রয়োজন। ২০১৭ সালে, মার্কাস ক্রেডে এবং গ্যারেট হাওয়ার্ডসন ছয়টি পূর্বে প্রকাশিত নমুনার ডেটা পুনরায় বিশ্লেষণ করেন এবং যুক্তি দেন যে একটি সাধারণ সমষ্টিগত বুদ্ধিমত্তার ফ্যাক্টরের জন্য প্রমাণের সমর্থন দুর্বল — যে একটি একক ফ্যাক্টর অনেক গোষ্ঠী কাজের উপর সামান্য পরিবর্তন ব্যাখ্যা করে, এবং যে গঠনটি আংশিকভাবে স্কোরিং পছন্দগুলির একটি শিল্প হতে পারে। উলির, ইয়নজিওং কিম, এবং মালোন ২০১৮ সালে উত্তর দিয়েছিলেন, যুক্তি দিয়ে যে সমালোচনা একটি স্কোরিং পদ্ধতি এবং সিমুলেশন অনুমানগুলির উপর নির্ভর করে যা গোষ্ঠীগুলি আসলে যে কাজগুলি সম্পাদন করে তার সাথে মেলে না।

এর পর থেকে সবচেয়ে গুরুত্বপূর্ণ প্রমাণ হল ২০২১ সালের একটি মেটা-বিশ্লেষণ PNAS এ ক্রিস্টোফ রিডল, ইয়ং জি কিম, প্রনব গুপ্ত, থমাস মালোন, এবং অ্যানিটা উলির দ্বারা, যা ২২টি গবেষণা এবং ১,৩৫৬টি গোষ্ঠী — বিশ্ববিদ্যালয়ের ছাত্র, সামরিক কর্মী, অনলাইন কর্মী, এবং গেমারদের কভার করে। এটি এই জনসংখ্যার মধ্যে c ফ্যাক্টরের জন্য ধারাবাহিক প্রমাণ খুঁজে পেয়েছে, গোষ্ঠীর সহযোগিতা প্রক্রিয়া এবং সদস্যের দক্ষতা উভয়ই অবদান রাখছে। একজন অনুশীলনকারী কোথায় দাঁড়ান? গঠনটি একটি বৃহৎ মেটা-বিশ্লেষণের দ্বারা সমর্থিত এবং এখনও এর কাঠামোতে বিতর্কিত — প্রায় যেখানে g নিজে দশক ধরে দাঁড়িয়েছিল। যা গুরুতরভাবে বিতর্কিত নয় তা হল মৌলিক প্যাটার্ন: সদস্যের IQ একটি আশ্চর্যজনকভাবে খারাপ পূর্বাভাসক দলের কর্মক্ষমতার জন্য, এবং ইন্টারঅ্যাকশন প্রক্রিয়া একটি আশ্চর্যজনকভাবে ভাল।

“বৈচিত্র্য ক্ষমতাকে হারায়”: হং এবং পেজ আসলে কি প্রমাণ করেছেন

বৈচিত্র্য যুক্তির দ্বিতীয় স্তম্ভটি অর্থনীতি এবং জটিলতা বিজ্ঞানের থেকে আসে। ২০০৪ সালে, লু হং এবং স্কট পেজ একটি PNAS পত্রিকায় “বৈচিত্র্যময় সমস্যা সমাধানকারীদের গোষ্ঠীগুলি উচ্চ-ক্ষমতা সম্পন্ন সমস্যা সমাধানকারীদের গোষ্ঠীগুলিকে অতিক্রম করতে পারে” শিরোনামে একটি কাগজ প্রকাশ করেন। তারা গণনামূলক মডেল তৈরি করেন যেখানে বিভিন্ন সমস্যা সমাধানের হিউরিস্টিক দ্বারা সজ্জিত এজেন্টগুলি একটি খাঁজযুক্ত সমাধান দৃশ্যপটে অনুসন্ধান করে। প্রতিটি এজেন্ট আটকে যাওয়া পর্যন্ত ওঠে; তারপর অন্য একটি এজেন্ট সেই পয়েন্ট থেকে ভিন্ন পদক্ষেপ নিয়ে দখল করে।

ফলস্বরূপ: মডেলের শর্তগুলির অধীনে, একটি যাদৃচ্ছভাবে নির্বাচিত এজেন্টের গোষ্ঠী — যাদৃচ্ছ নির্বাচন হিউরিস্টিক বৈচিত্র্য নিশ্চিত করে — ব্যক্তিগতভাবে সেরা কর্মক্ষমতা সম্পন্ন এজেন্টদের গোষ্ঠীকে অতিক্রম করেছে। মেকানিজমটি একবার দেখা হলে স্বজ্ঞাত: সেরা ব্যক্তিগত কর্মীরা সাধারণত সাদৃশ্য হিউরিস্টিক শিখেছেন, তাই তারা একই স্থানীয় অপটিমাতে আটকে যায়। তবে একটি ক্লোনের দল, যেকোনো প্রতিভাবান, একটি মনের মতো অনুসন্ধান করে। একটি বৈচিত্র্যময় দলের সদস্যরা তাদের নিজ নিজ মৃতপ্রান্ত থেকে একে অপরকে উদ্ধার করে।

কিন্তু শর্তগুলি গুরুত্বপূর্ণ, এবং পেজ নিজেই তাদের সম্পর্কে তার জনপ্রিয়করণকারীদের চেয়ে স্পষ্টতর: সমস্যা অবশ্যই সত্যিই কঠিন হতে হবে (কোনও ব্যক্তি একা এটি সমাধান করতে পারে না), এজেন্টদের সকলেই যথেষ্ট সক্ষম হতে হবে (অজ্ঞদের মধ্যে বৈচিত্র্য সহায়ক নয়), দলের জন্য নির্বাচিত পুলটি বৃহৎ হতে হবে, এবং সেটিংটি পুনরাবৃত্তি সমস্যা সমাধান যেখানে এজেন্টরা একে অপরের অবস্থানের উপর ভিত্তি করে। “যে কোনও বৈচিত্র্যময় গোষ্ঠী যেকোনো বিশেষজ্ঞ গোষ্ঠীকে হারায়” এটি প্রমাণিত হয়নি, এবং এটি সেইভাবে আচরণ করা হলে দাবি ব্যর্থ হতে সেট আপ করে।

প্রতিবাদ: একটি থিওরেম আগুনের নীচে

২০১৪ সালে, গণিতবিদ আবিগেইল থম্পসন আমেরিকান ম্যাথমেটিক্যাল সোসাইটির নোটিস (ভল. ৬১, নং ৯, পৃষ্ঠা ১০২৪–১০৩০) এ “বৈচিত্র্য কি ক্ষমতাকে হারায়? সামাজিক বিজ্ঞানে গণিতের অপব্যবহারের একটি উদাহরণ” শিরোনামে একটি তীক্ষ্ণ সমালোচনা প্রকাশ করেন। তার যুক্তি দুটি প্রান্ত ছিল। প্রথমত, হং-পেজ পত্রিকায় আনুষ্ঠানিক থিওরেমটি, একবার এর অনুমানগুলি খোলার পরে, ত্রিভুজের কাছাকাছি — তার পড়ায়, শর্তগুলি কার্যকরভাবে উপসংহারটি তৈরি করে, এবং গণিতের বিষয়বস্তু সামাজিক ওজনের জন্য পাতলা। দ্বিতীয়ত, যে সিমুলেশনগুলি বিস্তৃত দাবিকে সমর্থন করে সেগুলি প্যারামিটার পছন্দগুলির প্রতি সংবেদনশীল এবং সেগুলি থেকে আঁকা sweeping উপসংহারগুলি অনুমোদন করে না।

সমালোচনাটি তার নিজস্ব প্রতিক্রিয়া আকৃষ্ট করেছে। ২০১৭ সালে, ক্রিটিক্যাল রিভিউ এ ড্যানিয়েল কুহেনের একটি নোট যুক্তি দেয় যে থম্পসনের গণিতের আপত্তিগুলি বিভিন্নভাবে ভুল, বিভ্রান্তিকর, বা সামাজিক বিজ্ঞানে আনুষ্ঠানিক মডেলগুলি কীভাবে কাজ করে তার পয়েন্টের বাইরে — যেখানে একটি মডেলের মূল্য হল এটি যে মেকানিজমটি আলাদা করে, তার প্রমাণের গভীরতা নয়। বিজ্ঞান দর্শনবিদরা যারা এপিস্টেমিক সম্প্রদায়ের উপর কাজ করছেন, ড্যানিয়েল সিঙ্গার সহ, সংশ্লিষ্ট মডেলগুলি তৈরি করেছেন যেখানে বৈচিত্র্যের মূল্য সংশোধিত আকারে টিকে থাকে।

আমাদের পড়া, একজন অনুশীলনকারীর জন্য যা প্রয়োজন: থিওরেম এর শিরোনাম থেকে দুর্বল, মেকানিজম বাস্তব এবং পর্যবেক্ষণযোগ্য, এবং sweeping স্লোগানটি শর্তাধীন দাবির পক্ষে অবসর নেওয়া উচিত। যখন আপনি একটি কঠিন, বহু-মাত্রিক সমস্যার মুখোমুখি হন এবং আপনার প্রার্থী পুল গভীর হয়, একটি দলের জন্য নির্বাচিত সম্পূরক চিন্তাভাবনার উপায়গুলি প্রায়শই একটি দলের সমাধান স্থানটি খুঁজে বের করতে সহায়তা করে যা সম্পূর্ণরূপে ব্যক্তিগত স্কোরের উপর ভিত্তি করে নির্বাচিত — কারণ ব্যক্তিগত স্কোরগুলি একসাথে চিন্তা করে এমন লোকদের ক্লাস্টার করে। সেই দাবির জন্য কোনও অতিরিক্ত থিওরেমের প্রয়োজন নেই, এবং পরবর্তী বিভাগটি কেন তা দেখায়।

গণিত যা কেউ বিতর্ক করে না: বৈচিত্র্য পূর্বাভাস থিওরেম

বিতর্কিত মডেলগুলি সরিয়ে ফেলুন এবং একটি গাণিতিক টুকরা দাঁড়িয়ে থাকে যা কেউ বিতর্ক করে না, কারণ এটি একটি পরিচয় — বীজগণিত, না অভিজ্ঞতা। স্কট পেজ এটিকে বৈচিত্র্য পূর্বাভাস থিওরেম (এম দ্য ডিফারেন্স, ২০০৭) বলে। যে কোনও গোষ্ঠী সংখ্যাগত অনুমান তৈরি করছে, যেখানে ত্রুটি সত্য থেকে বর্গ দূরত্ব হিসাবে পরিমাপ করা হয়:

দুটি পরিণতি সোজা বেরিয়ে আসে। প্রথমত, গোষ্ঠীর সমষ্টিগত অনুমান সর্বদা তার গড় সদস্যের মতো অন্তত সঠিক — জনতা সাধারণত ব্যক্তিগত সদস্যের চেয়ে খারাপ হতে পারে না, যদিও এটি তার সেরা সদস্যের চেয়ে খারাপ হতে পারে। দ্বিতীয়ত, ব্যক্তিগত সঠিকতা স্থির রেখে, সত্যিকারের মতবিরোধের প্রতিটি বৃদ্ধি যান্ত্রিকভাবে সমষ্টিগত ত্রুটি কমিয়ে দেয়। বৈচিত্র্য এই সমীকরণে একটি অনুভূতি-ভাল বোনাস নয়; এটি দুটি শর্তের মধ্যে একটি। সঠিক ক্লোনের একটি গোষ্ঠী এবং একটি মাঝারি সঠিক বিরোধীদের একটি গোষ্ঠী বিভিন্ন রাস্তায় একই সমষ্টিগত ত্রুটিতে পৌঁছাতে পারে।

কিন্তু ধরা — এবং এটি সমস্ত গবেষণার মধ্যে একই ধরা — হল শব্দ সত্যিকারের। থিওরেমটি পূর্বাভাসের বৈচিত্র্যকে পুরস্কৃত করে, যা তথ্য এবং মডেলের বৈচিত্র্য প্রয়োজন। যদি সবাই একই তিনটি উৎস পড়ে, তবে তাদের পূর্বাভাস একসাথে জড়ো হয়, বৈচিত্র্যের শর্তটি ভেঙে যায়, এবং জনতা একটি প্রতিধ্বনি হয়ে যায়। এটি জনতার জ্ঞান সাহিত্যতে নথিভুক্ত ব্যর্থতার সঠিক মোড: সম্পর্কিত ত্রুটিগুলি বাতিল হয় না, তারা বাড়ে।

যখন বৈচিত্র্য সহায়তা করে

যখন এটি হয় না — অংশটি যা স্লোগানটি বাদ দেয়

একটি সৎ হিসাবের মধ্যে খরচ অন্তর্ভুক্ত করতে হবে, কারণ সেগুলি বাস্তব এবং সেগুলি কারণ বৈচিত্র্যময় দলগুলি কখনও কখনও অভিন্নদের চেয়ে বাস্তবে কম কার্যকর হয় যদিও তত্ত্ব তাদের পক্ষে।

সংগঠনগত সাহিত্য জুড়ে প্যাটার্নটি মডেলগুলির সাথে সামঞ্জস্যপূর্ণ: বৈচিত্র্যের সুবিধাগুলি কাজের জটিলতা এবং প্রক্রিয়ার গুণমানের উপর নির্ভরশীল, এবং এর খরচগুলি সামনের দিকে (সমন্বয়, সংঘাত, ধীর নীতি গঠন) যখন এর সুবিধাগুলি পিছনের দিকে (ভাল অনুসন্ধান, কম অন্ধ স্থান) থাকে। দলগুলি যদি আগে চলে যায় তবে খরচগুলি ক্যাপচার করে এবং লাভ মিস করে।

কগনিটিভ বৈচিত্র্য ডেমোগ্রাফিক বৈচিত্র্য নয়

এই বিতর্ককে সৎ রাখার জন্য একটি পার্থক্য: উপরের গবেষণা কগনিটিভ (অথবা এপিস্টেমিক) বৈচিত্র্য সম্পর্কে — তথ্য, প্রশিক্ষণ, হিউরিস্টিক এবং মানসিক মডেলের মধ্যে পার্থক্য। ডেমোগ্রাফিক বৈচিত্র্য একটি ভিন্ন পরিবর্তনশীল। বাস্তব জগতে উভয়ই সম্পর্কিত, কারণ জীবন অভিজ্ঞতা তথ্য এবং দৃষ্টিভঙ্গি গঠন করে, কিন্তু এগুলি একে অপরের পরিবর্তে নয়, এবং সবচেয়ে শক্তিশালী গবেষণা প্রভাবগুলি কগনিটিভ প্রকারের সাথে সংযুক্ত। একটি ডেমোগ্রাফিকভাবে বৈচিত্র্যময় দল যদি একই উৎস এবং একই প্রশিক্ষণ থেকে আঁকতে থাকে তবে এটি কগনিটিভভাবে একরূপ হতে পারে; একটি ডেমোগ্রাফিকভাবে অনুরূপ দল একটি প্রকৌশলী, একজন আইনজীবী, এবং একটি মাঠ অপারেটর থাকতে পারে যারা সবকিছুতে মতবিরোধ করে যা গুরুত্বপূর্ণ। এছাড়াও লক্ষ্য করুন যে উলিরের c-ফ্যাক্টর সম্পর্কিত — সামাজিক সংবেদনশীলতা এবং পালা নেওয়া — প্রক্রিয়া সম্পর্কে, কোনও ধরনের রচনা নয়। পার্থক্য এবং এর পিছনের গবেষণার একটি গভীর চিকিত্সার জন্য, আমাদের এপিস্টেমিক বৈচিত্র্য গাইড দেখুন।

বাস্তবে কী করতে হবে: দল গঠন এবং পরিচালনা

এই গবেষণার প্রতিরক্ষাযোগ্য মূলকে অনুশীলনে রূপান্তরিত করা এমন পরামর্শ দেয় যা স্লোগানের চেয়ে কম উদ্ধৃতযোগ্য কিন্তু অনেক বেশি শক্তিশালী:

বৈচিত্র্যময় ইনপুটকে গুণগতভাবে মূল্যবান করা: গুণক হিসেবে কাঠামো

উপরের প্রতিটি ব্যবহারিক সুপারিশ লক্ষ্য করুন যা বৈচিত্র্য ধারণ করা নিয়ে, কেবল এটি একত্রিত করা নয়। এখানেই কাঠামোগত পদ্ধতিগুলি তাদের মূল্য অর্জন করে। একটি যুক্তি মানচিত্রে, প্রতিটি অংশীদার তাদের যুক্তি স্বাধীনভাবে অবদান রাখে — সভা একটি শীর্ষ প্রতিযোগীর উপর একত্রিত হওয়ার আগে — এবং প্রতিটি যুক্তি তার মূল্যায়িত গুণের উপর দাঁড়ায় বা পড়ে, যে কেউ এটি প্রস্তাব করেছে তার সিনিয়রিটির উপর নয়। এটি সেই অবস্থান-প্রভাবের লিঙ্কটি বিচ্ছিন্ন করে যা একটি আত্মবিশ্বাসী কণ্ঠস্বরকে একটি বৈচিত্র্যময় কক্ষকে সমজাতীয় করতে দেয়।

Argumentree ঠিক এই প্যাটার্নটি সহযোগী সিদ্ধান্ত গ্রহণ এর জন্য বাস্তবায়ন করে: বহু-অংশীদার ইনপুট অশ্রাব্য এবং স্বাধীনভাবে সংগ্রহ করা হয়, যুক্তিগুলি একটি ভাগ করা প্রো/কন গাছের মধ্যে সংগঠিত হয়, এবং বহু-মাত্রিক রেটিং (সাহায্যকারীতা, স্পষ্টতা, সঠিকতা, সম্পূর্ণতা) সম্মতি স্কোরে একত্রিত হয়। আপনার নিয়োগের বৈচিত্র্য তথ্য হয়ে ওঠে যা আপনার সিদ্ধান্ত সত্যিই ব্যবহার করে — একটি সম্পূর্ণ অডিট ট্রেইল সহ যা দেখায় কোন দৃষ্টিভঙ্গিগুলি ফলাফলকে গঠন করেছে। এবং যেহেতু অবদান 66 ভাষায় করা যেতে পারে, দৃষ্টিভঙ্গির পুলটি সভার ভাষায় দক্ষদের মধ্যে সীমাবদ্ধ নয়।

গবেষণার দীর্ঘতর অর্ক যা এই নিবন্ধটি আঁকছে — কন্ডর্সেটের জুরি তত্ত্ব থেকে আজকের মানব-এআই দলগুলিতে — আমাদের সঙ্গী টুকরোটি দেখুন, সমষ্টিগত বুদ্ধিমত্তা: 240 বছরের গবেষণা।