Recompensas justas: refinando la equidad en la asignación de recursos del equipo a través de un enfoque de optimización basado en datos
Autores: Jiang, Bo; Tian, Xuecheng; Pang, King-Wah; Cheng, Qixiu; Jin, Yong; Wang, Shuaian
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Recompensas justas: refinando la equidad en la asignación de recursos del equipo a través de un enfoque de optimización basado en datos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Evaluación
Rendimiento individual
Asignación de recursos
Autoinforme
Sesgos
Asignación equitativa
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
En la gestión de grupos, la evaluación precisa del rendimiento individual es crucial para la asignación justa de recursos como bonificaciones. Este documento explora las complejidades de medir la contribución de cada participante en proyectos con múltiples participantes, particularmente a través del prisma de la autoevaluación, un método lleno de desafíos de subinformación y sobreinformación, que pueden sesgar la asignación de recursos y socavar la equidad. Abordando las limitaciones de los métodos de evaluación actuales, que a menudo se basan únicamente en datos autoinformados, este estudio propone una novedosa política de asignación equitativa que tenga en cuenta los sesgos inherentes en la autoevaluación. Al desarrollar un modelo de optimización matemática basado en datos, nuestro objetivo es alinear de manera más precisa la asignación de recursos con las contribuciones reales, mejorando así la eficiencia y cohesión del equipo. Nuestros experimentos computacionales validan la efectividad del modelo propuesto para lograr una asignación más equitativa de recursos, lo que sugiere implicaciones significativas para las prácticas de gestión en entornos de equipo.
Descripción
En la gestión de grupos, la evaluación precisa del rendimiento individual es crucial para la asignación justa de recursos como bonificaciones. Este documento explora las complejidades de medir la contribución de cada participante en proyectos con múltiples participantes, particularmente a través del prisma de la autoevaluación, un método lleno de desafíos de subinformación y sobreinformación, que pueden sesgar la asignación de recursos y socavar la equidad. Abordando las limitaciones de los métodos de evaluación actuales, que a menudo se basan únicamente en datos autoinformados, este estudio propone una novedosa política de asignación equitativa que tenga en cuenta los sesgos inherentes en la autoevaluación. Al desarrollar un modelo de optimización matemática basado en datos, nuestro objetivo es alinear de manera más precisa la asignación de recursos con las contribuciones reales, mejorando así la eficiencia y cohesión del equipo. Nuestros experimentos computacionales validan la efectividad del modelo propuesto para lograr una asignación más equitativa de recursos, lo que sugiere implicaciones significativas para las prácticas de gestión en entornos de equipo.