远程会议期间多任务行为的大规模分析

文献标题

Large Scale Analysis of Multitasking Behavior During Remote Meetings

文献信息

• 主题领域: 人机交互、远程工作、协作行为
• 关键词: 多任务处理, 远程会议, 协作, 工作效率, 人机交互, 日记研究, 生产力工具, 数据分析, 数字工作环境, COVID-19

研究背景与问题

• 作者发现的挑战:

  • 远程工作和会议的普及加剧了多任务处理行为，但其动机及后果缺乏系统性理解。
  • 以往研究多基于小规模的定性数据，缺乏面向大规模用户群的统计分析。
  • 尚不清楚远程会议属性如何影响多任务行为，以及这些行为对个人和团队的生产力的影响。

• 重要性:

  • 远程会议已成为远程工作的核心，它对工作效率和员工福祉至关重要。
  • 多任务处理有潜在的正面和负面效果，需明确其影响以优化会议体验。

• 研究动机与相关工作:

  • 动机：为理解远程会议中的多任务处理行为提供系统性证据，探索行为背后的原因及其对生产力的双重影响。
  • 相关工作：文献回顾包括远程工作的影响、传统会议中的多任务行为及注意力管理，但大多为小样本。作者试图通过大规模日志数据和日记研究弥补这一差距。

解决方案

• 提出的方法:

  • 采用混合方法（日志数据分析与日记研究），以系统性理解远程会议中的多任务处理模式。
  • 分析微软员工的数据，包括会议、邮件和文件编辑的元数据，同时结合715人的长时间日记研究。

• 创新之处:

  • 提供大规模数据支持的分析，同时辅以定性数据阐释多任务行为的原因和后果。
  • 发现会议属性（长度、时间、类型、规模）与多任务处理行为的显著关联。
  • 提出具体的实践指南和工具设计建议，促进更有效的远程会议。

• 实施步骤:

  1. 日志数据分析: 收集微软员工会议、邮件及文件编辑元数据，量化多任务行为与远程会议属性的关联。
  2. 日记研究: 设计多主题日记，让参与者记录关于多任务处理的主观感受及体验。
  3. 回归分析: 利用条件逻辑回归模型分析数据，确保控制个体差异。
  4. 结合数据验证与定性分析: 提炼行为模式与后果，提出洞察。

研究成果

• 具体成果:

  1. 定量发现:
     • 约30%的会议涉及邮件多任务处理，25%的会议涉及文件编辑多任务处理。
     • 大型会议、长时间会议、更早时间的会议以及循环性的会议更容易导致多任务处理。
     • 周一至周四的多任务频率高于周五。
  2. 定性结果:
     • 多任务行为因工作紧张和外部干扰而产生，常为追赶进度或分散注意力。
     • 同时涉及会议相关任务（如记录笔记）和非工作任务（如浏览社交媒体、做家务等）。

• 优势:

  • 综合使用大规模真实数据与丰富定性证据，全面揭示多任务行为的模式、动机及结果。
  • 提供行动建议和设计启示，帮助优化远程会议安排及工具支持。

• 实验结果与评估:

  • 回归分析表明会议特性显著关联多任务处理行为，同时日记研究进一步阐明多任务的具体模式及感知后果。

• 局限性与未来方向:

  • 数据中的个体均为信息技术行业员工，结论可能不适用于不同文化及职业场景。
  • 无法区分日志数据中任务与会议的关联性，可能存在误判。
  • COVID-19可能对结果有影响，无法单独分离远程工作的影响。
  • 缺乏对其他非数字聊天工具的研究（如Whatsapp、Facebook），未来研究可弥补这一空白。

最佳实践建议

1. 避免在早晨安排重要会议: 利用自然工作节奏，选择更适合的会议时间。
2. 减少不必要的会议: 优化会议安排，避免频繁的循环性或群体性会议。
3. 缩短会议时长并插入休息: 疏解会议造成的认知负担。
4. 确保与会者的积极贡献: 小规模、高互动的会议效果更佳。
5. 容许积极的多任务处理: 鼓励会议期间的相关行为，如记录笔记或搜索信息。

工具设计启示

1. 提供“专注模式”：屏蔽分散注意力的界面干扰。
2. 支持会议中的其它有效交互：如内置笔记功能或支持多窗口切换。
3. 帮助用户选择适合的会议：基于会议重要性提供参与建议及替代方案。
4. 支持跳过不相关的会议部分：推荐个性化的主动关注点，为与会者节省时间。

结论

• 本研究为远程会议中的多任务处理行为提供了首次大规模、系统性分析。
• 通过日志数据与定性日记研究的结合，揭示了远程工作的文化与行为影响。
• 提供了实践指导和设计建议，为提升远程协作体验提供了坚实基础。