Un Enfoque Justo para Armar Equipos

La formación de equipos es el proceso de seleccionar un grupo de personas para trabajar juntas en una tarea o proyecto. Este proceso a menudo implica encontrar un equilibrio entre varios criterios de equidad y asegurarse de que el equipo seleccionado cumpla con las necesidades del proyecto. Al armar un equipo, hay cuatro criterios principales de equidad a considerar:

1. Distribución Justa de Carga de Trabajo: Asegurarse de que la cantidad de trabajo se comparta de manera equitativa entre los miembros del equipo.
2. Distribución Justa de Habilidades: Asegurarse de que las habilidades entre los miembros del equipo se alineen con los requisitos del proyecto.
3. Representación Justa: Asegurar que grupos diversos estén representados en el equipo.
4. Distribución Justa de Costos: Distribuir el costo total del equipo de manera justa entre los miembros.

Para abordar los desafíos de la formación de equipos, se puede usar un método de dos pasos. Primero, se aplica un proceso de optimización de múltiples objetivos para encontrar a los mejores candidatos para el proyecto. Este paso se centra en seleccionar individuos que cumplan con los requisitos del proyecto, teniendo en cuenta los criterios de equidad. Luego, se forman grupos aleatorios a partir de estos candidatos, y se lleva a cabo una segunda ronda de optimización para encontrar el mejor equipo basado en los criterios de formación de equipos.

Construir un equipo efectivo requiere pensar cuidadosamente sobre los requisitos del proyecto y las tareas que el equipo necesitará llevar a cabo. Los tomadores de decisiones deben traducir estas necesidades en requisitos específicos y accionables para que se pueda formar un equipo adecuado. Además, se deben tener en cuenta consideraciones éticas y legales, especialmente en áreas de alto riesgo como la educación o los lugares de trabajo profesionales.

Una de las mayores preocupaciones en la formación de equipos es el sesgo injusto, que puede surgir de factores sociales o técnicos. Este tipo de sesgo puede llevar a un trato desigual durante el proceso de selección y puede perjudicar a miembros de ciertos grupos, como mujeres o minorías étnicas. Investigaciones existentes han estudiado maneras de mejorar los algoritmos de formación de equipos para que sean más justos, pero muchos de esos estudios se centran en seleccionar candidatos uno por uno, lo que puede ignorar aspectos importantes de la equidad.

Nuestro enfoque aborda dos problemas. Primero, reconocemos que los tomadores de decisiones a menudo tienen múltiples objetivos que quieren equilibrar al mismo tiempo. Segundo, seleccionar miembros del equipo uno por uno puede llevar a elecciones subóptimas, ya que puedes perder mejores candidatos que podrían haberse elegido más tarde.

Proponemos tratar la formación de equipos como un problema de optimización de múltiples objetivos que tenga en cuenta múltiples metas competitivas. El algoritmo está diseñado para manejar las complejidades de la formación de equipos con equidad, proporcionando beneficios como una mejor equidad en los cuatro criterios mencionados anteriormente.

En teoría, el mejor enfoque para formar un equipo sería evaluar cada posible combinación de miembros del equipo según estos criterios. Sin embargo, esto puede ser muy intensivo en recursos, especialmente con un gran grupo de candidatos. Para hacer este proceso más eficiente, nuestro método de dos pasos funciona así:

1. Primero, filtramos a los candidatos que no cumplen con los requisitos mínimos del proyecto.
2. Luego, generamos grupos aleatorios a partir de los candidatos restantes y realizamos una segunda ronda de optimización para encontrar los equipos más adecuados.

De esta manera, podemos equilibrar la necesidad de equidad con las limitaciones de tiempo y recursos.

#Trabajo Relacionado

Un equipo se puede considerar como un grupo de dos o más personas trabajando juntas hacia un objetivo común. Dependiendo del contexto, los equipos pueden necesitar hacer tareas que van desde escribir ensayos grupales hasta desarrollar nuevos productos. Existen diferentes técnicas y soluciones para la formación de equipos, que van desde software que permite a los usuarios seleccionar candidatos hasta sistemas que utilizan aprendizaje automático para la optimización.

La investigación sobre la formación de equipos abarca varias aplicaciones y métodos computacionales. Algunos estudios se centran en formar equipos en función de las habilidades de los individuos y qué tan bien trabajarán juntos. Otros exploran cómo las personalidades de los miembros del equipo pueden afectar su desempeño.

Cuando se trata de equidad en la formación de equipos, se han desarrollado varios métodos para identificar y abordar el sesgo. Por ejemplo, ciertas métricas de equidad requieren que grupos protegidos, como los grupos de género, sean seleccionados a tasas iguales. Si bien hay algunas discusiones sobre la equidad en la formación de equipos, no son tan extensas como en otras áreas como clasificaciones y recomendaciones.

Nuestro trabajo busca llenar este vacío al considerar la formación de equipos como una tarea única en lugar de incremental. Consideramos todos los requisitos del proyecto y examinamos a los candidatos de manera holística mientras nos enfocamos en múltiples criterios de equidad.

#Un Nuevo Enfoque para la Formación de Equipos

Creemos que la equidad en la formación de equipos debería ir más allá de un solo objetivo. La mayoría de las veces, la formación de equipos implica distribuir varios bienes y oportunidades al mismo tiempo. Esto incluye un acceso justo a los equipos, así como equidad en la asignación de tareas y responsabilidades. Por lo tanto, identificamos cuatro objetivos clave que deberían guiar una formación de equipos justa:

1. Representación Justa: Asegurar una representación diversa de atributos protegidos dentro del equipo.
2. Distribución Justa de Carga de Trabajo: Esforzarse por una distribución equitativa de las responsabilidades entre los miembros del equipo.
3. Distribución Justa de Expertise: Equilibrar las habilidades dentro del equipo.
4. Distribución Justa de Costos: Asignar los costos totales de manera justa en función de los atributos protegidos de los candidatos.

Al usar estos cuatro objetivos como base, podemos evaluar mejor la equidad de un equipo seleccionado.

#Formulación del Problema

Para formular el problema, consideramos un conjunto de habilidades, un atributo sensible binario que puede indicar una característica protegida, un grupo de candidatos y un conjunto de requisitos para el proyecto. Cada candidato tiene un costo asociado con sus habilidades y un valor vinculado a su atributo sensible. Esto nos permite evaluar qué tan bien un grupo cumple con los requisitos del proyecto en función de la cobertura de habilidades colectiva.

Nuestro objetivo es seleccionar un equipo que cumpla con las especificaciones del proyecto mientras minimizamos los cinco objetivos de equidad que describimos. Estos objetivos incluyen el costo del equipo, la distribución de carga de trabajo, la distribución de experiencia, la paridad de representación y la diferencia de costos.

1. Costo del Equipo: El costo total de formar el equipo, basado en las habilidades que coinciden con el proyecto.
2. Distribución de Carga de Trabajo: Medida por qué tan equitativamente se comparte la carga de trabajo entre los miembros del equipo.
3. Distribución de Expertise: Asegura que las habilidades estén equilibradas según los requisitos del proyecto.
4. Paridad de Representación: Busca la igualdad en la representación de atributos sensibles.
5. Diferencia de Costos: Evalúa las diferencias de costos asociadas con los atributos de los candidatos.

#Equidad Multiojetiva en la Formación de Equipos

Nuestro método propuesto para la formación de equipos incorpora múltiples restricciones de equidad. Funciona en dos etapas. Primero, reconocemos los requisitos del proyecto como objetivos y seleccionamos a los mejores candidatos. En la segunda etapa, creamos varios equipos a partir de estos candidatos y calculamos los criterios de equidad para cada equipo.

El proceso de filtrado ayuda a identificar candidatos con las habilidades necesarias para el proyecto, y los candidatos seleccionados pasan por una fase de optimización de múltiples objetivos. Luego, se identifican los mejores candidatos, conocidos como candidatos Pareto. Una vez que tenemos a estos candidatos, procedemos a formar equipos aleatorios y evaluar su equidad según los objetivos que establecimos.

Después de formar los equipos, podemos ver qué tan bien cumplen con las necesidades del proyecto y evaluarlos según los objetivos de equidad. Los equipos se comparan para ver cuáles son no dominados, lo que significa que rinden mejor en al menos un objetivo sin ser peores en otros.

Finalmente, seleccionamos el equipo que muestra menos injusticia en todos los objetivos.

#Conjunto de Datos y Evaluación

Para evaluar nuestro método, utilizamos un conjunto de datos de trabajadores freelance que declararon sus habilidades y costos para 1,211 candidatos en 175 áreas de habilidades. Cada candidato tiene un costo asociado con sus habilidades, y el conjunto de datos incluye requisitos para 600 proyectos diferentes.

Para probar nuestro enfoque, también lo comparamos con dos métodos existentes. El primer método seleccionó candidatos gradualmente, mientras que el segundo se centró en asegurar una distribución justa entre grupos protegidos. Medimos el rendimiento de nuestro enfoque multi-objetivo en comparación con estos métodos en varios escenarios de proyecto.

En promedio, nuestro método pudo reducir significativamente la cantidad de candidatos y equipos que necesitaban evaluación, optimizando el proceso mientras mantenía los criterios de equidad bajo control.

#Conclusión

En resumen, sostenemos que se necesita una visión más amplia de la equidad en la formación de equipos. Al enmarcar la formación de equipos como una tarea de optimización de múltiples objetivos, proporcionamos un método más flexible que puede manejar varias restricciones de equidad mientras se forman equipos. Este enfoque permite la maximización o minimización de un único objetivo así como la optimización conjunta de todos los objetivos.