Nodi, pesi, Uber e Tinder

Sto parlando di abbinare al momento, perché è un mio interesse di nicchia e anche perché ho partecipato a un discorso sul mentoring. Ho già parlato di come le persone che si abbinano rapidamente diventano brutte e difficili. Il leader del programma stava vivendo questa prima mano - dopo aver aumentato il programma del 500%, stava iniziando a lottare per fare partite basate su dati qualitativi. Mi ha chiesto di scrivere qualcosa per offrire potenziali soluzioni. Ecco il mio breve riassunto.

Esistono alcuni metodi con cui le persone sono abbinate. Questi possono essere ampiamente classificati in:

  • Relazioni monogame
  • Relazioni poliamorose
  • Rapporti per il bene collettivo

Cominciamo con poliamore

Molti-a-uno, uno-a-molti e molti-a-molti

Questo è l'approccio adottato dalla maggior parte dei siti Web di incontri. Il risultato ottimale non è che una persona sia abbinata a una persona. Invece l'algoritmo abbina gli individui a più altri e quindi consente agli utenti di decidere cosa fare dopo. L'applicazione di questo approccio a un programma di abbinamento mentore / allievo è problematica, poiché il risultato ottimale è un abbinamento esclusivo 1: 1.

Rapporti per il bene collettivo

Un esempio tipico fornito per questo tipo di abbinamento sono i dipendenti e le attività. Ogni dipendente può svolgere ogni compito, ma c'è un costo diverso nel tempo - che misuro in dollari - per ogni dipendente. Come manager, voglio essere sicuro di trascorrere il tempo dei miei dipendenti nel modo più efficiente. Dispongo il mio tavolo come nel blog precedente e quindi trovo il percorso più economico.

Qui le partite ottimali sono:

  • Armond: bagno pulito
  • Francine: spazzare i piani
  • Herbert: lava le finestre

Come puoi vedere, sarebbe facile convertire le attività in persone e calcolare un punteggio in base a una serie di tratti che desideri abbinare. Il motivo per cui io chiamo queste "belle partite collettive" è perché le persone in esse non hanno voce in capitolo. Armond potrebbe preferire lavare le finestre perché gli piace vedere il cielo, ad esempio, ma è inefficiente a livello organizzativo abbinarlo a quell'attività - a meno che parte del nostro punteggio di corrispondenza tenga conto del desiderio del dipendente di svolgere l'attività .¹

Sebbene questa attività sia semplice con una griglia 3 x 3, su scala richiede un algoritmo per la gestione.

Relazioni monogame

Queste relazioni sono una partita uno a uno, come quelle sopra. Dividiamo la popolazione in gruppi e chiediamo loro di elencare le loro preferenze. Possiamo quindi applicare un algoritmo per abbinare i due gruppi insieme. A differenza di quanto sopra, in cui il gruppo nel suo insieme ottiene le migliori partite, questo approccio punta all'ottimizzazione individuale. Questo problema è generalmente indicato come segue:

Dato n uomini e n donne, dove ogni persona ha classificato tutti i membri del sesso opposto in ordine di preferenza, si sposano uomini e donne insieme in modo tale che non ci siano due persone di sesso opposto che preferirebbero avere l'un l'altro rispetto ai loro attuali partner . Quando non esistono coppie di questo tipo, l'insieme dei matrimoni è considerato stabile

La popolazione che stai abbinando è divisa in due gruppi; proponenti e recensori. I proponenti chiedono la loro massima preferenza; se il revisore preferisce questa proposta al proprio partner attuale, scaricherà il proprio parter corrente e si attaccherà al proponente; in caso contrario, rifiuteranno il proponente.³ Una volta che ogni proponente ha chiesto, il processo ricomincia, continuando fino al round in cui nessun revisore scambia i partner.

Una conseguenza di questo processo è che le preferenze dei proponenti sono sempre privilegiate rispetto alle preferenze del revisore.

Conclusione L'applicazione di un modello monogamo al problema delle corrispondenze mentore-allievo favorisce le preferenze di un gruppo rispetto all'altro. Se questo approccio dovesse essere adottato, consiglierei di fare del tutor il gruppo le cui preferenze sono maggiormente rispettate, in quanto sono la risorsa più scarsa. Al contrario, l'applicazione del buon approccio collettivo potrebbe portare a partite individuali più povere, ma garantirà a tutti una buona partita, al contrario di un mix di partite con punteggi più bassi e più alti.

Un approccio ibrido che genera un punteggio di "bene collettivo" e lo utilizza per delegare l'elenco delle preferenze che sarebbero generate da un approccio di "relazione monogama" sembra offrire il meglio di entrambi i mondi. Genererebbe le preferenze "cieche" - evitando pregiudizi di genere e di razza che tutti noi abbiamo - oltre a rimuovere la necessità per mentori e allievi di ricercare e analizzare in modo esaustivo centinaia di profili del gruppo avversario.

⁰ Il manager in questo scenario è ovviamente del tutto fittizio ¹ Se è saggio o meno che i manager prendano in considerazione i sentimenti dei loro dipendenti quando assegnano compiti non è davvero una domanda: è evidentemente una buona idea. ² Ai fini di questo problema, l'eteronormatività regna sovrana. ³ Allo stesso modo, i recensori preferirebbero avere qualcuno piuttosto che nessuno