Формирование состава команды ИТ-проекта на основе анализа индивидуальных характеристик и взаимоотношений участников

Выбор набора данных (составление кейса). В качестве данных кейса необходимы данные индивидуально-психологических характеристик каждого участника, информация о взаимоотношениях между участниками и уровне эффективности команды. Данные уровня эффективности команды получены через анкетирование участников и анализ отчетов об обратной связи, полученной от заказчика. Данные о взаимоотношениях между участниками получены методом анкетирования с использованием социометрической техники (Jacob L. Moreno, 1951) [56].

Метрики индивидуально-психологических характеристик собраны совокупностью методов: данные о размере команды и ролевом наборе каждого участника команды методом включенного наблюдения и анализом протоколов наблюдения, направленность личности и размере интеллектуального капитала с использованием методик психологического тестирования методом анкетирования. Для получения данных об интеллектуальном капитале участника использовался опросник метакогнитивных знаний и метакогнитивной активности Ю.В.Скворцовой и М.М.Кашапова (Скворцова, 2005; Скворцова, Кашапов, 2012) [12]. Данные о карьерной направленности собирались с помощью опросника карьерных ориентаций (КарО) Н.Н. Мельниковой (Мельникова, 2012) [59], о ценностной направлености личности - с помощью опросника ценностных ориентаций личности (Bernard M. Bass, 1967; Н. Н. Обозов, 1981) [20].

Далее каждый блок раздела раскрывает подход к сбору данных по независимым, прокси- и зависимым переменным исследовательской модели.

Удовлетворенность заказчика результатом (зависимая переменная). Результатом работы команды являлась презентация проекта, оцениваемая с точки зрения качества демонстрируемого продукта и процесса демонстрации сторонними экспертами. По итоговой оценке презентаций результатов команд был сформулирован рейтинг успеха команд, учитываемый в качественном исследовании. Кроме того, в течение периода работы команд было проведено 3 релиза (release) - промежуточных демонстраций заказчику готового блока функциональности продукта [7]. Релиз оценивался заказчиком проекта в баллах с точки зрения стабильности продукта и соответствия требованиям. Данные результатов релиза для каждой из команд использовались в количественном исследовании.

Удовлетворенность работой команды (зависимая переменная). Процесс игры состоял из 6 очных сессий и заочной работы, которую участники могли выполнять в свободное время на всем протяжении игры. Удовлетворенность командой измерялась на каждой из 6 очных сессий, равномерно распределенных на всем периоде игры. Участники письменно отвечали на вопрос «На сколько баллов по 10-балльной шкале вы удовлетворены работой своей команды сегодня?». Средние показатели по каждой команде за каждую сессию использовались в количественном исследовании.

Размер команды (независимая переменная). Размер команд участников варьировался от одной очной сессии к другой. Зафиксированные на листах наблюдения данные о числе участников использовались в количественном исследовании.

Интеллектуальный капитал команды (независимая переменная). Интеллектуальный капитал участника измерялся один раз в заочной форме без контроля процесса заполнения бланков опроса, метрикой интеллектуального капитала стал уровень метакогнитивных способностей и активности, а также их характеристик. Всего возвращено 46 (90%) бланков анкет, все учтены в дальнейшем исследовании.

Ролевой набор команды (независимая переменная). Ролевой набор каждого участника фиксировался на листах наблюдения на каждой из 6 очных сессий. Для оценки был использован набор ролей, указанный в таблице 2.

Таблица 2

Перечень наблюдаемых ролей

Использовалось допущение, что каждый участник команды в течение очной сессии может выполнять одну или более ролей. По итогам сессий роли, наблюдаемые более, чем в одной карте наблюдений, учитывались для дальнейшего анализа. Командный ролевой набор сессии рассчитывался как сосокупность всех выполняемых ролей в рассчете на участника команды. Ролевой набор команды в целом, - как совокупность усредненной информации по исполнению ролей за все очные сессии. Для последующего анализа полученный ролевой набор был переведен в набор ролей по Raymond М. Belbin [65], для всех ролей исходного списка было найдено прямое соответствие (табл. 3), отброшены роли Наблюдатель, Дезорганизатор, не отражающие включенное участие в работе команде, но не найдено соответствий для ролей Resource investigator и Team worker из модели R.М. Belbin. Данные о наблюдаемых ролях использовались в качественном исследовании.

Таблица 3

Соответствие ролей Raymond М. Belbin ролям, используемым при сборе данных

Направленность личности участников команды (независимая переменная). Структура карьерной и ценностной направленностей участников измерялись один раз в заочной форме без контроля процесса заполнения. Всего возвращено 47 (92%) бланков опросника карьерной направленности и 35 (69%) - ценностной направленности, один бланк опросника карьерной направленности отбракован из-за наличия большого числа пропусков и итогового значения направленности в десять раз меньше среднего по группе, все бланки опросника ценностной направленности учтены в дальнейшем исследовании.

Характеристики взаимодействия: сплоченность, уровень кооперации, уровень признания (поддержки, авторитетности, влияния) лидера (независимые переменные). Социометрия проводилась на каждой из 6 очных сессий, равномерно распределенных на всем периоде игры. Участники письменно отвечали на вопрос «Кто, на ваш взгляд, обеспечивал работу команды сегодня?». Указанные номера участников использовались для анализа данных о сетевом взаимодействии участников внутри команд.

Сеть, построенная таким образом, для каждой из команд является сетью взаимодействий (неориенированный граф), так как знание о вкладе другого участника невозможно без выполнения совместной работы или наблюдения за работой другого, что тоже является формой пассивного взаимодействия. Кроме того, такая связь определяет возможность для следующих взаимодействий, так как источник связи, в случае уверенности в ориентированности на работу другого участника, может инициировать взаимодействие с целью совместной работы над проектом с высокой вероятностью получения согласия. При сохранении направлений связей сети (ориентированный граф) сеть является сетью признания заслуг.

Для выполнения анализа количественными и качественными методами с помощью визуализации понятия и гипотезы предметной области в поле метрик анализа социальных сетей, то есть построить модель социальной сети. Соответствие гипотез предметной области гипотезам теории сетевого моделирования приведено в табл. 4.

Таблица 4

Соответствие гипотез предметной области гипотезам
в терминологии анализа социальных сетей

Метрики сети были рассчитаны в программном решении Social Network visualizer (SocNetV 2.3) [68] для каждой из 6 очных сессий и для всего периода работы команд. Значения параметров очных сессий использовались в количественном, всего периода - в качественном исследовании. Кроме того, для всего периода работы команды были построены графы по каждой из метрик для каждой из команд (Прил. 10, 11, 12), вместе с нанесением информации о направленности личности (Прил. 13, 14) и вкладе в результат команды (Прил. 15) они также использовались в качественном анализе.

Индивидуальный вклад участников в результат команды (прокси-переменная). Данные о вкладе каждого участника измерялись экспертами через наблюдение и анализ артефактов на протяжении всей игры по категориям этапов разработки программного обеспечения, на котором был сделан вклад (А - анализ, П - проектирование, Р - разработка, реализация) и управленческих видов деятельности (З - взаимодействие с заказчиком, О - организация работы команды). Категории соответствуют фазам [7] и видам управленческой деятельности разработки программного продукта [22]. Суммирование данных по командам и по фазам/видам деятельности через накопительный результат до каждого релиза дает возможность сопоставить связь каждой фазы/типа с итоговой удовлетворенностью заказчика.

Выбор способа представления данных кейса. Характеристики взаимоотношений участников проанализированы с помощью метода анализа социальных сетей (Social network analysis (SNA)). SNA-подход позвоил рассмотреть сети взаимоотношений и изучить их структурные особенности, которые игнорируют традиционные подходы изучения индивидуальных характеристик, поэтому использование анализа социальных сетей позволило увеличить глубину исследования [6, 8].

Анализ социальных взаимодействий на основе SNA включал в себя следующие шаги: идентификацию объектов, определение связей, визуализацию сети, математический анализ сетевой структуры, интерпретацию результатов [8].

Характеристики сетевых отношений представлены в виде рядов числовых данных, отражающих метрики сети взаимоотношений участников команды: плотность и централизацию, и графического представления сетей взаимоотношений участников за весь период работы команды, представленных в виде ориентированного графа с нанесением индивидуальных характеристик участников, для анализа однородности индивидуально-психологических характеристик команды и лидеров команд.

Анализ влияния индивидуально-психологических характеристик включал вычисление статистических описательных характеристик (мер) для исследуемых групп: команд и микрокоманд лидеров в составе основных команд. В микрокоманды лидеров включались участники, связаны более чем с половиной других участников связями признания заслуг, что соответствует графу сети по признаку центральности по степени.

Данные кейса были представлены в виде рядов числовых данных, организованных в блоки:

- данные по каждой команде в разрезе недель работы (размер команды в каждую из очных сессий, метрики взаимодействия в команде: плотность сети, централизация по посредничеству, средняя центральность по близости всех узлов, максимальная центральность по близости, центральность по собственному вектору, престиж по близости и удовлетворенность работой команды на каждом из этапов работы);

- данные по каждой команде в разрезе релизов (вклад в работу по каждой из фаз/направлений, оценка релиза);

- данные по каждой команде за весь период работы (ролевой набор с частотой исполнения роли);

- данные по каждому из участников каждой команды (вклад в работу по каждой из фаз/направлений, характеристики метакогнитивных способностей (интеллектуального капитала), ценностной и карьерной направленностей) в Прил. 11;

- среднее значение (Mean) и вариация (коэффициент вариации - V) для команд и команд лидеров по метрикам интеллектуального капитала (метакогнитивные знания, способностей к приобретению информации, выбору главных идей, управлению временем), направленностей карьеры (вверх: типы «управление» и «предпринимательство», вглубь: «служение» и «мастерство», общего уровня направленности на карьеру), ценностной направленности личности («на себя», «на общение», «на дело») в Прил. 12.

Сравнительный анализ ситуаций на основе полученных данных. Для определения значимости связи факторов размера команды, средних параметров характеристик направленности личности, параметров сети взаимоотношений на удовлетворенность результатом заказчика и удовлетворенности работой команды используется корреляционный анализ [11]. С учетом доказанных ранее в других исследованиях причинно-следственных связей, значимость связи можно рассматривать как силу влияния фактора на эффективность команды. Для определения влияния разнообразия ролей применяется ранжирование ролей в команде по частоте использования и сравнение коэффициентов вариации признаков с рейтингом команд по качеству результата [11]. Для изучения однородности/разнообразия индивидуальных признаков используется метод аналического сравнения коэффициентов вариаций параметров с рейтингом успешности команд.

Для изучения взаимосвязи двух метрических переменных, измеренных на одной и той же выборке, проводился корреляционный анализ. Для выбора метода корреляционного проводилась проверка данных на тип распределения через анализ статистик: сравнение медианы и моды (при нормальном распределении должны быть равны), сравнение значений эксцесса и ассимметрии с критическими значениями для данного набора значений (метод Е.И. Пустыльника), сравнение графика значений квантилей параметров ряда от самих параметров. i-ый квантиль стандартизованного нормального распределения Qi представляет собой стандартизованную нормально распределенную величину Z, которой соответствует площадь фигуры, лежащей под кривой плотности вероятностей, равная i/(n+1) [15]. Если точки, соответствующие наблюдаемым данным, образуют прямую, проведенную из левого нижнего угла в правый верхний угол, значит, данные распределены приближенно нормально. С другой стороны, если эти точки отклоняются от прямой линии, распределение данных отличается от нормального. График удовлетворенности команды отличается от прямой линии и расположен горизонтально, значит распределение отличается от нормального. Для всех данных, кроме результатов опросников по метакогнитивным знаниям и направленности, обнаружены отклонения от нормального распределения. Для примера приведен график для квантилей удовлетворенности команды (рис. 3).

Рис. 3. Результаты проверки ряда значений удовлетворенности команды (С) на нормальное распределение

Таким образом, для выполнения корреляционного анализа выбран метод ранговой корреляции Спирмена (Spearman's rank correlation coefficient) [11]. Принято допущение, что соотношение между двумя переменными линейное на участках в исследуемом диапазоне. Анализ данных выполнялся в Microsoft Excel 2016 [15], IBM SPSS Statistics 25.0 [32].

Преимуществами предлагаемой в данной работе методики исследования силя связи факторов влияния с эффективностью команды перед используемыми в других исследованиях является сочетание исследования в глубину с проверкой гипотез количественными методами; повышенная объективность данных о ролевом наборе команды вследствие использования метода наблюдения; применимость метода сбора данных об интеллектуальном капитале к ИТ-командам разных специализаций за счет учета метакогнитивных знаний, а не знаний конкретных областей; учет данных о направленности как ведущей социально-психологической характеристики личности.

2.3. Анализ связи параметров взаимодействия участников команды с ее эффективностью

Рассчет индивидуального вклада участников в результат команды (прокси-переменная). Результаты корреляционного анализа приведены в табл. 5.

Таблица 5

Коэффициенты корреляции Спирмена для связи параметров фаз / направлений работы с результатами релиза (удовлетворенностью заказчика) - R

Корреляционный анализ силы влияния вклада всей команды в ее результат на результат команды (оценку релиза) показал, что значимыми для результата (All) являются этапы анализа (А) (r=0,678, p<=0,05) и разработки (Р) (r=0,681, p<=0,05), а также вид деятельности - взаимодействие с заказчиком (З) (r=0,587, p<=0,05). При этом, вклад в проектирование (П) оказался отдаляющим результат команды от результата (r=-0,74, p<=0,05), значимость вклада в организацию работы (Орг) не определена (r=-0,209, p<=0,30).

Несущественность вклада в организацию работы подтверждается современными исследованиями успешных команд, описывающих высокопроизводительную команду, как только часть времени посвящающих обсуждению работы в группе, остальное время каждый член команды обращается адресно к другому члену, используя короткие, направленные на задачу сообщения («to-the-point statements») [45]. Проектирование как этап исчезает из современного гибкого процесса разработки, так как в условиях неполноты исходных требований (а они являются частью гибкого процесса), детальный анализ системы может быть оверхедом (overhead) - дополнительное использование ресурса по сравнению с достаточным для выполнения задачи, или фактором снижения продуктивности [49, 67].

Таким образом, параметром вклада команды в ее результат команды (All-П-Орг) можно считать сумму его вклада по значимым категориям: анализ (А), разработка (Р), взаимодействие с заказчиком (З), значимость влияния такого вклада на результат подтверждена (r=0,762, p<=0,001).

Вычисление коэффициентов корреляции для параметров команды. В результате вычисления коэффициентов коэффициентов корреляций составлена корреляционная матрица силы связи удовлетворенности команды своей работой (C - contentment) и параметров сетевого взаимодействия, включая размер команды (S - size) (табл. 6).

Таблица 6

Коэффициенты корреляции Спирмена для связи параметров взаимодействия участников команды с удовлетворенностью командой (C)

С учетом небольшой выборки данных в рассмотрение включены пограничные значения коэффициента от 0,25 до 0,33, которые также интерпретировались как наличие связи средней силы. Кроме того, для интерпретации результатов использовались финальные результаты распреления мест между командами:

1 место заняла команда 2 (Green Team) с финальным счетом 4,3 из 5, 2 место заняла команда 1 (Yellow Team) со счетом 3,6 из 5 и последнее место - команда 3 (Blue Team) со счетом 2,3 из 5. Отставание второго места от первого - 0,7 баллов, 3 от 2 - 1,3 балла. Принимались гипотезы с доказанной статистической связью средней силы между величинами, при уровне ошибки не более 10%.

Связь размера команды (S) с удовлетворенностью команды (C) (H1). Коэффициент корреляции между размером команды и удовлетворенности слабой силы и отрицательный (r=-0,284, p<=0,127), вероятность ошибки более 10%, таким образом, обратная гипотеза о статистической связи между размером команды и удовлетворенностью не подтверждена для гибких ИТ-команд.

Противоречия в направлении воздействия фактора отражается и в сравнении финальных результатов команд и их размеров. Средние численности команд по очным сессиям распределяются строго в порядке выигрышей команд: Green Team - 12,0 человек; Yellow Team - 13,7 человек; Blue Team - 14,8 человек. Однако, разрыв величин средней численности между желтой и зеленой командами больше разрыва между желтой и синей, в то время как по оценкам результата со стороны заказчика релиза разрыв больше между вторым и третьим местами.

В связи с размером команды, актуальным направлением дальнейшего исследования является вопрос: какой минимальный состав команды был бы достаточно успешен с учетом необходимости наличия реальных функциональных компетенций в реальных программных проектах конкретных отраслей. Ответ на этот вопрос позволил бы оптимизировать базу заработной платы и повысить мотивацию профессиональнго развития в смежных областях у работников. Если брать во внимание число лидеров в командах, это 6-10 человек, что составило около 60% командного состава.

Связь числа взаимодействий (D) с удовлетворенностью команды (C) (H5a). Коэффициент корреляции связи между значением плотности сети и удовлетворенностью команды значимый и положительный (r=0,385, p<=0,057), то есть гипотеза о влиянии числа взаимодействий между участниками на удолетворенность команды подтверждена. Однако, обращаясь к реальным результатам, получается, что победила команда с наименьшим значением плотности сети (D(Green)=0,456; D(Yellow)=0,625; D(Blue)=0,463). Данные результаты можно объяснить тем, что для вычисления плотности сети использовались данные о всех членах команды. В зеленой команде среднее число присутствовавших было наименьшим, то есть большее число членов команды было фиктивным, а значит невовлеченным в процесс взаимодействий, что отражают графы центральности по степени для каждой из команд (Прил. 13, 14, 15, Рис.1). Альтернативная мера сплоченности - коэффициент сплоченности социометрии, вычисленный как среднее число выборов значимых участников за каждый день показывает несомненное превосходство зеленой команды по этому показателю (рис. 4).

Рисунок 4. Динамика коэффициента сплочености команд

Искажение реальной картины при учете невовлеченных членов команды позволяет сформулировать гипотезы для следующих исследований: сплоченность команды лидеров значимо влияет на результат команды, с ростом размера команды влияние уровня сплоченности команды лидеров растет.

Связь степени посредничества лидера (GBC) с удовлетворенностью команды (C) (H5b). Коэффициент корреляции связи между значением централизации сети по посредничеству и удовлетворенностью команды отрицательный (r=-0,291, p=<0,120). С учетом высокого значения ошибки, гипотеза о влиянии степени посредничества лидера на удовлетворенность команды не подтверждается. Отрицательность коэффициента показывает, что выступление лидера посредником во всех взаимодействиях может привести к неуспеху команды.

Сравнение текущих результатов с данными по командам в целом, показывает, что самым низким значением централизации сети по посредничеству обладает желтая команда (GBC=0,094), и значительно большими зеленая (GBC=0,215) и синяя (GBC=0,317). Однако, было бы ошибочно предположить, что степень посредничества лидера связана с доминированием авторитарного стиля лидерства по Kurt Z. Lewin [13]. Измерение стиля лидерства выполнось через наблюдение за формами лидерского поведения участников команд на протяжении 6 очных сессий на основе списка «маркеров» стилей по теории Kurt Z. Lewin. Результаты проявления стилей в процентном соотношении представлены на рисунке 5.

Сравнение данных по стилям лидерства и значений степеней центральности позволяет предположить, что централизация по посредничеству иллюстрирует тип лидерства в нарастании коэффициента от либерально-попустительского до авторитарного. Серединным значением является демократический стиль лидерства, при котором лидер четко выражен и отвтетственен за принятие решений, однако, при атктивном взаимодействии членов команды между собой в процессе принятия решения.

Рисунок 5. Соотношение проявляемых стилей лидерства в командах

Демократический стиль лидерства доминировал во всех командах, что соответствует основной форме управления гибких команд. Однако, в синей команде согласно данным наблюдений большая из трех команд доля форм авторитарного лидерства, а в желтой - либерально-попустительского. Зеленая, выигравшая, команда обладает большей долей демократических проявлений, чем во всех остальных, что подтверждает его эффективность по Kurt Z. Lewin, однако при весомой доле авторитарных стратегий. В целом, централизация по посредничеству означает степень «выраженности лидера» и зависимость между ней и удовлетворенностью команды не является монотонной линейной функцией и требует дальнейшего анализа.

Связь степени доступности членов команды друг для друга (IRCC mean) и членов команды для лидера (IRCC max) с удовлетворенностью команды (C) (H6a, H6b). Коэффициенты корреляции связи между значением среднего значения центральности по близости и удовлетворенностью команды (r=0,158, p<=0,266) и максимального значения центральности по близости и удовлетворенностью команды (r=0,154, p<=0,257) положительные, но незначимые, при большом значении ошибки.

То есть гипотезы о влиянии доступности членов команды друг для друга и для лидера на удолетворенность команды не подтверждены. Обращение к данным команд показывает, что у желтой команды среднее и максимальное значения центральности по близости (IRCCmean=0,736, IRCCmax=1,000) максимальные из всех команд, у синей меньшие (IRCCmean=0,645, IRCCmax=0,941) и у зеленой - минимальные (IRCCmean=0,610, IRCCmax=0,938). Отличие от рейтинга призовых мест может объясняться самым высоким коэффициентом вариации параметра в зеленой команде (IRCCvar=0,037) в сравнении с коэффициентами вариации двух других команд (IRCCvar(yellow)=0,013 и IRCCvar(blue)=0,016).

Альтернативные вычисления централизации по близости для неориентированного графа более приближены к реальной картине распределения успешностей. Метрика центральности по близости с учетом двухсторонней связи может быть корректной, если рассматривать факт признания заслуг участника - потенциалом для инициации взаимодействия с двух сторон, со стороны того, кто видит преимущества взаимодействия с ценным участником и со стороны того, кто видит преимущества взаимодействия с тем, кто ценит его. Кроме того, при вычислении центральности по близости в неориентированном графе были отброшены узлы, не связанные с сетью. Значения для команд приведены в таблице 7.

Таблица 7

Значения централизации по близости и среднего значения центральности по близости узлов

Коэффициент централизации по близости (GCC) характеризует форму сети таким образом, что при значении 1,000 сеть имеет форму звезды, а при значении 0,000 - кольца. И действительно на графах сетей по степени близости (Прил. 10, 11, 12, Рис.2) видно, что граф зеленой и синей команд больше тяготеют к форме звезды (GCC(green)=0,681; GCC(blue)=0,651), чем желтая (GCC(yellow)=0,580). Известно, что форма звезды может быть более эффективной с точки зрения достпности (короткого пути) до всех узлов при низкой плотности сети. Однако, в данном случае плотная сеть, сочетающая признаки звезды и кольца, желтой команды дает самую высокую доступность участников в целом (CCmean(yellow)=0,736). Сравнительно низкие значения зеленой и синей команд могут быть объяснены эффектом поляризации, при более явном выделении лидера (GCC больше), часть команды переходит в позицию наблюдения или оппозиции (CCmin меньше), если в случае одного лидера в наблюдение или оппозицию переходит большая часть команды, то CCmean уменьшается [18].

Связь иерархической значимости лидера (EVCmax) через создание иерархии взаимодействий с удовлетворенностью команды (C) (H6с). Коэффициент корреляции связи между значением централизации сети собственному вектору и удовлетворенностью команды положительный (r=0,274, p<=0,136), однако ошибка выше нормы. То есть гипотеза о связи иерархической значимости лидера с удовлетворенностью команды не подтверждается на текущем наборе данных.

Масимальные значения центральностей собственного вектора по графам команд распределяются следующим образом: Blue Team - 0,400; Green Team - 0,372; Yellow Team - 0,342. Ранг команды схож с рангом по величине централизации по посредничеству, связь этих двух метрик также подтверждает корреляционная матрица, а значит, центральность по собственному вектору может тоже характеризовать степень выраженности лидера. Сравнивая иллюстрации команд (Прил.1,2,3, Рис.2,3 и Прил.8, Рис.1,2,3) можно заметить, что, если максимальную центральность по близости и по посредничеству определяют лидеры, внесшие наибольший вклад в проект: номер 14 в желтой команде, 13 в синей и 9 в зеленой, но максимальную центральность по собственному вектору имеет другой ряд участников, которых будем называть социальными лидерами, 12 в желтой и 11 в зеленой. Примечательно, что в синей социальным и интеллектуальным лидером остается один человек - 13, при помощи 1 и 2, которые являлись консультантами команды. Возможно это в совокупности с относительной пассивностью остальных игроков и определило увеличение степени авторитарности лидерского поведения.

Связь степени признания лидера (GDP) с удовлетворенностью команды (H7). Коэффициент корреляции связи между значением престижа по степени и удовлетворенностью команды значимый и положительный (r=0,467, p<=0,05), то есть гипотеза о связи степени признания лидера с удовлетворенностью команды подтверждена. Ориентируясь на данные финальных результатов, распределение команд по возрастанию таково: GDP(Blue)=0,04, GDP(Green)=0,034, GDP(Yellow)=0,027. Это совпадает с рангом по центральности узлов по близости, по посредничеству и по величине центральности собственного вектора, что подтверждается наличием корреляционной связи между этими параметрами и престижем по степени.

Результаты проверки группы гипотез сетевого взаимодействия представлены в табл. 8.

Таблица 8

Результаты проверки гипотез влияния размера и сетевых параметров взаимодействия участников команды и на ее эффективность

Таким образом, на удовлетворенность гибкой ИТ-команды положительно влияют число взаимодействий членов между собой, доступность членов команды для взаимодействия между собой и лидером, степень признания лидера и отрицательно размер команды. Однако, все характеристики центральности вступают в противоречие с плотностью, то есть с одной стороны, в общем случае успешны команды с большим числом связей (большой плотностью), с другой - команды с выраженным лидером в непосредственных связях (престиж или центральность по степени), которая в свою очередь ведет и к увеличению доступности, иерархической значимости, а затем и посредничества как одной из форм контроля.

Реальные команды, как показал качественный анализ, успешнее при наличии ярко выраженного лидера с преобладающим демократическим стилем управления (Green team). Плотная сеть команды со стремящимися к равномерности степенями значимости узлов может привести к размыванию ответственности и потери контроля над ситуацией в конкурентной среде (Yellow team). Высокоцентрализованная сеть с одним участником, выполняющим функции интеллектуального и социального лидеров, при слабой поддержке участников также с высокой вероятностью не будет высокоэффективной
(Blue team).

В следующем параграфе будет выполнено рассмотрение структурных параметров команды, которые определяют факторы взаимодействия и представляют интерес в силу своего относительного постоянства и возможности использования на стадии набора команды.

2.4. Анализ связи индивидуально-психологических характеристик участников команды с ее эффективностью

Результаты коррелляционного анализа связи индивидуально-психологических параметров с результатом команды через вклад участника в результат приведены в таблицах 9, 10.

Таблица 9

Коэффициенты корреляции Спирмена для связи параметров направленности участников с вкладом в результат команды (All-П-Орг)

Таблица 10

Коэффициенты корреляции Спирмена для связи параметров направленности участников с вкладом в результат команды (All-П-Орг)

Связь величины (H2a) и однородности по величине (H2b) интеллектуального капитала в команде и команде лидеров с удовлетворенностью заказчика результатом команды. Корреляционный анализ силы влияния параметров интеллектуального капитала на вклад участника в результат команды (вычисленного по формуле вклада команды, только для одного участника) показал, что значимым параметром интеллектуального капитала являются метакогнитивные знания (r=0,432, p<=0,01), слабо оказывающими влияние на результат - приобретение информации (r=0,298, p<=0,05), выбор главных идей (r=0,223, p<=0,083). Кроме того, шкала метакогнитивных знаний обладает большей значимостью и надежностью (большее число вопросов), чем другие шкалы опросника, то есть для количественных исследований используется именно она.

Равенство величины интеллектуального капитала было одним из принципов определения состава команд, однако, исследование показало, что самоосознаваемые метакогнитивные способности в среднем выше в желтой команде (10,6), по сравнению с зеленой (9,8) и синей (9,2). При этом в желтой команде в среднем ниже способности управления временем (2,3) при сравнении с зеленой (2,8) и синей (2,9). Значения синей, проигравшей, команды ниже по 3 параметрам интеллектуального капитала из 4, однако, выигрыш зеленой по сравнению с желтой сложно объяснить, опираясь только на эти данные.

Для команды лидеров зеленая, выигравшая команда, имеет самые высокие значения по 3 параметрам интеллектуального капитала из 4, самые низкие в 3 из 4 имеет желтая, показавшая хорошие результаты. Таким образом, гипотеза о влиянии величины интеллектуального капитала в команде и команде лидеров на удовлетворенность заказчика результатом команды (Н2а) не подтверждается.

Во всех командах метрики средних подгруппы лидеров выше метрик всей команды, что говорит о том, что характеристики лидеров в среднем выше характеристик остальной части команды. Однако параметры вариации отличаются: в желтой и зеленой командах 2 из 4 параметров, один из которых - метакогнитивные знания, имеют больший коэффициент вариации в командах лидеров, чем во всей команде. Это можно объяснить присутствием интеллектуальных и социальных лидеров, что было доказано при рассмотрении сети по центральности собственного вектора, и разницей в уровнях их интеллектуального капитала.

С одной стороны, этот факт показывает верность постулата, доказанного I.Dissanayake: «cосредоточение (выравнивания) социального и интеллектуального капиталов отрицательно влияет на результаты команды в краудсорсинговых соревнованиях» для гибких ИТ-команд [48]. С другой стороны, граф сети взаимодействий с централизацией по степени и нанесением вкладов участников (Прил. 18) и их уровней метакогнитивных знаний (Прил. 12) показывает, что для успешных команд разработки программного обеспечения самым влиятельным лидером является носитель максимального интеллектуального капитала в команде, но необходимо несколько социальных лидеров, обеспечивающих поддержку его решений (Прил. 15, Рис. 3, Green Team).

Несколько явных лидеров с высоким уровнем интеллектуального капитала возможно могут столкнуться с проблемой согласования действий
(Прил. 18, Рис. 2, Yellow Team), в деятельности это выражается увеличением затрат на организацию команды (Прил. 19, Рис. 4), а недостаток социальных лидеров может вынудить к директивным формам проявления лидера, что отрицательно сказывается на удовлетворенности команды
(Прил. 19, Рис. 3, Blue team). Таким образом, гипотеза о связи однородности (сопоставимости) величины интеллектуального капитала команды и команды лидеров (H2b) с удовлетворенностью заказчика результатом команды не подтверждается. Для команды лидеров выявлено обратное: разнообразие уровней интеллектуального капитала статистически связано с удовлетворенностью заказчика результатом команды, что при опоре на ранее доказанный факт можно считать и корреляционной связью.

Связь соотношения ролей в команде с удовлетворенностью заказчика результатом команды (H3a, H3b). Ролевые наборы команды (число проявлений роли за весь период в рассчете за день и на одного человека) представлены в таблице 11.

Таблица 11

Роли команд, проранжированные по частоте проявления

Примечание: красным - роли действия, синим - ментальные роли, оранжевым - социальные.

Зеленая и желтая команды имеют минимальный базис ролей (генератор идей, аналитик, критик), что отвечает одному из критериев полноты команды по Raymond М. Belbin [65], в синей команде фактически не представлена роль критика (реальное значение 0,003). Гипотеза о влиянии частоты проявления роли генератора идей на удовлетворенность заказчика результатом команды в соотношении с проявлением других ролей, не подтверждается (H3a), так как эта роль являлась преобладающей в желтой команде, не выигравшей в соревновании (как и команда с минимальной представленностью этой роли), однако в зеленой, занявшей первое место, эта роль по частоте проявлений находится в середине списка. Различие с исследованием, доказавшим обратное, может заключаться в отличии типа ИТ-команды, в то время как в работе M.Andre гипотеза проверялась на командах компаний от 250 человек, данное исследование направлено на команды малых компаний («компании-команды») [30]. Гипотеза о влиянии частоты проявлений роли Генератор идей на удовлетворенность заказчика результатом команды (H3b) не подтвердилась.

Однако, справедливо заметить, что при сравнении абсолютных значений, это могло быть верным, так как частота проявлений роли Генератор идей в зеленой команде -- 0,26; желтой - 0,19, синей - 0,17), что позволяет сформулировать новую гипотезу о влиянии активности проявлений и смены ролей в команде на удовлетворенность заказчика результатом команды. Также интересным исследовательским вопросом является влияние баланса проявлений отдельных ролей на эффективность команды.

Полученные соотношения между группами ролей в командах представлены на рис. 6.

Рисунок 6. Соотношений групп ролей для каждой из команд

Выигравшая команда (Green Team) имеет большую разницу в проявлении ролей по категориям, чем другие команды (Green team, Blue team). Гипотеза о влияние увеличения разрыва представленности ролей по категориям: роли действия, роли анализа, социальные роли, с преобладанием ролей действия над ролями анализа, а ролей анализа над социальными ролями, на удовлетворенность заказчика результатом команды (H3a) подтверждается.

Характеризуя ролевой состав команд в целом, можно предположить, что успех зеленой команды состоит в сильной дифференциации лидеров, придумывающих решение (mental roles) и членов команды, его реализующих (action roles), концентрации ролей генераторов идей у небольшого числа членов команды при готовности большей части команды проявлять себя в качестве исполнителей. Возможно именно такое распределение сил дало большой прирост в категории работ «реализация» (Приложение 19, Рис. 4).

«Проигрыш» желтой команды может быть обсуловлен преобладанием ментальных ролей в команде и малым числом исполнителей, низкой степенью представленности роли творца, что при высоком значении интеллектуального потенциала и сплоченности, помешало полностью реализовать придуманный концепт. Проигрыш синей команды может быть объяснен дисбалансом основных ментальных ролей: доминирующая роль аналитика при низкой степени генерации идей и критики. Проявление роли аналитика большинством членов команды, возможно привело к затратам команды в фазе проектирования вместо ранней реализации для получения обратной связи заказчика (Прил.19, Рис.4).

Вероятно, именно ролевые наборы участников определяют их позиции в сети взаимодействий, интересной гипотезой для проверки количественными методами является влияние степени разнообразия групп ролей на успех команды при условии соблюдения полноты ролевого состава и преобладания ролей действия. Для текущих 3 команд коэффициенты вариации ролей по типам в порядке возрастания: V(blue)=0,015; V(green)=0,13; V(yellow)=0,007.

Связь величины (H4a) и однородности (сопоставимости по величине и типу) (H4b) карьерной направленности личности участников команды и команды лидеров с удовлетворенностью заказчика результатом команды. Аналогично фактору интеллектуального капитала была выполнена проверка на значимость отдельных видов направленности для команды в целом. Для этого был найден коэффициент корреляции между видами направленности и вкладом участника в команду проекта (Прил.10, Рис.2). Не обнаружено статистической связи ни между общим уровнем карьерной направленности участников, ни между типами карьерной направленности и результатом команды.

Косвенно текущие результаты показывают, что параметр карьерной направленности не однороден в командах и необходимо рассматривать условия сочетаемости разных направленностей. Сравнение средних значений карьерной направленностей по командам и в группах лидеров с рейтингом победивших команд не подтвердило связи с удовлетворенностью заказчика результатом ни по критерию общей направленности, ни по ориентации на служение.

Напротив, выигравшая, зеленая команда, демонстрирует в среднем более высокую ориентацию на мастерство в команде (mean(team)=13,1), самую высокую по абсолютному показателю среди всех измерений, и c чуть увеличивающимися средними значениями по ориентации на управление и предпринимательство (карьеру вверх в целом) с сужением к команде лидеров (mean(team)=16,2; mean(leader)=17,0). В желтой команде карьерными направленностями команды являются служение (mean(team)=11,5) и мастерство (mean(team)=11,6), при этом величина направленности на служение возрастает с сужением команды до лидерской (mean(leader)=12,6). В синей команде доминируют служение (mean(team)=11,7) и управление (mean(team)=11,0), обе величины направленности выше в лидерской команде (служение - mean(leader)=13,5; управление - mean(leader)=13,3). Возможно, весомым является фактор наличия единой сильной направлености у членов команды, еще сильнее выраженной у ее лидеров безотносительно типа. Однако, на текущих данных влияние величины карьерной направленности на удовлетворенность результатом заказчика (H4a) не подтверждается.

Результаты исследования показали, что коэффициент вариации между величинами направленности на карьеру в целом и на отдельные ее формы растет от команды к команде лидеров. В зеленой команде разница между вариациями для общей карьерной направленности максимальна (1,6), косвенно указывает на то, что соотносимость величин карьерной направленности отдельных членов команды лидеров может иметь не такое важное значение, как единство/схожесть типов. Это отражается на графах сетей команд, построенных по центральности собственности вектора с отметками типов карьерных направленностей (Прил. 17, Рис.1,2.3).

У успешных желтой и зеленой команд ключевые лидеры имеют ориентацию на служение, это предполагает высокую рефлексивность, творческую направленность личности, убеждённость в позитивной природе человека, непринятие себя в сочетании с высокой социально-нравственной самооценкой, негибкость в реализации ценностей в поведении [27]. В этих же командах поддержку лидеру оказывают члены лидерских команд с преобладанием направленностей на мастерство, которая предполагает ориентацию на развитие качеств профессионала. В синей, менее успешной команде, наоборот, лидер с ориентацией на мастерство находится в окружении нескольких лидеров с ориентацией на служение и вместе с тем, ориентацией на управление, предполагающую высокую социальнонравственную самооценку, неверие в позитивную природу человека и сложности в установлении глубоких межличностных контактов [27]. Разновекторность направленностей (карьера вверх и карьера вглубь) в лидерской команде могла обеспечить наличие, с одной стороны, демократических, с другой стороны авторитарных форм лидерства, но вместе с тем сделать команду менее сплоченной.

Интересно, что участники с направленностью на «предпринимательство» (компетентность во времени, наличие целей в будущем, внутренний локус контроля, развитие волевых качеств профессионала, чувствительность к себе, самопринятие и принятие агрессии) [27] присуствовали в каждой команде, но не проявили себя в качестве лидеров. Возможно, это объясняется типом задания игры, которое включало в себя разработку темы заказчика, а не реализацию собственной идеи.

Таким образом, гипотеза о влиянии однородности карьерной ориентации в команде и в команде лидеров (H4b) подтверждена частично. Однородность величин направленности не значима, в то время как тип направленности оказывает влияние. Наиболее предпочтительным является преобладание типов карьеры вглубь с лидером, ориентированным на служение, а членов команды на мастерство, что иллюстрирует значимость профессионализма в карьере программиста в гибкой команде. Карьерная направленность может служить одним из факторов формирования команды, так как у студентов технической подготовки карьерная направленность наиболее прочно интегрирована в структуре направленности личности, что может свидетельствовать о высоком уровне её сформированности и устойчивости [27].

Связь величины и однородности (сопоставимости по величине и типу) ценностной направленности личности участников команды и команды лидеров с удовлетворенностью заказчика результатом команды (H4с, H4d). Через переход к вкладу участников, а через него к вкладу команды, определено влияние величины ценностной направленности на удовлетворенность заказчика результатом. Не обнаружено значимых статистических зависимостей между типами ценностной направленности и удовлетворенностью заказчика результатом, однако, знак направленности на «себя» положительный, знаки направленности на «дело» и на «общение» отрицательны, правда, при большой величине ошибки. Таким образом, гипотеза Н4с не подтверждается.