Utilisation de smartphones, des bracelets de fitness et une application personnalisée, des chercheurs ont créé un système de détection mobile qui évalue les performances des employés.

Le système fonctionne en surveillant le physique, bien-être émotionnel et comportemental des travailleurs pour classer les élèves les plus performants et les moins performants.

Le nouveau système de détection mobile ouvre la voie à la technologie grand public pour aider les employés à optimiser leurs performances tout en permettant aux entreprises d'évaluer comment les individus se débrouillent dans leur travail. L'approche peut être à la fois un complément et une alternative aux outils de performance traditionnels comme les entretiens et les auto-évaluations.

« Il s'agit d'une approche radicalement nouvelle pour évaluer les performances sur le lieu de travail à l'aide de données de détection passive provenant de téléphones et de dispositifs portables, " a déclaré Andrew Campbell, professeur d'informatique à Dartmouth. « La détection mobile et l'apprentissage automatique pourraient être la clé pour tirer le meilleur parti de chaque employé. »

Dans le nouveau système, un smartphone suit l'activité physique, emplacement, l'utilisation du téléphone et la lumière ambiante. Un tracker de fitness portable surveille les fonctions cardiaques, dormir, stress, et les mesures corporelles comme le poids et la consommation de calories. Les balises de localisation placées à la maison et au bureau fournissent des informations sur le temps de travail et les pauses du bureau.

La technologie s'appuie sur les travaux antérieurs de Campbell qui a développé StudentLife, une application qui surveille le comportement des élèves et prédit les performances académiques. Le système de détection intègre les appareils technologiques du commerce à l'aide d'une nouvelle application téléphonique connue sous le nom de PhoneAgent, basée sur StudentLife.

Les informations sont traitées par des algorithmes d'apprentissage automatique basés sur le cloud formés pour classer les travailleurs par niveau de performance.

« C'est le premier pas vers l'amélioration des performances grâce à la détection passive et à l'apprentissage automatique. L'approche ouvre la voie à de nouvelles formes de retour d'information aux travailleurs pour fournir des conseils semaine par semaine ou trimestre par trimestre sur la façon dont ils abordent leur travail, " dit Campbell.

Pour tester le système, l'équipe a évalué les performances des superviseurs et des non-superviseurs dans différentes industries, y compris la haute technologie et le conseil en gestion, sur la base d'une série de comportements autodéclarés fournis par les travailleurs du groupe d'étude. Les performances ont ensuite été classées selon des facteurs tels que le temps passé sur le lieu de travail, qualité du sommeil, activité physique et activité téléphonique.

L'étude montre que les plus performants ont tendance à avoir des taux d'utilisation du téléphone plus faibles, connaissent des périodes de sommeil profond plus longues et sont plus actifs physiquement et mobiles. Lors de l'examen des rôles, les superviseurs performants sont mobiles, mais visiter un plus petit nombre de lieux distinctifs pendant les heures de travail. Les non-superviseurs très performants passent plus de temps au travail le week-end.

Avec la capacité de fournir des commentaires à la fois à l'employé et à l'employeur, le système de détection mobile est destiné à débloquer les comportements qui stimulent les performances. La technique de surveillance passive offre également des avantages par rapport aux techniques d'examen traditionnelles qui nécessitent un effort manuel et sont considérées comme lourdes, potentiellement biaisée et peu fiable.

"Capteurs passifs, qui sont au cœur du système de détection mobile utilisé dans cette recherche, promettent de remplacer les enquêtes qui ont longtemps été la principale source de données pour identifier les principaux corrélats des élèves les plus performants et les moins performants, ", a déclaré Pino Audia, professeur de gestion et d'organisations à la Tuck School of Business de Dartmouth.

Selon l'équipe de recherche, c'est la première fois que la détection mobile est utilisée pour classer les performances élevées et faibles chez les travailleurs de différentes industries. Au total, la technologie a été testée sur 750 travailleurs à travers les États-Unis pendant une période globale d'un an.

Le système s'est avéré faire la distinction entre les plus performants et les moins performants avec une précision de 80 pour cent.

« Le système de surveillance passive se veut responsabilisant. Cette approche pourrait certainement profiter aux entreprises, mais peut également être utile aux employés individuels qui cherchent à augmenter leurs performances, " dit Campbell.

La nouvelle technologie peut produire « une mesure de performance plus objective offrant une meilleure compréhension de l'environnement de travail et de la main-d'œuvre à la fois à l'intérieur et à l'extérieur du travail, " selon un article décrivant l'étude qui sera publiée dans le Actes de l'ACM sur l'Interactif, Technologie portable et omniprésente .

Dans l'étude, une surveillance continue utilisant la technologie grand public a été combinée à des questionnaires traditionnels pour catégoriser les performances. La technologie n'est pas encore disponible dans les app stores, mais pourrait arriver dans les cabines voisines au cours des prochaines années.

La recherche, soutenu par l'Intelligence Advanced Research Projects Activity (IARPA) au sein du Bureau du directeur du renseignement national des États-Unis, sera présenté à la conférence UbiComp à Londres en septembre, 2019.

Les chercheurs des institutions suivantes ont tous contribué à cette étude :Dartmouth College; Université de Notre-Dame; Institut de technologie de la Géorgie; Université de Washington; Université du Colorado Boulder; Université de Californie, Irvine; l'Université d'État de l'Ohio ; Université du Texas à Austin; L'université de Carnegie Mellon.