
Krediet: CC0 Publiek Domein
Informatie over het woon-werkverkeer van werknemers van smartphones en fitnesstrackers kan individuele werkprestaties voorspellen, volgens een door Dartmouth geleide studie.
De studie bevestigt de gedrags- en fysieke effecten van woon-werkverkeer op de kwaliteit van het werk. Het onderzoek laat ook zien hoe gegevens van persoonlijke technische apparaten de productiviteit en tevredenheid van werknemers kunnen helpen verbeteren.
“Je woon-werkverkeer voorspelt je dag”, zegt Andrew Campbell, de derde-eeuwse hoogleraar computerwetenschappen van Albert Bradley 1915 aan Dartmouth, de hoofdonderzoeker en co-auteur van het onderzoek. “Dit onderzoek toont aan dat mobiele detectie in staat is te identificeren hoe reizen van en naar kantoor individuele werknemers beïnvloedt.”
Deelnemers aan het onderzoek gebruikten een Garmin vivoSmart 3 activity tracker en een smartphone-gebaseerde detectie-app om fysiologische en gedragspatronen tijdens woon-werkverkeer vast te leggen, inclusief activiteitsniveaus, telefoongebruik, hartslag en stress. Het systeem legde ook externe factoren vast, zoals locatie, weer, reistijd van woon-werkverkeer en variabiliteit van woon-werkverkeer.
Onderzoekers analyseerden gegevens van 275 werknemers die waren verzameld over een periode van een jaar voorafgaand aan het uitbreken van de COVID-19-pandemie. De arbeiders, van wie bijna 95% reed, werden tijdens het reizen in de gaten gehouden. Ze werden ook gedurende 30 minuten voor en na het woon-werkverkeer gecontroleerd.
“We waren in staat om machine learning-modellen te bouwen om de werkprestaties nauwkeurig te voorspellen”, zegt Subigya Nepal, een Ph.D. student aan Dartmouth en hoofdauteur van het artikel. “De sleutel was om de stress voor woon-werkverkeer objectief te kunnen beoordelen, samen met de fysiologische reactie op de woon-werkervaring.”
De studie beoordeelde werknemers aan de hand van twee erkende criteria voor werkprestaties: contraproductief werkgedrag en gedrag van organisatieburgerschap. Contraproductief gedrag schaadt opzettelijk een organisatie, terwijl burgerschapsgedrag gunstig is. Basislijnen voor beide maatregelen werden regelmatig vastgesteld door middel van zelfrapportagevragenlijsten.
“Vergeleken met low-performers, vertonen high-performers meer consistentie in de tijd dat ze op het werk aankomen en vertrekken”, zegt Pino Audia, een professor in Management en Organisaties aan de Tuck School of Business, een senior wetenschapper in het onderzoeksteam, en een co- auteur van de studie. “Dit vermindert de negatieve effecten van variabiliteit in woon-werkverkeer drastisch en suggereert dat het geheim van hoge prestaties kan liggen in het vasthouden aan betere routines.”
Bijkomende verschillen in de pendelpatronen van high- en low-performers zijn onder meer:
- High-performers hebben meestal fysiologische indicatoren die consistent zijn met fysieke fitheid en stressbestendigheid.
- Laagpresteerders hebben hogere stressniveaus in de tijd voor, tijdens en na het woon-werkverkeer.
- Laagpresteerders gebruiken hun telefoon meer tijdens hun woon-werkverkeer.
Over het algemeen bleek uit het onderzoek ook dat werknemers meer tijd besteden aan het woon-werkverkeer dan aan het reizen naar het werk.
Volgens de studie blijkt uit eerder onderzoek naar woon-werkverkeer dat stress, angst en frustratie door woon-werkverkeer kunnen leiden tot een minder efficiënt personeelsbestand, meer contraproductief werkgedrag en minder burgerschapsgedrag van organisaties.
Dit is de eerste studie waarbij onopvallende wearables en smartphones worden gebruikt om de prestaties van werknemers te voorspellen op basis van alleen gegevens over woon-werkverkeer. Volgens de onderzoekers hebben eerdere studies meer indringende en dure technologie gebruikt, zoals headmounts en elektroden, om de woon-werkervaring te begrijpen, maar geen enkele studie heeft eerder gegevens over woon-werkverkeer in verband gebracht met de impact op de prestaties op de werkplek.
“De inzichten van deze proof-of-concept-studie tonen aan dat dit een belangrijk onderzoeksgebied is voor de toekomst van werk”, zegt Campbell, mededirecteur van Dartmouth’s DartNets Lab.
De studie toont ook aan dat niet alle woon-werkverkeer slecht kan zijn. Door kenmerken van woon-werkverkeer, zoals loopafstand en stappen, te volgen, bevestigt het onderzoek dat forenzen die actief zijn in het woon-werkverkeer doorgaans een hogere productiviteit op het werk ervaren.
In de toekomst verwachten de onderzoekers dat alomtegenwoordige detectietechnologie in staat zal zijn om woon-werkstress te detecteren en op maat gemaakte interventies zoals muziek, podcasts, hen in contact te brengen met vrienden en familie, of tips te geven voor korte stops.
Het onderzoek is geaccepteerd voor publicatie in Toekomst van werk: COVID-19 en verder, een speciale uitgave van IEEE Pervasive Computing.
Shayan Mirjafari et al, Werkprestaties voorspellen met behulp van mobiele waarneming, IEEE Pervasive Computing (2021). DOI: 10.1109/MPRV.2021.3118570
Aangeboden door Dartmouth College