Trustworthy Task Allocation for Human Teams

Abstract

L'assignació de tasques per a equips humans és de suma importància en una varietat d'entorns del món real. Els equips reuneixen individus amb diferents competències, interessos i perspectives, el que els permet abordar desafiaments complexos que una sola persona no pot gestionar a causa de la manca de recursos, com coneixements, habilitats i temps. El treball en equip efectiu fomenta un sentit d'afiliació, propòsit compartit i compromís entre els membres de l'equip, motivant-los a invertir esforç addicional, mantenir-se centrats en els seus objectius i aconseguir resultats d'alta qualitat. Ja sigui en entorns laborals, educatius o activitats comunitàries, la formació i assignació d'equips són essencials per a l'èxit. En aquesta tesi, abordem el desafiament de l'assignació fiable de tasques per a equips humans i proporcionem eines per recolzar un treball en equip efectiu.

En primer lloc, realitzem una revisió exhaustiva de la formació d'equips en múltiples camps científics, incloent Ciències de la Computació, Psicologia Organitzacional, Psicologia Motivacional i Ciències Socials. Explorem la base en la qual es formen els equips en aquests camps i examinem les característiques humanes que influeixen en el treball en equip i el rendiment de l'equip.

A continuació, sintetitzem les troballes de la literatura per identificar característiques humanes clau que milloren el treball en equip i proposem mètriques per avaluar equips en funció d'aquests atributs. Aquestes mètriques inclouen competències, personalitat, gènere, preferències i relacions interpersonals. Introduïm quatre mètriques d'agregació que permeten avaluar equips en funció d'aquestes característiques.

Continuant, estudiem el problema de la formació d'equips. Ens centrem en escenaris que involucren múltiples tasques i requereixen equips en els quals cada equip treballa en una tasca diferent, amb la limitació que cada individu pot participar com a màxim en un equip. Definim el Problema d'Assignació de Molts Equips a Moltes Tasques que no es solapen (NOMTMT-AP). Mostrem que el NOMTMT-AP és un problema NP-complet i presentem dos algorismes per resoldre'l: un algorisme òptim i Edu2Com, un algorisme heurístic en qualsevol moment. Portem a terme una avaluació empírica exhaustiva per avaluar la qualitat, el temps d'execució i el comportament en qualsevol moment de Edu2Com en comparació amb l'algorisme òptim. També examinem la solubilitat del problema i el rendiment de l'equip quan els equips es formen tenint en compte les competències, la personalitat, el gènere, les preferències i les relacions interpersonals dels individus.

Finalment, abordem el desafiament d'explicar per què un algorisme de formació d'equips va formar els equips que va generar i no altres. Identifiquem preguntes intuïtives i significatives que aborden els punts clau d'interès en relació amb els escenaris de formació d'equips. Presentem un algorisme explicatiu general que pot envoltar un algorisme existent de formació d'equips sense modificar-lo i construir explicacions contrastives. També proposem un detector de violació de la privacitat que avalua si una explicació està destinada a revelar informació privada. A més, presentem un marc general que descriu les interaccions entre un algorisme de formació d'equips, un algorisme explicatiu i un detector de violació de la privacitat.

La asignación de tareas a equipos humanos es de suma importancia en una variedad de entornos del mundo real. Los equipos reúnen a individuos con diferentes competencias, intereses y perspectivas, lo que les permite abordar desafíos complejos que una sola persona no puede manejar debido a la falta de recursos, como conocimientos, habilidades y tiempo. El trabajo en equipo efectivo fomenta un sentido de pertenencia, propósito compartido y compromiso entre los miembros del equipo, motivándolos a invertir esfuerzo adicional, mantenerse enfocados en sus objetivos y lograr resultados de alta calidad. Ya sea en entornos laborales, educativos o actividades comunitarias, la formación y asignación de equipos son esenciales para el éxito. En esta tesis, abordamos el desafío de la asignación confiable de tareas para equipos humanos y proporcionamos herramientas para ayudar a la formación de equipos eficientes.

En primer lugar, realizamos una revisión exhaustiva de la formación de equipos en múltiples campos científicos, incluyendo Ciencias de la Computación, Psicología Organizacional, Psicología Motivacional y Ciencias Sociales. Exploramos la base sobre la cual se forman los equipos en estos campos y examinamos las características humanas que influyen en el trabajo en equipo y el rendimiento del equipo.

Luego, sintetizamos los hallazgos de la literatura para identificar características humanas clave que mejoran el trabajo en equipo y proponemos métricas para evaluar equipos en función de estos atributos. Estas métricas incluyen competencias, personalidad, género, preferencias y relaciones interpersonales. Introducimos cuatro métricas de agregación que permiten evaluar equipos en función de estas características.

Continuando, estudiamos el problema de la formación de equipos. Nos centramos en escenarios que involucran múltiples tareas y requiriendo que cada equipo trabaje en una tarea diferente, con la limitación de que cada individuo puede participar en un máximo de un equipo. Definimos el Problema de Asignación de Muchos Equipos a Muchas Tareas no Superpuestas (NOMTMT-AP). Mostramos que el NOMTMT-AP es un problema NP-completo y presentamos dos algoritmos para resolverlo: un algoritmo óptimo y Edu2Com, un algoritmo heurístico capaz de proporcionar soluciones en cualquier momento. Llevamos a cabo una evaluación empírica exhaustiva para evaluar la calidad, el tiempo de ejecución y el comportamiento en cualquier momento de Edu2Com en comparación con el algoritmo óptimo. También examinamos la solubilidad del problema y el rendimiento del equipo cuando los equipos se forman considerando las competencias, personalidad, género, preferencias y relaciones interpersonales de los individuos.

Finalmente, abordamos el desafío de explicar por qué un algoritmo de formación de equipos formó los equipos que generó y no otros. Identificamos preguntas intuitivas y significativas que abordan los puntos clave de interés en relación con los escenarios de formación de equipos. Presentamos un algoritmo explicativo general que puede operar con un algoritmo existente de formación de equipos sin modificarlo para construir explicaciones contrastivas. También proponemos un detector de violación de privacidad que evalúa si una explicación tiene potencial de revelar información privada. Además, presentamos un marco general que describe las interacciones entre un algoritmo de formación de equipos, un algoritmo explicativo y un detector de violación de privacidad.

Task allocation for human teams is of paramount importance in a plethora of realworld settings. Teams bring together individuals with different competencies, interests and perspectives, enabling them to tackle complex challenges that a single person cannot handle due to lack of resources (e.g., knowledge and skills) or time. Effective teamwork fosters a sense of belonging, shared purpose, and commitment among team members, driving them to put in extra effort, remain focused on their goals, and ultimately reach high-quality outcomes. From workplaces to educational settings and community activities, forming and allocating teams is crucial for achieving success. In this dissertation, we tackle the problem of trustworthy task allocation for human teams. Specifically, we contribute by putting forward tools to aid the process towards effective teamwork.

First, we review the literature regarding teams and team formation across several scientific domains, including Computer Science, Organisational Psychology, Motivational Psychology and Social Sciences. We study on which bases teams are formed in the different scientific areas, and we explore which human characteristics influence teamwork and team performance.

Second, we use the findings from the literature and we put together important human characteristics that benefit teamwork. We propose metrics that allow us to evaluate a team across these characteristics. In particular, we discuss how to aggregate from an individual level to a team level several human characteristics such as competencies, personality, gender, preferences and interpersonal relations. We propose four such aggregating metrics, namely the competence affinity, congeniality, motivation and social cohesion. We also introduce collegiality, a metric that considers the beneficial-to-teamwork individual characteristics and can be used as a predictor for team performance.

Third, we study the problem of forming teams. In particular, we focus on settings that involve multiple tasks and require teams that each team works on a different task, while each individual can participate in at most one team. Hence, we define the Non Overlapping Many Teams to Many Tasks Allocation Problem (NOMTMT-AP). We show that the NOMTMT-AP is NP-complete, and we put forward two algorithms for solving the problem: an optimal solver and Edu2Com, an anytime heuristic solver. We conduct a manifold empirical evaluation. Our evaluation allowed us to study (i) the quality, runtime and anytime behaviour of Edu2Com when pitched against the optimal solver, (ii) the solubility of Edu2Com along with the limitations of the optimal solver, and (iii) the team performance when the teams are formed considering the individuals' competencies, personality, gender, preferences and interpersonal relations.

Fourth, towards trustworthiness, we address the problem of explaining why a team formation algorithm formed the teams it outputs and not others. In this direction, we identify a collection of questions that are intuitive and meaningful and cover the main points of interest regarding team formation scenarios. Then, we introduce a general explanatory algorithm that can wrap an existing team formation algorithm without modifying it and build contrastive explanations. We conduct an empirical evaluation and show that our algorithm builds contrastive explanations are easy to understand, requiring just the reading level of a high-school student. Along with explaining team formation scenarios, we turn our attention to a vital challenge regarding explanations. Specifically, we address the problem of preserving privacy upon providing explanations. In this light, we put forward a privacy breach detector that assesses whether an explanation is bound to reveal private information. Finally, we propose a general framework that describes the interactions between a team formation algorithm, an explanatory algorithm and a privacy breach detector.