Primeros respondedores, personal de socorro en casos de desastre, y los miembros de las fuerzas armadas dependen de sus compañeros de equipo para tener éxito en su misión; sin embargo, Los altos costos de la recopilación de datos han dificultado la comprensión de la dinámica del equipo. Un trabajo reciente de investigadores del Instituto Politécnico Rensselaer está demostrando cómo los datos de los juegos en línea pueden ayudar a proporcionar información significativa.

Usando datos de League of Legends, uno de los juegos de rol en línea más populares del mundo, los investigadores han empleado técnicas de big data para desarrollar modelos que revelen cómo la pertenencia al equipo, historial de trabajo, y otros factores afectan los resultados del desempeño.

Estos hallazgos, que fueron publicados recientemente en Actas de la reunión anual de la Sociedad de Factores Humanos y Ergonomía , tienen implicaciones amplias y críticas. Los datos, sobre cientos de miles de partidos jugados por aproximadamente 100, 000 equipos:ha permitido a los investigadores construir y probar modelos estadísticos avanzados y explorar desafíos metodológicos complejos en el estudio del trabajo en equipo.

Su investigación sobre League of Legends tiene como objetivo determinar la mejor manera de medir y monitorear a los miembros individuales del equipo para mejorar el rendimiento y el aprendizaje a lo largo del tiempo. particularmente cuando se trata de situaciones más críticas.

"Nuestro enfoque nos permite hacer preguntas que son extremadamente difíciles de hacer en entornos 'en vivo' como el combate militar, "dijo David Mendonca, profesor asociado de ingeniería industrial y de sistemas en Rensselaer, que es uno de los investigadores principales del proyecto. "Los datos sobre el trabajo en equipo a este alcance y escala simplemente no están disponibles".

Con los datos de League of Legends, compilado minuciosamente a partir de fuentes disponibles públicamente, los investigadores pudieron probar su instrumentación y diseñar sus estudios para mejorar la recopilación de datos en un entorno de alto riesgo.

Típicamente, Mendonca dijo, Es difícil realizar este tipo de estudios en equipo porque se necesita una gran cantidad de sujetos de investigación para obtener suficientes datos. Los miembros del equipo también, idealmente, necesitan haber trabajado juntos antes para que los investigadores exploren su comportamiento a lo largo del tiempo. El conjunto de datos de League of Legends contiene miles de ejemplos de equipos cuyos miembros han jugado cientos de juegos juntos.

"Estamos tratando de comprender los procesos de aprendizaje y adaptación, particularmente cuando los equipos están sujetos a eventos imprevistos o inusuales, como la pérdida de miembros del equipo, "dijo Mendonca.

Este artículo reciente se basa en investigaciones anteriores realizadas por Mendonca y Wayne Gray, profesor de ciencia cognitiva en Rensselaer, así como Joshua Eaton, estudiante de doctorado en ingeniería industrial y de sistemas en Rensselaer. Anteriormente encontraron que hay posiciones críticas dentro de un equipo que pueden afectar significativamente los objetivos de un grupo. Por ejemplo, cuando un jugador que ocupa una posición crítica está "abajo", "Los eventos negativos dentro del juego aumentan para su equipo.

Mendonca y Eaton también encontraron que, si los miembros del equipo están familiarizados con su puesto, puede afectar positivamente la eficacia de un equipo. Lo que ha posibilitado esta investigación es el desarrollo de métricas que permitirán a Mendonca y su equipo intentar dar respuesta a uno de sus impulsos, y complejo, preguntas:¿Cuál es el efecto de la rotación y cómo pueden medirlo?

La Oficina de Investigación Naval apoya este trabajo a través de una subvención, para el cual Gray es el investigador principal. Él caracteriza el esfuerzo general como tratar de encontrar el "yo" en el "equipo".

"¿Podemos encontrar la contribución del individuo en un equipo?" dijo Gray, cuyo trabajo sobre el rendimiento en juegos para un solo jugador, como Tetris, ha dado lugar a descubrimientos pioneros sobre el aprendizaje por parte de expertos.

Por último, este trabajo está fuertemente enfocado en descubrir qué métricas son las más significativas de medir y cómo recopilar información que resultará útil en estudios posteriores. Con estos resultados en la mano, Mendonca dijo, Se espera que las investigaciones posteriores exploren el momento de la dotación de personal en las organizaciones militares y de otro tipo para respaldar el desempeño.