DISCERN：设计决策支持界面以调查与线经理一起工作的社会决策复杂性

文献标题

DISCERN: Designing Decision Support Interfaces to Investigate the Complexities of Workplace Social Decision-Making With Line Managers

文献信息

• 主题领域: 人机交互（HCI）、工作场所社会决策支持系统设计
• 关键词: 组织决策、协作与社会计算、技术探针、用户参与、决策可视化、交互设计、工作场所分析

研究背景与问题

• 发现的问题
  • 低层管理者（如生产线管理人员）的决策需求被严重低估，而他们占管理层总人数的60%，监督了约80%的员工。
  • 现有决策支持工具更多关注孤立的、社会距离较大的决策场景，缺乏对需要密切互动的社会决策场景的支持。
  • 当前的决策支持工具多基于数值分析和预测模型，但在更亲密、互动性强的决策场景中，这些方法效果欠佳。
• 问题的重要性:
  • 面临工作复杂化和数据化，低层管理者的决策需要显著超越简单的数据分析，他们需要在维护和团队成员的关系中权衡决策。
• 研究动机与相关工作
  • 在HCI研究中，社会决策的数字化系统通常围绕以下三个假设展开：基于利益相关者视角的数据收集、数值化的价值表示、结果预测系统。然而，这些假设未能很好适配于高互动性决策的背景。
  • 本研究探讨这些假设在中间管理层决策中的适用性，并开发工具来弥补现有工具在互动性决策支持上的不足。

解决方案

• 提出的方法
  • 开发了名为 DISCERN 的技术探针——一个基于 Microsoft Excel 的扩展工具。
  • 支持外化多层次决策过程，通过树状结构表述决策目标和优化优先级，同时结合表格式分析工具来存储和处理原始数据。
  • 针对当前工具的不足，DISCERN 提供模糊特性支持、多层次交互及定性定量结合的“qualculation”功能。
• 创新之处
  • 将传统决策支持从信息化转向交互性，将利益相关者的动态观点转化为易于协作和解释的决策表示。
  • 通过离散权重、树状结构和非精确量化的表达工具，在保留模糊性和灵活性的同时促进决策过程的透明度与可讨论性。
• 实施步骤
  1. 需求探索:
     • 通过问卷和半结构化访谈深入了解低层管理者的决策行为与需求。
     • 界定工具开发方向：支持外部化而非代替面对面交互。
  2. 系统开发:
     • 基于初步研究，利用树状结构和交互式可视化技术开发 DISCERN。
     • 集成 GPT-3.5 模型，用于为决策提供建议属性及反馈。
  3. 用户验证:
     • 使用用户演绎法观察管理者在模拟场景中的使用行为。
     • 比较 DISCERN 与 Excel 的适用性，分析工具对高层次目标推理和交互的支持。

研究成果

• 具体成果
  • DISCERN 为组织决策提供了更灵活且更符合实际需求的支持，尤其是在复杂或者高互动性场景下。
  • 管理者通过 DISCERN 能更方便地定义决策层级、展现对象模糊性并平衡量化与直觉决策。
• 与现有解决方案的优势
  • 促进了多层次思考的透明性：TREE 结构提供高层次决策目标的表达，而与表格的链接精确保留了原始数据的精度。
  • 提供模糊性支持：通过离散权重和非数字化表达，减少破坏共识的可能性。
  • 适应迭代式决策：支持从非正式初始阶段到正式分析阶段的连续逻辑。
• 实验或评估结果
  • 用户演绎表明 DISCERN 较传统工具（如 Excel）更易于表达高层次目标和收录利益相关者观点。
  • 同时发现，DISCERN 在支持早期头脑风暴和探索问题的灵活性上仍有限制。
• 局限性与未来方向
  • 局限性：
    • 当前研究较多聚焦科技公司的管理者，未充分探索服务业等其他领域的管理需求。
    • 通过假设性的用户演绎探索真实实践的实际使用场景有限。
  • 未来方向：
    • 开发工具以支持早期无结构化阶段如头脑风暴。
    • 设计更具灵活性和适应性的决策工具，以支持实时改进和基于试验的实际决策流程。
    • 探索利益相关者共创的工具设计，确保更多元视角在工具研发中的体现。

总结

本文系统揭示了工作场所社会决策复杂性以及现有工具局限性，通过 DISCERN 技术探针展示未来数字化社会决策支持工具发展的方向和设计启示，为多领域未来研究与工具开发提供了重要参考路径。