Strumenti di machine learning per una lettura del comportamento in chiave reticolare
Oggi, la sfida per le persone e i contesti organizzativi è quella di muoversi in sistemi complessi e interconnessi, su più dimensioni: sociale, economica, culturale e organizzativa.
La dinamicità e l’incertezza del cambiamento richiedono a tutti noi di fare leva sulla learning agility, sviluppando nuove abilità, emancipando le modalità di lavoro e costruendo nuove abitudini.
La ricerca
Per approfondire questi temi, Mylia ha condotto una ricerca, che offre un contributo all’analisi della complessità organizzativa attraverso una fotografia multidimensionale del comportamento.
Il punto di partenza, focus dell’osservazione, è stato come le persone agiscono nei loro contesti organizzativi.
A quali comportamenti affidano il perseguimento dei loro obiettivi? Come si relazionano con gli altri? Come si orientano nella presa di decisione e nella guida delle persone? Il metodo utilizzato si avvale di strumenti di machine learning per rilevare le interconnessioni tra i comportamenti agiti da una persona all’interno del suo contesto operativo, dando luogo ad una lettura non lineare e reticolare della complessità organizzativa.
Il disegno di ricerca ha visto, come prima fase, la costruzione di un modello di lettura del comportamento manageriale e del relativo strumento di rilevazione, per proseguire con la fase di analisi dei dati attraverso e l’utilizzo di strumenti di machine learning e concludersi con la fase di data visualization, per la presentazione al cliente.
Il nostro modello di lettura del comportamento organizzativo nasce dal confronto tra le teorie di riferimento presenti in letteratura e l’esperienza pratica maturata sul campo. Si articola in 4 aree e 16 comportamenti che hanno guidato la scelta di indicatori e item associati per la costruzione del questionario.
Nello scegliere la metodologia di analisi dei dati con l’obiettivo di rilevare le interconnessioni tra i comportamenti, abbiamo fatto ricorso all’applicazione di strumenti di Machine Learning. Questo ha consentito di realizzare una fotografia reticolare ad alta risoluzione attraverso tre attività specifiche:
- creazione di una topologia multidimensionale basata su una Mappa di Kohonen (una tipologia di rete neurale artificiale ad apprendimento non supervisionato), volta a rappresentare geometricamente le relazioni tra i comportamenti;
- implementazione del metodo di cluster analysis, k-means, per l’individuazione di aree della mappa caratterizzate da fattori di similarità o affinità nel comportamento;
- individuazione della posizione delle persone all’interno della mappa e dei vari cluster individuati.
I risultati
La ricerca ha messo in evidenza la validità degli strumenti di machine learning per rilevare la multidimensionalità del comportamento organizzativo, alla base della nostra proposta.
Questo ci ha permesso di valorizzare la logica reticolare tra i vari elementi osservati e di visualizzare e tradurre una complessità, altrimenti non accessibile, attraverso una reportistica più immersiva, multimediale e interattiva.
L’applicazione sul campo della ricerca è avvenuta tramite la progettazione e lo sviluppo di un prototipo integrato alla nostra piattaforma LMS attraverso un plug in. In questo modo abbiamo avuto una conferma sull’efficacia del metodo per la costruzione di percorsi di crescita professionale/sviluppo. Questa sperimentazione, inoltre, ci ha consentito di ottenere dati significativi dovuti all’applicazione del nostro modello a diversi settori, in particolare nel settore Farmaceutico, TLC, Banking, Automotive, Machinary, Servizi.
I risultati della ricerca sono stati condivisi attraverso l’articolo “Mapping Organisational Complexity: A Network-Based Approach to Behaviour through Machine Learning Tools” pubblicato da Mylia sulla rivista scientifica “Journal of Business and Social Science Review” – pubblicazione sul Vol. 3; No.1; January 2022.
L’obiettivo della pubblicazione è quello di condividere i dati raccolti nel percorso multidisciplinare, presentando poi la prospettiva sistemica sperimentata attraverso il nostro osservatorio sul campo.
Per scoprire tutti i dettagli, leggete qui l’articolo completo.
Francesca Quintiliani, Research & Development Coord., Mylia