引用
Dissanayake I , Zhang J , Gu B . Task Division for Team Success in Crowdsourcing Contests: Resource Allocation and Alignment Effects[J]. Journal of Management Information Systems, 2015, 32(2):8-39.
摘要
信息技術的發展使公司可以通過在線眾包競賽來挖掘“大眾智慧”。在這些競賽中，個人參賽者以自組織團隊的形式進行合作，為獲得獎勵而競爭。從 2010 年 4 月至 2012 年 7 月，我們從眾包平臺 Kaggle.com 收集了來自 52 個競賽項目的 732 個團隊的數據，研究了虛擬團隊中成員的社會資本和智力資本的分配如何影響團隊在在線眾包競賽中的表現。我們的計量經濟學分析使用了一個秩有序的邏輯迴歸模型，結果表明，一個成員的社會資本和智力資本對團隊績效的影響取決於他的角色。團隊領導者的社會資本和團隊專家的智力資本對團隊績效有顯著影響，但團隊領導者的智力資本和團隊專家的社會資本對團隊績效無顯著影響。此外，我們發現團隊成員的社會資本和智力資本的協同性對團隊績效有顯著影響。此外，競爭的激烈程度會緩和這種影響。當競爭激烈時，社會資本和智力資本的協同對團隊績效產生消極影響，當競爭強度較低時，這種匹配對團隊績效產生積極影響。我們的發現為提高眾包社區中團隊競賽的表現提供了思路。
關鍵詞：眾包、眾包競賽、計量經濟學、智力資本、社會資本、社會網絡分析、團隊競賽、虛擬團隊
引言
眾包的意思是“公開邀請一大群人接受一項任務，而這項任務傳統上是由僱員或承包商以公開電話的形式完成的”。在商業實踐中，利用在線眾包社區徵求“群眾智慧”的實例比比皆是。考慮到眾包社區的重要性，研究如何提高眾包競賽的表現越來越受到關注。與一般的工作環境相比，眾包競賽往往更復雜、創新程度更高、競爭壓力更大、時間限制更嚴格。因此，眾包鼓勵團隊合作。而現有研究都是在個人水平上進行的。隨著虛擬團隊在眾包中的流行，人們越來越有興趣瞭解團隊績效。數字媒體還允許位於任何地理區域的個人組成自組織的“虛擬團隊”，並與團隊成員協作，共同贏得比賽。證據表明，團隊在眾包競賽中表現更好。
團隊績效不僅是個體績效的集合。當解決更困難的問題時，團隊可以產生積極的協同作用，並且表現得更出色。此外，眾包與大多數在線社區(例如開源社區)的不同之處在於，眾包依賴於團隊之間的競爭來產生最佳解決方案，而在線社區中團隊本質上是協作的。因此，現有的在線社區文獻也不直接適用於眾包。為了填補這些空白，我們考察了自組織的虛擬團隊中的社交網絡結構，這些團隊在涉及獎勵的在線眾包競賽中競爭。
我們在眾包平臺 Kaggle.com 上收集了 732 支隊伍參加 52 場比賽的數據，我們發現，成員的社會資本和智力資本之間的協同對團隊績效有負面影響。然而，這種影響在競爭較弱的環境中是積極的。也就是說，在高度競爭的競賽中，如果擁有更高智力資本的成員不在團隊社交網絡的中心，團隊就會表現得更好。這一發現支持基於技能集為團隊成員提供不同角色的觀點，建議在競爭激烈時，團隊高智力資本的成員應專注於創新工作，讓高社會資本的成員負責確保團隊內部的有效溝通。這為我們瞭解眾包競賽的理想團隊結構提供了新的證據。
這篇文章對理論和實踐都有獨特的貢獻。首先，之前所有關於眾包的研究都是在個人或競賽層面上進行的，但據我們所知，這項研究是第一次考慮團隊在眾包中的表現。從 Kaggle.com 收集的數據樣本表明，自組織的虛擬團隊是參與眾包項目的一種常見方式，並且團隊獲勝的幾率比個人高。因此，個人可能希望加入一個團隊，以最大化在眾包中獲勝的可能性。其次，本文進一步探索團隊成員的構成與社會資本,而之前關於眾包的文獻主要研究智力資本。第三，它還通過調查具有競爭團隊的特殊在線社區的價值創造，為在線社區文獻積累做出了貢獻。
最後，本研究為眾包競賽中團隊資源配置對團隊績效的影響提供了新的證據，這是眾包研究中一個重要而又備受關注的課題。它呼籲在更廣泛的背景下對團隊內部的資源協同性進行更多的研究。具體來說，我們通過考慮環境競爭的緩和影響，將凱恩-博加蒂的社會智力資本協同模型擴展到眾包社區。我們發現，在競爭激烈的競賽中，這種協同會產生負面影響，而在競爭不激烈的競賽中，這種協同會產生正面影響。我們的結果擴展了早期的研究，表明在非競爭環境中，協同性有積極的影響。研究結果為在線眾包環境下具有競爭性虛擬團隊的勞動分工理論和團隊管理提供了新的實證證據。
研究模型
團隊的智力資本和社會資本
團隊成員為他們的團隊帶來兩種類型的資本:社會資本和智力資本。智力資本指的是他們從經驗、學習和教育中獲得的與任務相關的技能和知識，而社會資本指的是“一個人在關係結構中的位置所創造的優勢”。我們將這些關係運作化為團隊成員與團隊內其他成員之間的關係。這兩種資本都會影響集體的行為及其績效。
團隊的智力資本或技能是團隊績效的基本要素，是決定他們在眾包競賽中的表現和獲勝概率的重要因素。有效利用成員的任務相關專業知識有助於提高專家團隊的成果。除了智力資本，先前的研究還強調了團隊成員的社交技能，即他們在團隊中有效工作的能力。一個團隊中社交網絡聯繫的密度可以提高團隊績效。我們處理的是非常智能的預測分析任務。我們的智力資本基於解決者的分析技能和分析項目和工具的經驗。在眾包競賽中，擁有高智力資本的成員提供解決問題所需的必要知識。接下來，我們將社會資本建立在與團隊成員過去的協作關係的基礎上，因為這些關係表明了團隊成員之間能夠很好地合作的可能性。具有高社會資本的成員在團隊中提供必要的協調，以分配工作並促進溝通和信息共享。為此我們假設：
假設 1a(團隊智力資本假設):團隊的智力資本對團隊績效有積極的影響。
假設 1b(團隊社會資本假設):團隊的社會資本正向影響團隊績效。
領導者和專家的智力資本和社會資本
為了探索團隊中每個角色是否都同等重要，我們考慮兩個特別的角色：領導者和專家。
這種協調和分配團隊任務的的任務主要落在作為溝通和協調中心的團隊領導身上。團隊領導者的社交網絡關係對團隊績效有顯著的正向影響。我們的研究著眼於競爭激烈和時間敏感的競賽。因此，成員執行多個任務的能力往往有限。儘管社會資本和智力資本對團隊績效都很重要，但我們認為，作為溝通的中心，領導者的社會資本對團隊績效的影響大於其智力資本。另一方面，擁有高智力資本的專家或團隊成員為解決手頭的任務提供必要的技術知識。讓他們分配有限的時間來解決問題的技術方面是很重要的。因此，我們認為團隊專家的智力資本比他或她的社會資本對團隊績效有更高的影響。因此,我們建議:
假設 2a(領導者社會資本假設):團隊領導者的社會資本比智力資本對團隊績效更重要。
假設 2b(專家智力資本假設):與社會資本相比，團隊專家的智力資本對團隊績效的影響更大。
社會-智力(SI)協同性
團隊智力資本和社會資本可能超過個人社會資本和智力資本之和的簡單平均值。除了團隊領導者的社會資本和團隊專家的智力資本外，另一個重要的因素是團隊內兩類資本的協同性，這是通過兩類資本的相關係數來衡量的。積極的協同性可能會促進學習遷移，並在獨立團隊中發揮同行影響，從而提高團隊績效。
在我們的背景下，雖然社會資本和智力資本對團隊績效都很重要，但在競爭環境中，一個成員在社會和智力方面的表現往往有限。因此，我們認為，在競爭環境中，如眾包驗證，允許智力資本高的成員專注於與任務直接相關的活動的勞動分工，以及允許社會資本高的成員處理團隊成員之間的協調和溝通。在競爭更激烈的環境中，這種影響可能會加劇。因此,我們建議:
假設 3(團隊 SI 協同假設):社會資本和智力資本之間的負協同(SI 協同)對眾包競賽中的團隊績效產生積極影響。
假設 4(競爭強度假設):競爭強度調節了 SI 協同與團隊績效之間的關係，使得負協同的影響隨著競爭強度的增加而增強。
研究模型見圖一。我們沒有包括“領導者社會資本(H2a)假說”和“專家智力資本(H2b)假說”，因為它們是個體層面的衡量標準。
圖 1 研究模型
數據收集和變量定義
數據收集
我們使用網絡爬蟲從一個專注於數據分析項目的專業眾包社區平臺 Kaggle.com 獲取數據(見圖二)，這個社區由來自 100 多個國家和 200 多所大學的 10 萬多名數據科學家組成。他們是計算機科學、統計學、經濟學、數學和物理等各個定量領域的專家。公司、政府和研究人員提供數據集，以便 Kaggle 瞭解他們的問題以及他們願意向獲勝者支付的獎勵金額。，Kaggle 為眾包社區設立了競賽。每位參賽者或參賽隊伍可在競賽截止日期前提交多個方案。Kaggle 使用測試數據集對所有提交進行實時評估，並提供即時反饋，其中包括關於其模型的預測精度以及它們在競賽中的相對位置(例如，排名)的信息。
圖 2 數據來源 Kaggle 的截圖
在這項研究中，我們收集了自 2010 年 4 月 Kaggle 推出社區平臺到 2012 年 7 月的所有公開競賽的數據。剔除了沒有金錢獎勵的比賽、只有一名成員的隊伍和獎金極高的離群值之後，我們的最終樣本由參加 52 場比賽的 732 支隊伍組成。我們的數據集表明，在考慮了參與率之後，團隊獲勝的幾率是個人的 4.8 倍。參與者的在線資料表明，團隊成員在地理上是分散的。團隊成員來自不同的國家，有時甚至來自不同的大陸，這表明它支持虛擬團隊協作。
自變量和因變量
我們使用團隊排名作為衡量團隊績效的主要因變量。因為 Kaggle 提供了對解決方案的實時性能評估，並根據它們的預測精度對它們進行排名，並且一個團隊可以提交多個解決方案，所以我們使用它們的最終排名作為團隊的性能度量。
我們的主要自變量是智力資本(IC)、社會資本(SC)和社會智力(SI)的一致性。這些團隊級別的度量基於個人級別的智力資本和社會資本。
我們使用一個人的個人技能得分代表個人智力資本。Kaggle 使用公式來計算每個人的技能分數，該分數是基於他們在之前比賽中的表現。比賽的最大得分取決於參賽者的總數和內容的難度。根據 Kaggle 的說法，“當前的每項比賽的計算公式是，在團隊成員之間分配分數，根據參賽隊伍的數量進行調整，並在比賽結束後的兩年時間內線性地將分數降低到 0 分。每次比賽結束後，Kaggle 都會更新每個人的技能分數。在我們的數據集中，個人技能得分從 0 到 563500 分不等，平均為 21362 分。
社會資本是團隊成員之間的聯繫。這些聯繫基於之前的合作，也就是說，一個團隊的成員是否在之前的比賽中在同一個團隊中工作過。我們使用了兩種常用的基於關係的中心性度量方法:度中心性和特徵向量中心性。度中心性範圍為 0 ~ 22，特徵向量中心性範圍為 0 ~ 1。個人的度中心性定義為他/她在當前團隊形成之前與其他團隊成員之間的聯繫數量。團隊領導者的中心性程度明顯高於其他團隊成員。因此，團隊領導者通常是那些之前與其他團隊成員合作過的人。將基於過去合作關係的團隊內部社交網絡數據(鄰接矩陣)輸入到 UCINet 中，UCINet 用於計算個體的特徵向量中心性得分。形式上，特徵向量的中心性是“定義網絡的鄰接矩陣的主特徵向量”。它給所有的團隊成員分配相對分數，當一個成員與一個具有更高程度中心性的人聯繫時，他或她的分數會更高。
我們計算團隊智力資本(IC)，取所有成員的個人資料得分的平均值。類似地，團隊社會資本(SC)是通過取團隊中所有成員的度數或特徵向量中心性的平均值來計算的。
團隊的社會智力(SI)協同定義為團隊社交網絡中成員的智力資本(技能)和社會資本(中心性)之間的相關係數。在計算 SI 對齊時，我們使用了兩種基於紐帶的中心性度量:度中心性和特徵向量中心性。
調節和控制變量
競爭強度：使用赫芬達爾指數(HHI)來衡量比賽中的競爭水平。HHI 越高，競爭強度越低，反之亦然。HHI 衡量團隊與競賽相關的智力資本，我們通過計算所有參賽隊伍的加權智力資本的平方和來計算它。
為了控制每個競賽的異質性(如競賽獎勵和持續時間)，我們在模型中加入了特定於競賽的固定變量。基於眾包的文獻，我們還控制了團隊的規模和每個團隊提交的內容的數量。所有的變量定義見表 1。
表 1 變量定義表
表 2 變量的描述性統計
結果
使用團隊成員的平均值作為團隊的智力資本和社會資本。我們的結果表明，兩者都對良好的團隊績效很重要，因此支持“智力資本假說(H1a)”和“社會資本假說(H1b)”。團隊領導負責團隊內部的溝通和協調活動，必須具備良好的社交技能，熟悉團隊成員，才能有效溝通，並根據團隊成員的技能和能力分配任務和資源。“領導者社會資本假說(H2a)”得到了支持。專家智力資本假說也(H2b)”得到了支持。但是，我們目前的經驗數據限制了我們深入瞭解團隊中實際協作如何發生的能力。
支持“SI 對齊假說(H3)”。我們的結果表明，當高智力資本和高社會資本集中於少數成員時，團隊表現較差。
(H4)”得到了支持。結果表明，隨著競爭強度的降低，SI 協同對性能的負面影響將逐漸減弱，甚至可能變為正面影響。因此，在競爭和非競爭環境中，SI 協同對性能的影響是不同的。
為了解決測量尺度的問題，我們使用秩有序的邏輯迴歸來測試模型。因為較低的秩代表較高的性能等級，我們使用了反向優先順序。我們還控制了競賽的固定變量(例如，獎勵，持續時間)。
在第一階段的分析中，我們考察了團隊的社會資本和智力資本是如何影響團隊績效的。在處理組能力時，我們使用團隊成員的平均社會和智力資本。
Logit(TeamPerformanceij)=α0+α1TeamICij+α2TeamSCij+α3Submissionsij+α4TeamSizeij+δj+εij
這裡 αk(k=0…4)代表變量的係數,δj 是競賽的固定變量,下標 i 是團隊,j 是比賽。
表 3 總結了第一階段的分析結果。模型 1 和 2 測試了團隊的智力資本和社會資本對團隊績效的直接影響。支持假設 H1a 和 H1b。智力資本(α1 = 0.22,p < 0.01)和社會資本(α2 = 0.27,p < 0.05)顯示正向且顯著的影響。
表 3 秩有序的邏輯迴歸結果（團隊 SC 和 IC）
同理，團隊領導者和專家的智力資本、社會資本對團隊績效的影響模型如下：
Logit(TeamPerformanceij)=α0+α1LeaderICij+α2LeaderSCij+α3Submissionsij+α4TeamSizeij+δj+εij
實驗結果如表 4，支持了假設 H2a 和 H2b。
表 4 秩有序的邏輯迴歸結果（領導者和專家）
SI 協同對團隊績效影響的模型如下：
Logit(TeamPerformanceij)=α0+α1SIij+α2TeamICij++α3TeamSCij+α4Submissionsij+α5TeamSizeij+δj+εij
表 5 總結了結果。模型 1 給出了基於度中心性的 SI 對齊效果，模型 2 給出了基於特徵向量中心性的 SI 對齊效果。對齊的效果碓這兩個模型 1(α1 = -0.61,p < 0.05)和模型 2(α1 = -0.63,p < 0.05)間團隊排名的影響是顯著反向的。因此，支持“SI 對齊假說(H3)”。
表 5 秩有序的邏輯迴歸結果（SI 協同）
我們進一步研究了競爭強度對團隊績效的影響。利用不同的競爭 HHI 值對模型進行了檢驗，發現當 HHI 增加時，SI 由負變正。我們根據 HHI 值對數據進行了排序，並將其分為兩個數量相等的組。我們將競爭程度較低的 HHI 組(即競爭力較高的組)作為基礎組。
Logit(TeamPerformanceij)=α0+α1SIij+α2TeamICij++α3TeamSCij+α4SIij*CompetitionHHIj+α5CompetitionHHIj+α6Submissionsij+α7TeamSizeij+δj+εij
結果見表 6。SI 協同是負的和顯著的(α1 = -1.15,p < 0.01)，意味著負協同在當今激烈的競爭環境中提高團隊績效。此外,SI 協同和競爭 HHI 的相互影響是正向且顯著(α4 = 1.18,p < 0.05)。因此，“競爭強度假說(H4)”得到了支持。結果表明，隨著競爭強度的降低，SI 協同對性能的負面影響將逐漸減弱，甚至可能變為正面影響。因此，在競爭和非競爭環境中，SI 協同對性能的影響是不同的。
表 6 秩有序的邏輯迴歸結果（競爭強度）
除了上述主要結果外，我們還進行了各種補充測試，包括社會資本和智力資本的內生性與績效測試，以及社會資本和智力資本的替代測度。所有這些檢查一致表明結果是可靠的。
貢獻
管理學方面的文獻對團隊合作進行了長時間的研究。然而，由於數據收集和績效測量的侷限性，在一個自組織的虛擬團隊中，缺乏對成員之間的智力和社會資本分配的研究。本研究通過以下理論貢獻填補了這一空白。
瞭解我們關於智力資本和社會資本如何聯合影響團隊績效的結果，以及競爭如何緩和這種關係，可以為從業者帶來好處。我們的研究提供的主要見解與在團隊中劃分任務和分配角色以獲得更好的性能有關。這個原則可以從在線眾包推廣到任何團隊管理和社區設計環境。每個團隊成員都應該被分配一個他或她最擅長的任務，這樣每個人都可以為團隊項目或社區目標做出貢獻。
我們的發現為眾包競賽的參與者和競賽組織者提供了指導，以提高虛擬團隊的表現。結果表明，智力資本與社會資本的負向結盟在群聚競賽中是有益的。因此，數字平臺提供商可以通過向參與者提供建議、進行界面設計更改和直接管理團隊組建來鼓勵這一點，而不是讓參賽者自己組建團隊。
由於我們已經發現競爭會影響眾包社區的績效，類似的方法可以適用於組織團隊。
侷限性和今後研究方向
這項研究有許多限制，可以繼續未來的研究。首先，我們的研究基於一個數據挖掘眾包社區網站的數據。將我們的研究推廣到其他類型的眾包社區，以及一般的團隊競爭場景將會很有用。其次，我們的數據只包括網站上公開的信息，這限制了我們捕捉團隊成員之間的實際交互的能力。在我們的領導者和專家模型中，我們發現領導者的智力資本和專家的社會資本的影響是不顯著的。因此，我們鼓勵對團隊內部如何協作進行進一步的研究。其他方法，如後續調查，可能會在未來的研究中產生更豐富的數據。第三，它將有助於衡量眾包任務的複雜性和協調團隊成員的難度。模型中需要考慮這些因素，因為上述因素可能會緩和勞動分工的難度。最後，研究團隊績效如何隨時間變化也是很有趣的。
致謝
本文由南京大學軟件學院 2019 級碩士段夢洋翻譯轉述。
感謝國家重點研發計劃（2018YFB1403400）和國家自然科學基金（71732003，61772014）支持！
閱讀更多 慕測科技 的文章
