שיתוף ב(מ)ידע בקבוצות קטנות: השפעת המשימה, הקבוצה והתקשורת ד"ר גלעד רביד המחלקה להנדסת תעשייה וניהול אוניברסיטת בן גוריון בנגב

תודות מנחה העבודה – פרופ' שיזף רפאלי חברי הועדה המלווה והשופטים רשות המחקר או"פ – מלגת הצטיינות לדוקטורט עריכה לשונית – נורית אלרואי בית הספר למוסמכים במנהל עסקים אוניברסיטת חיפה מחברים שותפים למאמרים – שיזף רפאלי, קונטין (גד) ג'ונס, עדנה יפה, עדנה טל, דפנה רבן, אבי נוי, ראובן אביב, ציפי ארליך, אביבה גבע. חברי קבוצת המחקר במרכז לחקר חברת המידע, אוניברסיטת חיפה

מה נעשה לא נדבר על: מודל (סקירת) הגורמים המשפיעים על שיתוף בידע ניסויים לאישוש המודל האם שיתוף במידע משפר ביצועים? כיצד משתפים שיתוף ידע בקבוצות גדולות שיתוף ידע ומבנים חברתיים לא נדבר על: משחקים

הגדרות תוכן מבנה קבוצה, צוות, קהילה נתונים מידע ידע ? צמצום הוספת הקשר

קהילה וירטואלית Dictionary of Sociology (Milson, 1074) מונה 90 הגדרות שונות. מערכת סגורה גבולות ברורים חברות יציבה (המשכיות) בעלת קשר לקהילות אחרות אינטראקציה חברתית ועניים משותף של חבריה תוכן שחברי הקהילה יוצרים Ba (Nonaka & Konno, 1998)

תיאוריות חברתיות בשיתוף ידע Normative Influence Theory בתקשורת מתווכת מחשב משתפים יותר ידע. שיתוף יעיל דורש קבוצה הגדולה משבעה חברים ( Davison, 1996). בסיסי נתונים מתוך בחירה (Discretionary Data Bases) (Thorn & Connolly, 1990) מבנה כזה של מידע אינו נותן תמריץ לשתף. מידת שיתוף מידע שיתוף בידע שונה משיתוף במוצר ( Constant, Kiesler, Sproull, 1994) מוכנות לשתף קשורה לאמון, דאגה חברתית ואכפתיות

תיאוריות חברתיות בשיתוף ידע – (המשך) מגבלות הקבוצה GroupThink (Janis, 1982) TIP (Time Interaction and Performance) ביצוע שלוש סוגי פעולות במקביל: ייצור, תמיכה בקבוצה ותמיכה ביחיד. בכל רגע במהלך חי הקבוצה התמהיל שונה. מודל לעיבוד המידע החברתי (Social Information Processing) Cue Filtered Out Effects הפחתת אי וודאות (Uncertainty Reduction Theory) (Berger & Calabrese, 1975) שמונת האקסיומות של Berger

תיאוריות חברתיות בשיתוף ידע – (המשך) תיאוריית התפתחות הערוץ (Channel Expansion Theory) (Carlson & Zmud, 1999) עושר  הכרות עושר המדיה (Media Richness Theory) מדידה אובייקטיבית של מידת "עושר" הערוץ לכל משימה יש את מידת העושר המתאימה לו

תיאוריות חברתיות בשיתוף ידע – (המשך) סינכרוניות המדיה (Theory of Media Synchronicity) (Dennis & Valacich, 1999) גורמים הקובעים את הסינכרוניות: מידיות המשוב מבחר הסמלים הקבלה אפשרות של חזרה עיבוד מחדש ככל שכל ה חמישה גבוהים יותר כך הערוץ סינכרוני יותר ערוץ בעל סינכרוניות נמוכה מתאים להעברת מידע ואילו ערוץ בעל סינכרוניות גבוהה מתאים להסקת מסקנות

שם הקשר סביבתי מתודולוגית חקר שיטת ניתוח נתונים תפקיד הדואר האלקטרוני עבודה ניסוי באמצעות הדמיה סטטיסטיקה פרמטרית המסרים העוברים במנגנונים מקוונים המאפשרים שיתוף בידע ניתוח תוכן מבחני התאמה רשתות נטולות קנה מידה ורשתות עולם קטן לימוד תצפית בלתי מתערבת בכלל האוכלוסיה ניתוח רשתות חברתיות מבנה קבוצות דיון תצפית בלתי מתערבת במדגם קטן (Test Bed)

החוליה במקור זה נראה כך גרסת המרכז לחקר חברת המידע, אוניברסיטת חיפה

מבנה המערכת מוצרים מפעל מפיץ סיטונאי קמעונאי הזמנות

מסקנות שיתוף בידע משפר את ביצועי הקבוצה יש מקום לשקול Disintermediation

מסקנות השחקנים במשחק החוליה השתמשו הרבה באפשרויות התקשורת שניתנו להם לעתים השימוש של השחקנים הוא מובן מאליו ולעתים לא. רוב הקבוצות למדו מהניסיון בגרסה המצומצמת שקמעונאי קרוב לשטח וללקוחות ולכן הוא המקור המהימן ביותר בקשר למצב השוק. שהקמעונאי יישם את המסקנות ואת הודעותיו הוא שולח לגורמים שמעליו את הדיון האסטרטגי החליטו הקבוצות לנהל בלי לשתף את גורמי הביניים אלא ישירות בין המפעל לקמעונאי לדיון כזה עלולות להיות השפעות שליליות על אחדות הקבוצה. חברי הקבוצה נוטים לשלוח הודעות במעלה השרשרת ייתכן ששינוי פרדיגמה לכל הכיוונים הוא גדול מדי ליישום בבת אחת.

מסקנות - המשך לא ברור מדוע הודעות שעניינן תיאום בין השחקנים מקושרות להודעות שנשלחו לסיטונאי ולא לשום גורם אחר, ומדוע הסיטונאי שלח הודעות על ביקוש. הקשר בין הודעות בקשה למידע להודעות חברתיות מעניין ומצביע על ערכו של המידע. אף כי המטרה של כל הגורמים אחידה, יש צורך בריכוך חברתי לפני בקשת המידע. את עיקר התיאום קיבלו עליהם המפיץ והסיטונאי

Asynchronous discussion groups as Small World and Scale Free Networks by Gilad Ravid and Sheizaf Rafaeli September Issue first pick http://www.firstmonday.org/issues/issue9_9/ravid/index.html

ניתוח רשתות חברתיות

Small World Networks Two characteristics A small average path length Mean shortest node-to-node path A large clustering coefficient How many of a node’s neighbors are connected to each other

Scale Free Networks Scale-free networks are characterized by a power-law distribution of a node’s degree.

Some Published Networks (adapted from Newman 2003) C α l Z m n 0.78 2.3 3.48 113.43 25,516,482 449,913 U film actors 0.34 - 4.6 14.44 55,392 7,673 company directors 0.56 7.57 3.92 496,489 253,339 math coauthorship 0.16 1.5/2.0 4.95 1.44 86,300 59,912 D Email messages 3.2 2,810 sexual contacts 0.08 1.3/1.4 30,635 8,830 Discussion Groups 0.44 2.7 70.13 17,000,000 460,902 Word co-occurrence info 0.39 2.5 3.31 5.98 31,992 10,697 Internet tech 18.99 2.67 6,594 4,941 power grid 0.28 3.97 7.68 2,359 307 Neural networks bio social

Small World Networks Affects CPL -> Information percolation / Speed of Diffusion Cliquishness Personal problems Find jobs Find information / answers Group problems Disasters recovery Inventions Group decision making Hard to forecast network dynamics

Scale-Free Networks …. are common … important category in networks study Have very connected members (Hubs) Hubs have a key role ….results of self organized network … growth with preferential attachment mechanism

Scale Free Networks Affects Continuous hierarchy of members No characterized member Resistance to failure Sensitivity to attacks We know how they form Information diffusion Rich get richer

Research Sample Discussion groups of more than 400 courses Courses taught 1999-2002 158,276 messages

Why discussion groups? Knowledge management The main carriage for cooperative learning and working Knowledge management Sage on the Stage to Guide on the Side Shared memory (space) Equal opportunity to read and write messages Message are the links between participants and knowledge One can read (lurk) other discussions

Research populations Percentage of Number The Population A 100% 75,409 All Registered Participants 16.5% 12,506 Participants who sent at least 1 message B 28.8% 3,609 Non active Participants (received no answers and did not answer others) C 0.5% 67 Participants who only answered themselves D 70.6% 8,830 Regular Participants E

CC CPL 0.085 4.66618 Discussion Groups Network 0.000 7.3625 Random Network (Average encompassing three networks) 0.0003928 7.3045 Theoretical Random Network 216 0.63 Ratio between random network and discussion groups

ד"ר גלעד רביד המחלקה להנדסת תעשייה וניהול אוניברסיטת בן גוריון תודה .... שאלות..... תשובות........