ExpertNet – Un Living Lab en Colaboración con la Ciudad de Buenos Aires

logo-expertnetTrasfondo / Origen

Los profesionales en el gobierno municipal tienen dificultad en distinguir quien, entre sus colegas tiene la experiencia y los conocimientos para mejorar el cómo una ciudad cumple con sus ciudadanos. La persona sentada en el escritorio de al lado con el título ambiguo de “director” o “gerente” podrían saber cómo marcar la diferencia entre éxito y fracaso en un proyecto público importante. Para lograr un gobierno de ciudad más eficaz, queremos ser capaces de identificar las destrezas, habilidades y capacidades del grupo de trabajadores del municipio.

La Antigua Atenas gobernaba aprovechando la inteligencia y los conocimientos de sus ciudadanos para tomar decisiones. Historiadores creen que la participación de ciudadanos expertos era fundamental para hacer de Atenas la ciudad-estado más exitosa de su época. De la misma manera en que Atenas aprovechaba los conocimientos de sus ciudadanos, las ciudades modernas podrían beneficiarse de un mejor hallazgo y emplear la experiencia dentro de las categorías de sus ciudadanos, comenzando con sus propios empleados municipales. Trabajando con ciudades asociadas, el proyecto ExpertNet en el Laboratorio de Gobierno está construyendo herramientas de fuentes abiertas para habilitar a los empleados del gobierno municipal para identificar las áreas de conocimiento de cada uno. También pondremos a prueba la eficacia de saber más sobre las destrezas y habilidades de los empleados para mejorar la colaboración y solución de problemas.

El ExpertNet se construye en un trabajo anterior en conjunto con la Iniciativa Abierta de Gobierno de la Casa Blanca diseñando una plataforma para pedirles a las personas compartir más acerca de sus conocimientos, su experiencia, conocimiento, destrezas y pasiones. Utilizando una wiki colaboradora, la Administración de Servicios Generales de Estados Unidos (GSA, United States General Services Administration) y la Iniciativa Abierta de Gobierno solicitó al público comentarios acerca del desarrollo de una plataforma que: 1) habilite a los oficiales del gobierno poner en circulación de noticias de oportunidades para participar en consultas públicas a miembros del público con experiencia en un determinado tema; y 2) ofrecer esos expertos voluntarios con un mecanismo para proporcionar comentarios útiles, relevantes y controlables a los oficiales del gobierno.

Mientras que, al menos inicialmente, la población a la que se apunta para el ExpertNet ha cambiado de expertos dentro del público general a expertos dentro de los gobiernos de la municipalidad, el objetivo central se mantiene igual: la creación de una herramienta construida expresamente para la formulación de preguntas que pueda habilite a los empleados del gobierno a aprovechar experiencia dormida y existente para ayudar a solucionar problemas.

Hoy en día, la ciudad de Buenos Aires realiza la siguiente información sobre un empleado municipal que se encuentra a disposición del público:

Rudi Profile

Más que una vista multifacética del conocimiento y habilidades del empleado, el Sistema existente, que es típico en la mayoría de los directorios de recursos humanos, brinda una simple tarjeta profesional como Nombre y dirección de correo electrónico, y afiliaciones básicas de profesión como el Departamento y el Cargo.

El ExpertNet busca expandir lo que ya conocemos dirigiéndose más allá de los títulos para obtener una pantalla más amplia de la experiencia y conocimientos de las personas. La experiencia útil va más allá de lo que muestra una credencial formal. Puede incluir un rango muy amplio de habilidades y destrezas y experiencias anteriores, abarcando lo que sabemos hacer y nuestra habilidad para explicárselo a otros.

Lo que buscamos construir

En colaboración con ciudades asociadas, el GovLab tendrá una fuente abierta, un Sistema de información relacionada para obtener la experiencia de gobierno municipal.

Queremos comprender:

  1. Qué tipos de experiencia son más útiles a identificar;
  2. Cuáles son las mejores maneras de recolectar esa información;
  3. Cómo la experiencia influencia la voluntad de colaborar en las personas;
  4. Si es que identificar la experiencia de los empleados ayuda a las ciudades a ser más eficaces para resolver problemas; y
  5. El impacto final en la percepción de ciudadanos y empleados.

El proyecto ExpertNet avanzará por cuatro etapas experimentales:

  • Fase 1. En la primera fase, nos vamos a enfocar en los autoinformes de los empleados. Pondremos a prueba diferentes categorías de información que la gente podría brindar (credenciales, habilidades, intereses proyectos anteriores, alianzas, experiencia de trabajo y planes futuros) y como eso se correlaciona con la voluntad de colaboración y hacerlo bien. El objetivo es ejecutar tres implementaciones piloto de 300 a 500 personas cada una en dos ciudades.
  • Fase 2. En la segunda fase, exploraremos estrategias para crear una infraestructura de información relacionada, para conectar y poner a disposición las habilidades y conocimientos de empleados a través de las ciudades. El objetivo es conectar a las personas a través de todas las implementaciones piloto y poner a prueba cómo podemos emparejar a las personas con los problemas para una mejor solución de problemas.
  • Fase 3. En la tercera fase, exploraremos la integración con LinkedIn, VIVO y otras Fuentes populares de experiencias internacionales, regionales y locales como también con conjuntos de datos abiertos en publicaciones y becas. El objetivo es poner a prueba si acceder a bases de datos ya existentes es efectivo para complementar e investigar la información de los reportes recolectada en la Fase 1.
  • Fase 4. En la fase final, vamos a explorar la integración con sistemas de RECURSOS HUMANOS. El objetivo es transformar el ExpertNet de una plataforma de conocimientos independiente a la base de datos central para las ciudades asociadas, que nos permitirá explorar lo que sucede cuando el sistema de RECURSOS HUMANOS de una ciudad está llena de datos fiables en habilidades y experiencia, más que sólo contener información básica biográfica exclusivamente.

Plan de Despliegue para la Fase 1

Con el interés de emprender un acercamiento iterativo, coherente con la metodología de investigación de acción de GovLab descrita a continuación, comenzaremos nuestro trabajo con socios de gobierno de la municipalidad desplegando una primera fase de baja tecnología del proyecto. La Fase 1 será un proyecto piloto útil que ayudará a poblar bases de datos iniciales, optimizar categorías de información a ser reunida (y poner a prueba distintas categorías), identificar restricciones e informar el desarrollo de la plataforma.

Los objetivos principales de la Fase 1 incluyen:

  • Inicial tres proyectos piloto simultáneamente en cada una de las dos ciudades;
  • Emprender en profundidad investigación de fondo en las ciudades asociadas, departamentos y cualquier otro interesado dentro del alcance del proyecto piloto;
  • Realizar una encuesta con cuestionarios para obtener información auto reportada en una diversidad de temas;
  • Reunir y mantener información acerca de los datos de los empleados retenida por el gobierno formando parte en el piloto y los proyectos en los que han trabajado; y
  • Estudiar esta información para optimizar las categorías de información que reunirá la plataforma.

El papel de las ciudades asociadas en la Fase 1 será:

  • Identificar departamentos y empleados para formar parte en el piloto;
  • Agregar información relevante de empleados, departamentos y proyectos retenida por el gobierno a la base de datos de ExpertNet;
  • Educar a los empleados acerca del proyecto, sus objetivos y las maneras en las cuales puede ayudar a mejorar su habilidad en el trabajo;
  • Difundir el cuestionario y fomentar la participación; y
  • Identificar proyectos que pueden actuar como bancos de prueba iniciales para el ExpertNet.

El papel de GovLab en la Fase 1 será:

  • Emprender en profundidad la investigación de fondo relacionada con asociados del proyecto y redes de trabajo de experiencia;
  • Elaborar el cuestionario con fundamentos claros para cada categoría de información a ser reunida;
  • Colaborar con el desarrollo de la plataforma técnica de ExpertNet;
  • Guiar el despliegue de ExpertNet en cada ciudad piloto y brindar apoyo necesario a las ciudades asociadas mientras divulgan el cuestionario y educan a los empleados para su propósito; y
  • Mantener y analizar la base de datos de experiencia en desarrollo para brindar el apoyo necesario para iniciar la Fase 2.          

Preguntas iniciales de fondo para ciudades asociadas:

  • ¿Qué departamentos deben ser incluidos en un proyecto piloto inicial?
  • ¿Cuáles son las estructuras jerárquicas departamentales?
  • ¿Existe alguna plataforma de comunicación o red social para los empleados de la municipalidad de la cual GovLab deba ser informado antes de avanzar con el proyecto ExpertNet?
  • ¿Hay alguna barrera legal específica que pueda afectar el desarrollo?
  • ¿Hay algún tipo de interés político que pueda actuar como barrera para el desarrollo?
  • ¿Existe información sobre proyectos emprendidos en diferentes departamentos?
  • ¿Cuál es la política de contratación externa para la municipalidad?
  • ¿Cuáles son las Fuentes técnicas de la municipalidad, incluyendo presupuesto disponible y número de desarrolladores internos?
  • ¿Qué proyectos son mejores para actuar como bancos de prueba iniciales para ExpertNet?

Por qué esto es importante: Casos de uso

Una base de datos a disposición del público de las habilidades, experiencia e intereses de los empleados de la municipalidad puede ser utilizada de muchas formas.

Identificar los conocimientos para ayudar a solucionar un problema específico

Primero y más importante, el ExpertNet permitirá a los empleados de la municipalidad encontrar fácilmente y emplear conocimientos a través de los departamentos que pueden ayudar a solucionar problemas específicos. Por ejemplo, si un empleado en el Departamento de Educación de Buenos Aires está lidiando con quitar un error en el Sistema de nóminas y el soporte interno de TI no puede ayudar, el empleado puede buscar en ExpertNet y encontrar un empleado en el Departamento de Salud que le puede ayudar a solucionar el problema. En lugar de perder tiempo buscando una respuesta o gastando dinero contratando ayuda externa, los empleados pueden aprovechar la experiencia ya disponible dentro de su gobierno para alcanzar el mismo fin.

Inspirando e incentivando la colaboración dentro y a través de los departamentos

Tanto a través de su Sistema de respaldo y credenciales como motivaciones intrínsecas manifestados por el Sistema, ExpertNet buscará inculcar un espíritu de colaboración y compromiso de los empleados dentro de las municipalidades. Mientras los empleados podrán utilizar el Sistema para resolver problemas importantes, como el ejemplo de gestión de base de datos descrita anteriormente, ExperNet también brindará la posibilidad de compartir destrezas e intereses en una manera menos formal. Por ejemplo, un empleado puede utilizar ExpertNet para encontrar ayuda voluntaria de un colega que puede proporcionar consejos y trucos de Photoshop o buenas canciones para principiantes de guitarra. Ya sea para fines formales o informales, ExpertNet buscará inspirar a los individuos a colaborar con sus colegas y verse como parte de un gran equipo que abarca todos los departamentos.

Evitando trabajo redundante

Además de crear una base de datos disponible al público de quién sabe qué, ExpertNet buscará crear una base de datos disponible al público de quién está haciendo qué. Brindando información de los tipos de proyectos que los empleados en diferentes departamentos están buscando, ExpertNet puede ayudar a los empleados a descubrir quién tiene el conocimiento y experiencia potencialmente útil mientras evita también el trabajo redundante. Por ejemplo, si un empleado del Departamento de Desarrollo Social está preparando la redacción de un reporte que promueve un nuevo centro comunitario para adolescentes, podría usar ExpertNet para descubrir la redacción de un reporte similar de hace 6 meses en el Departamento de Cultura.

Herramientas y tecnologías

Diseñando y realizando estos experimentos, aprovecharemos y aprenderemos de una gran variedad de herramientas innovadoras y tecnologías que ya existen. Por ejemplo:

  • Plataformas de red de trabajo de expertos, tales como VIVO y Stack Exchange, también brindarán información útil para lograr emular como las mejores prácticas para la creación de plataformas de búsqueda de habilidades, intereses y experiencia de individuos.
  • Sistemas de respaldo y clasificación, como se encuentran en LinkedIn y en eBay, permitirá a los usuarios seleccionar las habilidades, ganar reconocimientos demostrables por el buen trabajo, y hacer posible el crear credenciales y tablas de clasificación para incentivar la participación.
  • Tecnologías de datos vinculados, como es utilizado en CKAN y Google Now, nos permitirá consolidar la información de las habilidades, preferencias y experiencia de los individuos de varias de Fuentes.
  • Funcionalidad de búsqueda predictiva, como se despliega en Google y Bing, asegurará la consistencia en la información de auto reportes y hará que el descubrimiento de expertos sea más fácil.
  • Bases de datos de alto rendimiento, como Oracle DB2 y MSSQL, cumplirá con nuestras necesidades de gestión y almacenamiento de datos.

Pregunta Principal

Experimento

Producción

Fase 1

¿Qué tipos de información de los individuos son los más útiles para determinar experiencia y voluntad de colaborar en proyectos?

Desplegar dos cuestionarios similares pero distintos en ciudades asociadas:

Una versión dándole al empleado la libertad de auto reportar sus habilidades, interesas y experiencias.

  • La otra utilizando categorías de información pre establecidas y con respuestas disponibles para seleccionar.

Una plataforma de experiencia inicial y base de datos subyacente;

Percepciones cualitativas en diferentes técnicas para obtener información del empleado.

Fase 2

¿La habilidad de acceder a la experiencia a través de los gobiernos de la municipalidad, no solo a través de departamentos, da como resultado una plataforma más útil?

Crear una red de base de datos de la experiencia de los empleados a través de implementaciones piloto, y poniendo a prueba el uso y compromiso comparándose con la Fase 1.

Una plataforma de experiencia a través de la municipalidad y base de datos subyacente.

Cambios observables en el uso basándose en expandir la base de datos más allá de las fronteras del gobierno de la municipalidad.

Fase 3

¿Acceder a Fuentes de datos existentes brinda una vista más amplia y complete de la experiencia de los individuos e inspira mayor participación?

Complementar e investigar información auto reportada utilizando fuentes de datos existentes como LinkedIn, VIVO, Facebook y publicación de bases de datos.

Desplegando un motor de verificación cruzada para comparar habilidades auto reportadas en ExpertNet con información relevante de otras Fuentes.

Opciones de creación de perfil más sólido y de fácil acceso.

Calidad de información mejorada y posibilidades de emparejar experiencia.

Fase 4

¿Puede una plataforma de compromiso de experiencia reemplazar totalmente los sistemas de recursos humanos tradicionales del gobierno de la municipalidad?

Integrar ExpertNet con sistemas de recursos humanos existentes y estudiar el impacto y cambios en la colaboración de los empleados y tendencia de solución de problemas.

Un Sistema de recursos humanos incorporando la información biográfica simple y profesional y la información de experiencia multifacética.

Información visible en los cambios de uso siguiendo la reforma del Sistema de recursos humanos.

¿Qué es la gobernanza más innovadora?

ExpertNet es parte de los esfuerzos continuos de gobernanza más innovadora de GovLab, y basa su creencia que las personas que no están incluidas tradicionalmente en ciertas decisiones de gobernanza tienen el conocimiento, la experiencia y las ideas que pueden ofrecer nuevas perspectivas y soluciones para los problemas públicos.

Los adelantos de la ciencia y la tecnología han proporcionado nuevas herramientas para identificar quién sabe qué y apuntar a las demandas de participación a los que más pueden contribuir. Con la habilidad de identificar y estimular la participación de un número reducido de audiencias relevantes, como los empleados del gobierno de la municipalidad con un conjunto específico de destrezas y experiencia del diario vivir, y ofrecerles formas de participar de manera significativa, los gobiernos municipales tienen una mejor oportunidad para elaborar una solución que se adapte mejor a la realidad cotidiana.

Abrir una organización para el uso de lo que el profesor Henry W. Chesbrough del Harvard Business School llama “entradas y salidas proactivas del conocimiento” es bien conocido en la literatura empresarial como un motor de la innovación.[I] Este paradigma de “innovación abierta” es la “antítesis del modelo de integración vertical tradicional, donde las actividades internas [investigación y desarrollo] conllevan a productos desarrollados internamente, que luego son distribuidos por la empresa.”[II] En muchas empresas (pero de ninguna manera todas), la idea tradicional de innovación trabajando en secreto se está convirtiendo en obsoleto.[III] En el ambiente contemporáneo los negocios están encontrando experiencia en todos los rincones de sus organizaciones y fuera de ellas.[IV] La innovación abierta no sólo amplifica las oportunidades para las nuevas soluciones basadas en silos anteriormente no disponibles o desconectados del conocimiento, sino que también permite a los actores externos de los beneficios de aprovechar los recursos de la institución, tales como la inversión en investigación y desarrollo.[V] La narración de un empresario solitario llevando su innovación al mercado ha sido sustituido por el concepto de redes y comunidades que se unen en un proceso interactivo de descubrimiento.[VI] Los nuevos negocios están prosperando mediante el suministro de conocimientos para las organizaciones como los bancos que buscan informarse de decisiones de inversión[VII] o bufetes de abogados que buscan testigos expertos.[VIII] Sustentándose exclusivamente en la investigación y el desarrollo interno es visto como una limitación a los potenciales de la innovación en muchos sectores.

Las técnicas de innovación abierta pueden ayudar al sector público, así como a la empresa privada. Si considera este ejemplo inicial, en el año 2005, antes de Facebook y Twitter, los estudiantes del New York Law School y Beth Noveck diseñaron y posteriormente lanzaron Peer to Patent (Colegas a Patentes), la primera red de expertos en el gobierno, que conectaba a científicos y tecnólogos voluntarios a las oficinas nacionales de patentes para informar de mejor manera cómo deben decidir quién se adjudica los veinte años del derecho de monopolio llamado patente.[IX] Ellos inventaron el proceso, la tecnología y la política que permitió a una burocracia cerrada abrir sus puertas y colaborar con gente con conocimientos para mejorar su trabajo. Una y otra vez, el público pudo evolucionar rápidamente la experiencia que el funcionario publico no pudo encontrar, permitiendo hacer la determinación final informado por la participación ciudadana, pero con sujeción a la independencia de la Ley y las reglas del proceso de patentes. A pesar de que la práctica de patentes no había cambiado mucho desde los tiempos cuando Thomas Jefferson comenzó su labor como el primer examinador en 1791, bajo la nueva Ley de Patentes, aprobada casi por unanimidad – la participación ciudadana a través de Peer to Patent (Colegas a Patentes), en su momento experimento piloto llevado a cabo con el consentimiento del inventor, y que hoy se consagra en Ley.

Mientras que Colegas a Patentes, así como gran parte del trabajo de la gobernanza más innovadora GovLab, se basa en traer conocimiento del público en general al gobierno, es importante reconocer que los gobiernos municipales tienen poblaciones de individuos extensas y diversas con una diversidad de habilidades y experiencias. Las lecciones aprendidas de la innovación abierta en los negocios y la creación de redes de expertos en una variedad de sectores e industrias aún no se han puesto en practica por los gobiernos municipales. Con estas ideas inspiradoras y las habilidades y las experiencias de los empleados de la municipalidad como estímulo al desarrollo, ExpertNet buscará hacer que los gobiernos de la municipalidades por todo el mundo sean más innovadores.

En el gobierno municipal, los diferentes departamentos esencialmente operando en silos, actuando como organizaciones independientes dentro de una organización y el padeciendo de los mismos tipos de limitaciones que las empresas que se basan exclusivamente en la investigación y el desarrollo interno. Para los gobiernos de la municipalidades, la “innovación abierta”, comienza por tener empleados en un departamento a encontrar y llegar a los expertos de otros sectores del gobierno. Profesionales gubernamentales poseen una enorme experiencia, pero no es posible que un solo empleado o departamento puede poseer todas las habilidades y la experiencia necesaria para hacer frente a todos los problemas encontrados. No hay razón alguna para pensar que las personas que han trabajado dentro de una burocracia durante mucho tiempo tendrán acceso a todos los mejores conocimientos técnicos. Contratar mejores expertos dentro y entre departamentos puede mejorar el funcionamiento de los departamentos del gobierno municipal al introducir nuevas ideas, perspectivas y considerar puntos de vista para solucionar los problemas existentes.

¿Cuáles son los métodos para identificar y medir la destreza?

Basado en credenciales

Tradicionalmente, las credenciales otorgadas a personas físicas por entidades reconocidas han sido el instrumento central para la demostración y la identificación de conocimientos. Desde doctorados obtenidos en universidades de la Ivy League hasta las licencias de notario público para las certificaciones de plomería, las personas generalmente asocian las destrezas con sistemas predefinidos de aptitud demostrada administrados y validados, mediante la documentación oficial, por una organización autoritativa. Mientras que las credenciales siguen siendo el medio dominante para la demostración de conocimientos, no permiten una perfil completo: la gente ahora a menudo adquiere habilidades a través de otras fuentes que existen fuera de las instituciones tradicionales.

Basado en la experiencia

Para los empleados en la mayoría de los entornos, las destrezas basadas ​​en experiencias resultan ser los medio más importantes para la promoción profesional – seguido inicialmente de la dependencia de credenciales. La capacidad demostrada para hacer un buen trabajo, que puede o no ser cuantificado oficialmente, es una medición clave de quién sabe lo que hay en un entorno laboral. En línea, plataformas como GitHub y Stack Exchange están utilizando sistemas basados ​​en la experiencia para cuantificar y descalificar la destreza de una manera más útil y ágil en vez de confiar simplemente en las credenciales.

Basado en la reputación

Los sistemas de recomendación y aprobación de conocimientos se están volviendo populares en respuesta a la creciente desconexión entre las habilidades de los individuos y los sistemas tradicionalmente reconocidos por credenciales. Los ejemplos paradigmáticos de LinkedIn, Yelp e eBay demuestran cómo los avales comunitarios, recomendaciones y aprobaciones pueden proporcionar métricas útiles, además de o en lugar de las certificaciones tradicionales. Por ejemplo, un individuo que ha completado la formación en línea con CodeAcademy puede enunciar esa credencial en la página de su perfil de LinkedIn y tenerlo aprobado por colegas y clientes, independientemente si la persona tiene algún título académico o credenciales en el entorno web.

¿Qué lo que ExpertNet capturará?

ExpertNet acumulará, clasificará y gestionará información estructurada de destrezas y experiencias. Con la mirada puesta en la plataforma de iteración y la vinculando bases de datos existentes, ExpertNet inicialmente capturará información en las siguientes categorías generales: biográficos, educación y credenciales, habilidades, intereses, proyectos, experiencia laboral y los planes futuros.

Ya sea la destreza arraigada en las credenciales, la experiencia o la reputación, esta información puede ser obtenida mediante la extracción automática de resúmenes biográficos en línea y fuentes de datos o autoinformes. Por lo menos en sus primeras fases, la autoinformación será el método principal para la identificación de destrezas. A medida que la plataforma busque desarrollar y alimentar las bases de datos con la información que pueda utilizarse para identificar y medir las destrezas, vacíos en los datos disponibles deberán ser llenados por empleados de autoinformando una variedad de información sobre sus antecedentes, habilidades, intereses y experiencia.

Biográfico

Entradas tradicionalmente asociados a los sistemas de recursos humanos, como el nombre, el cargo, la especialidad, el departamento y la región geográfica, jugarán un papel importante al establecer la identidad de una persona. Además de proporcionar información de búsqueda básica, los datos biográficos pueden ser vistos como un tipo de tarjeta e-business, con aspectos tanto personales como profesionales. Por ejemplo, tal sistema ha sido implementado por LinkedIn como una manera de identificar profesionales en una forma amplia.

Educación y Credenciales

Las preguntas relacionadas con el grado de instrucción y otras credenciales y certificaciones tradicionales son una manera de estimar la capacidad de una persona. Mientras que el sistema ExpertNet buscará ir más allá de estas medidas tradicionales de destrezas, la información contenida aquí seguirá ofreciendo datos potencialmente útiles. Sin embargo, ExpertNet buscará emular plataformas como Stack Exchange en la forma que demostró competencia dando un valor mayor a las formas tradicionales de certificación.

Habilidades

A partir de un sistema de autoinforme y eventualmente vinculando otras fuentes de datos en las fases posteriores, la pieza central del sistema ExpertNet centra en las habilidades de los empleados. Dos características importantes se asegurarán de que las habilidades se listen con precisión en el perfil de un empleado: un sistema automatizado, predictivo para la entrada de las habilidades para asegurar la consistencia de datos y un sistema de recomendación que permita que otros usuarios aprueben las habilidades y reconozcan el trabajo satisfactorio.

Intereses

ExpertNet solicitará a los usuarios autoinformes de sus intereses profesionales y personales para ayudar a identificar los tipos de destrezas que quieren aprovechar y los tipos de proyectos que quieren contribuir. En fases posteriores, ExpertNet vinculará los datos con la información extraída de las redes sociales existentes, como Facebook, para desarrollar una imagen más completa formada por los intereses de un individuo.

Proyectos

ExpertNet recopilará información sobre los principales proyectos que el individuo ha completado, tanto para identificar su experiencia y para garantizar que el nuevo trabajo no es redundante. Esto se enfoca en la experiencia del proyecto que diferencia a ExpertNet de los demás sistemas tradicionales de recursos humanos. Al igual que otros usuarios tendrán la posibilidad de apoyar las habilidades de un individuo en su página de perfil, los colaboradores de un proyecto enumerado podrán dar a un colega un “+1” por un trabajo bien hecho.

Sociedades

Recopilando información sobre las sociedades ofrecen un doble propósito. En primer lugar, ayuda a identificar si un individuo ha trabajado en un entorno de colaboración entre los departamentos en el pasado, si sentía que esas experiencias fueron positivas y si está dispuesto a colaborar con otros departamentos en el futuro. En segundo lugar, dando a los usuarios la capacidad de referir a las personas que han colaborado (tanto dentro del un mismo, y de otro departamento) y captar si la experiencia fue beneficiosa, ExpertNet complementará el sistema de respaldo / reputación en lugar de Destrezas y la sección de Proyectos. Con el tiempo, esta forma de cuestionamiento mostrará cuales son los empleados que constantemente están participando en colaboraciones fructíferas.

Experiencia laboral

La información sobre la experiencia laboral proporcionará el contexto para las habilidades de autoinformes y ayudará a identificar cualquier destreza profesional inactiva que no está siendo aprovechado por la posición actual de un individuo. Aún más que las secciones de habilidades e intereses, la posibilidad de enlazar los datos de los autoinformes de los almacenes de datos profesionales existentes, tales como LinkedIn permitirá el desarrollo continuo de una base de datos abundante y útil en la experiencia laboral, y al mismo tiempo facilitar la creación del perfil del usuario.

Planes Futuros

La información sobre los planes de futuro de un empleado puede ayudar a identificar a aquellos que estén dispuestos a trabajar en un proyecto determinado. Por ejemplo, si un empleado administrativo enumera “Web Developer” como su futura posición deseada, posiblemente es una señal de que ella estaría menos dispuesto a utilizar su tiempo libre para ayudar a trabajar en un proyecto fuera de una capacidad administrativa y más propensa a ayudar con un proyecto web.

Riesgos y obstáculos potenciales

Mientras que el GovLab confía en que ExpertNet beneficiará a los gobiernos municipales y sus empleados en muchos aspectos, el proyecto no está exento de riesgos y obstáculos, incluyendo:

  • Disponibilidad de datos. La mayor preocupación inicial del proyecto es probablemente la disponibilidad de datos públicos útiles. Mientras que otras fuentes pueden ofrecer una variedad de otros tipos de información, los datos del proyecto deben ser tanto los autoinformes de los empleados u obtenidas de fuentes de datos gubernamentales oficiales. Si tales datos no están disponibles, se necesitará tiempo y la introducción manual de los datos de entrada en una forma utilizable.
  • Baja calidad de datos autoinformados. Los datos de autoinformes de baja calidad también podrían plantear desafíos a la utilidad del sistema. Aunque no será fácil obtener datos precisos e uniformes a través de la autoinformación, el proyecto tomará las medidas necesarias para mitigar las preocupaciones – incluyendo el uso de un sistema de entrada predictivo.
  • Resistencia Cultural. La cultura tradicional institucional tendrá que ser transformada y diluir los silos departamentales y aumentar la colaboración entre los empleados de la municipalidad. Mientras que los beneficios potenciales y los usos de ExpertNet probablemente inspirarán a muchos empleados a experimentar con él, consideramos que habrá un poco de resistencia en diferentes niveles de la organización.
  • Las preocupaciones políticas. ExpertNet y sus principios subyacentes son totalmente apolítica. Sin embargo, dado el clima a menudo partidista de muchos gobiernos, las cuestiones políticas aún pueden surgir.
  • Limitaciones y desafíos únicos para ciertos contextos. Muchas limitaciones y retos serán imposibles de predecir hasta que el trabajo en el proyecto comience una vez que una asociación sea formalizada.

El enfoque de GovLab: Living Labs e investigación en acción

El difunto profesor del MIT Kurt Lewin , un pionero de la psicología social moderna que acuñó la investigación en acción a largo plazo dijo, “la investigación que no produce resultados pero libros no serán suficientes.” Esta noción es central para proyectos de Living Labs del GovLab, que se lleva a cabo usando un metodología de investigación en acción.

La investigación en acción implica experimentar en entornos de la vida real con una organización asociada. En este proceso, el equipo de investigación y socios trabajan juntos para recopilar y analizar datos , evaluar el desempeño en base a varios indicadores, y cambiar las prácticas basadas en la retroalimentación de información o las pruebas reunidas.

A diferencia de la investigación tradicional, lo que plantea una pregunta, recopila y analiza los datos, interpreta los resultados y publica las conclusiones – dejando a otros la tarea de determinar qué se puede hacer con los resultados de la investigación en acción que combina la investigación y su aplicación sin fallas . La investigación en acción es a la vez un proceso de investigación y un acercamiento a afectar el cambio social o de organización: Realmente implementa soluciones potenciales y los estudia como parte del proceso de investigación. Los resultados de la investigación en acción son ambos soluciones a los problemas sociales y organizacionales, y contribuciones al conocimiento científico y teórico.

Los Living Labs tienen la intención de lograr un amplio impacto más allá de sus beneficios a las instituciones socias del GovLab. Las lecciones aprendidas en los Living Labs informarán sobre los esfuerzos fundamentales para transformar a las instituciones disfuncionales y ayudar a crear modelos para producir gobernanzas efectivas y legítimas.

Los metodología de investigación en acción de Living Labs de GovLab se define por los siguientes objetivos:

  • El desarrollo de diseños prácticos para la democracia en colaboración;
  • Poniendo estos diseños en práctica con los socios institucionales;
  • Hacer investigación sobre los resultados para avanzar en nuestra comprensión de los diferentes enfoques; y
  • Utilizar ese conocimiento para diseñar implementaciones subsecuentes.

Con estos objetivos organizados y esta metodología general en mente, Living Labs de GovLab seguirá un proceso bien definido, adaptado a las necesidades, las habilidades y los recursos de nuestras instituciones asociadas.

Preguntas y variables centrales de la investigación de Expert Net

El trabajo de la GovLab en ExpertNet será organizada alrededor de preguntas clave de la investigación, tanto para asegurar un enfoque centrado en el desarrollo del proyecto en sí mismo y para ayudar a desarrollar un plan para la innovación más amplio de la gobernanza institucional. Nuestras preguntas iniciales de investigación, dividido por fases del experimento y variables, son los siguientes:

Fase 1

  • Destreza: Identificación
    • Cómo sabemos quién sabe qué y captar solicitudes para participar?
    • Es que podemos complementar el uso de las tres técnicas paradigmáticas para la identificación de destrezas – reputación, credenciales y la experiencia – con la autoinformación para obtener un entendimiento completo de las destrezas y experiencia de los individuos?
    • A través de la recolección y análisis de datos estratégicos, es posible determinar no sólo quien es capaz de ayudar a resolver un problema, sino que está dispuesto a hacerlo?
  • Destreza: Pareamiento
    • Qué podemos aprender de las experiencias de búsqueda en línea y la publicidad, el descubrimiento académico y otros contextos sobre cómo parear las destrezas de las personas para trabajar en diferentes contextos, y aplicar esas lecciones a los gobiernos municipales?
  • Destreza: Incentivos y motivación
    • Qué incentivos hacen que las personas puedan compartir sus conocimientos y experiencia?
    • De qué manera los incentivos y motivaciones para participar en iniciativas de gobernanza más innovadora se diferencian cuando existe la destreza de ser aprovechada en un entorno de trabajo restringido, claramente definido, en vez de existir fuera de las fronteras institucionales dentro del público en general?
  • Barreras: Desafíos y preparación cultural y jurídico
    • Cuáles son los impedimentos legales y culturales de las municipalidades para abrirse al aprovechamiento de las destrezas individuales?
    • Cómo pueden los departamentos de las municipalidades con silos formados intencionalmente ser empujados a abrirse para aprovechar a los expertos externos y a compartir los suyos?

Fase 2

  • Destreza: Identificación
    • Cómo podemos identificar los tipos de problemas que son más adecuados para conseguir la destreza necesaria?
  • Destreza: Pareamiento
    • Cómo podemos hacer coincidir las habilidades y conocimientos a los problemas existentes?
  • Destreza: Incentivos y motivación
    • Son técnicas de gamificación – tales como sistemas de puntuación, insignias y tablas de clasificación – eficaz para incentivar a las personas a participar en la gobernanza de la municipalidad en la creación de redes de expertos?
  • Estructuración: Definición del problema
    • Cómo pueden los empleados municipales definir peticiones de colegas expertos con el fin de:
      • Articular el problema en un lenguaje que capte el interés y conocimiento que se encuentra sin aprovechamiento;
      • Aclarar la urgencia y la necesidad de encontrar una solución;
      • Desarrollar enunciados de los problemas lo suficientemente detallados para las creación de ideas productivas;
      • Promover y adoptar respuestas diversas y novedosas que amplíen el espacio de soluciones existentes; y
      • Atraer a los expertos en la materia para responder?
    • De qué manera la ambigüedad en la definición del problema o petición específica obstaculiza el éxito?
    • Cómo se puede evitar la ambigüedad en la definición del problema?
    • Cómo pueden los problemas enmarcase de una manera que ayude a involucrar a los expertos en otros campos no relacionados y que podrían contribuir en base a soluciones halladas en su propio trabajo?

Fase 3

  • Destreza: Identificación
    • Cómo puede las diferentes fuentes de datos – incluyendo bases de datos internas del gobierno y de las redes sociales existentes, como LinkedIn – ser unidas entre sí para proporcionar una visión multifacética de la pericia y experiencia de los individuos?
  • Destreza: Pareamiento
    • Es que puede la entrada predictiva de información y funcionalidades de búsqueda mejorar el pareamiento de expertos?
  • Especialidad: Incentivos y Motivación
    • Cuáles son las motivaciones extrínsecas (como los premios) e intrínsecas (como el ego, el altruismo, la autonomía, la curiosidad, la empatía, etc.) para la participación, y cómo se comparan en el contexto de los problemas dentro de los gobiernos municipales?
  • Barreras: Desafíos y preparación cultural y jurídico
    • Qué capacidades adoptivas deben desarrollar los departamentos para asimilar el conocimiento diverso de empleados de la municipalidad?

Fase 4

  • Destreza: Incentivos y motivación
    • Cómo puede una sola plataforma de participación satisfacer las motivaciones heterogéneas que deben ser tomados en cuenta para incluir a una diversidad de individuos expertos?
  • Barreras: Desafíos y preparación cultural y jurídico
    • Será posible que una plataforma de identificación de destreza y pareamiento pueda reemplazar a los sistemas de recursos humanos existentes en las municipalidades?
    • Cómo podemos garantizar que los trabajadores adultos mayores y los que cuentan con poco conocimiento de la tecnología estén comprometidos a un sistema de descubrimiento de conocimientos modernos, basados ​​en la tecnología?
    • Será posible ayudar a la creación de redes de expertos internos resolviendo los problemas más grandes dentro de los gobiernos municipales, o su uso será relegado a más limitaciones, y peticiones individualizadas?

Indicadores de éxito

El desarrollo de sistemas de indicadores significativos y la evaluación es un aspecto clave en la fase de planificación de la metodología de Living Labs. Si bien se requieren los grupos de interés y la debida diligencia específica será necesaria para elaborar un sistema de evaluación objetivo, el GovLab ha identificado las siguientes mediciones iniciales de éxito:

Las medidas cuantitativas

  • Número de usuarios activos. Con el tiempo, ExpertNet aspira a convertirse en una pieza arraigada de marcos de los recursos humanos en las municipalidades socias, con la creación del perfil utilizado como parte del proceso de incorporación. Sin embargo, inicialmente el número de empleados que participarán en el sistema proporcionará una medida útil del interés y compromiso. Cambios en el uso a través del tiempo ayudarán a determinar si el sistema está experimentando un efecto de red, donde el uso inspira un mayor uso.
  • Total de endosos, recomendaciones y puntuaciones. Al igual que las medidas de los usuarios activos, el número total de opiniones, recomendaciones y puntuaciones endosados proporcionará una medida útil del uso continuado de los empleados y el compromiso con el sistema.
  • Número de usuarios excepcionales ganando insignias y endosos. Estudiar el número de usuarios excepcionales que ganan insignias y endosos, haciendo especial hincapié en los cambios a través del tiempo, proporcionará un medio para medir el éxito de los incentivos y motivación del sistema ExpertNet.
  • Listado numerado de proyectos. En consideración al objetivo central de identificar los proyectos que están trabajando o han trabajado recientemente los diferentes empleados de la municipalidad, el número de proyectos que figuran en el sistema, ya sea por autoinforme o extraída de una base de datos existente, permitirá proporcionar un medio para determinar el éxito de la plataforma en ayudar a los empleados a evitar el trabajo redundante.
  • Número de búsquedas exitosas y no exitosas de consultas sobre las destrezas. Mientras que al mismo tiempo se proporciona una vista de los tipos de habilidades y experiencia que existen dentro de los gobiernos municipales, el número de consultas de búsqueda exitosas y no exitosas también ayudará a identificar los vacíos en la recolección de datos.

 Medidas de ciencias sociales

  • Satisfacción de los usuarios . ExpertNet está destinado a mejorar la capacidad de resolución de problemas de los empleados de la municipalidad. Por lo tanto, probablemente la mejor medida del éxito vendrá de la participación de encuestas de los empleados participantes que pregunten sobre su satisfacción con la plataforma.
  • Compromiso de los empleados y la tendencia hacia la colaboración. Alcanzar la visión sobre el papel de ExpertNet con el aumento de la participación y el interés en la colaboración de los empleados será más difícil en la practica, pero será esencial para determinar el éxito de la plataforma en relación a sus objetivos.
  • Percepción de mejoras en la resolución de problemas. En teoría , el aumento de colaboración entre los empleados y la capacidad de identificar e involucrar las destrezas mejorará la toma de decisiones en todos los departamentos . Sin embargo, la prueba de esta hipótesis mediante la medición del éxito de resolución de problemas de las personas que utilizan la plataforma será esencial.
  • Evaluación de los directores y supervisores. Además de encuestar a los empleados municipales en general, el estudio de las evaluaciones de los directores y supervisores ayudará a determinar si el sistema ha sido de gran utilidad para sus empleados. Quizás aún más importante, es comprometer la participación de los directores y los supervisores para ayudar a determinar si la plataforma está navegando con éxito las barreras culturales en el gobierno municipal.

[I] Henry Chesbrough, “Open Innovation: A New Paradigm for Understanding Industrial Innovation,” in Open Innovation: Researching a New Paradigm, eds. H. Chesbrough and W. Vanhaverbeke and J. West, (New York: Oxford University Press, 2006).

[II] Ibid.

[III]  Henry Chesbrough, Open innovation: The new imperative for creating and profiting from technology, (Boston: Harvard Business School Press, 2003).

[IV] David Weinberger, Too Big to Know: Rethinking Knowledge Now That the Facts Aren’t the Fact, Experts Are Everywhere, and the Smartest Person in the Room Is the Room, (New York: Basic Books, 2012).

[V] Linus Dahlander and David M. Gann, “How open is innovation?” Research Policy 29, no. 6 (July 2010): 699-709.

[VI] Frank Piller, Christoph Ihl and Alexander Vossen, “A typology of customer co-creation in the innovation process,” available at SSRN, December 29, 2010, http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1732127

[VII] See Dawn Cowie, “Noble launches expert network,” Financial News, February 10, 2009, http://www.efinancialnews.com/story/2009-02-10/noble-launches-expert- network?ea9c8a2de0ee111045601ab04d673622

[VIII] See Andrew Lu, “When Should Attorneys Hire Expert Witnesses?” FindLaw, December 13, 2012, http://blogs.findlaw.com/strategist/2012/12/when-should-attorneys-hire-expert-witnesses.html

[IX] Beth Simone Noveck, “Peer to Patent: Collective intelligence, open review, and patent reform,” Harvard Journal of Law & Technology 20 (2006): 123.

 

No comments yet.

Leave a Reply