Cette scène quotidienne dans les salles de classe a inspiré les recherches de la Tepper School of Business de l'Université Carnegie Mellon décrites dans un nouvel article intitulé "Comprendre l'intelligence collective :enquêter sur le rôle de la mémoire collective, de l'attention et des processus de raisonnement", publié dans Perspectives en Sciences psychologiques . Cet article fait partie d'un numéro spécial sur la psychologie des collectifs.

L'article présente le modèle de systèmes transactifs d'intelligence collective (TSM-CI). C'est une nouvelle façon d'envisager la manière dont les groupes, qu'il s'agisse d'étudiants ou de professionnels, gèrent leurs connaissances, leur concentration et leurs processus de prise de décision, en garantissant que les forces de chacun sont utilisées efficacement. Tout comme un médecin évalue si un corps est en bonne santé en fonction du fonctionnement de ses différents systèmes, il utilise le cadre TSM-CI pour articuler les systèmes qui peuvent déterminer si une équipe est en bonne santé.

"Notre cadre va vraiment au cœur de ce qui fait qu'une équipe travaille bien ensemble", a déclaré Anita Williams Woolley, vice-doyenne de la recherche et professeur de comportement organisationnel à la Tepper School, qui a dirigé la recherche sur laquelle le cadre est basé. "Il ne s'agit pas seulement d'avoir un groupe de personnes ; il s'agit de la façon dont ils utilisent ce qu'ils savent, restent concentrés et prennent des décisions en équipe."

Woolley a souligné que cela peut nous aider à construire de meilleures équipes et de meilleurs outils, surtout maintenant où les gens travaillent davantage avec la technologie et dans des contextes différents. "Il s'agit avant tout de comprendre que la clé d'une bonne équipe réside dans la façon dont tout le monde travaille ensemble, et pas seulement dans les membres de l'équipe."

Le cadre TSM-CI s'articule autour de l'idée selon laquelle un travail d'équipe réussi repose sur l'intelligence collective. L'intelligence au sein de tout système repose sur trois fonctions interdépendantes :la mémoire, l'attention et le raisonnement. Les équipes efficaces cultivent un système de mémoire transactive (TMS) leur permettant d'identifier quels membres de l'équipe possèdent différentes informations ou expertises. Cela facilite le partage et la récupération efficaces des informations, garantissant que les bonnes connaissances sont accessibles au bon moment.

Par la suite, le Transactive Attention System (TAS) garantit que l'attention collective de l'équipe est correctement coordonnée et répartie, à la manière d'un chef d'orchestre guidant un orchestre pour s'assurer que chaque musicien joue son rôle au bon moment. Enfin, le système de raisonnement transactif (TRS) aligne l'équipe sur des objectifs et des priorités communs, guidant les décisions, reflétant la façon dont une équipe sportive élabore une stratégie ensemble pour gagner un match.

"Avec une collaboration croissante dans les environnements numériques, nous pouvons développer des indicateurs de bon fonctionnement d'équipe que les ordinateurs comprennent", a déclaré Pranav Gupta, professeur adjoint d'administration des affaires au Gies College of Business de l'Université de l'Illinois à Urbana-Champaign et co- auteur sur la recherche. "Cela ouvre de nouvelles possibilités pour intégrer des "coéquipiers" IA dans nos équipes humaines, et peut vraiment changer la façon dont nous travaillons ensemble."

Cette recherche a des implications pour l’amélioration du travail d’équipe dans divers domaines, des salles de classe aux salles de conseil d’administration des entreprises. Les efforts futurs exploreront comment la technologie peut renforcer ces systèmes cognitifs collectifs et développer des outils pour améliorer davantage la collaboration.