Learning socio-organizational network structure in buildings with ambient sensing data
Learning socio-organizational network structure in buildings with ambient sensing data
复制标题
利用环境传感数据学习建筑物中的社会组织网络结构
DOI：
10.1017/dce.2020.9
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Jain, Rishee K.
中科院分区：
文献类型：
--
作者：
Sonta, Andrew;Jain, Rishee K.
我们开发了一个模型，利用商业建筑中分布式插头负载能量传感器的环境传感数据成功地学习社会和组织的人际网络结构。商业建筑设计和运营的一个关键目标是支持其内部组织的成功。在现代工作空间中，一个特别重要的目标是协作，它依赖于个体之间的物理交互。因此，了解工人之间真正的社会组织关系可以帮助建筑物和组织的管理者做出改善协作的决策。在本文中，我们介绍了交互模型，这是一种利用分布式插头负载能量传感器的数据推断人类网络结构的方法。在案例研究中，我们根据通过调查获得的网络数据对我们的方法进行基准测试，并将其性能与其他数据驱动的工具进行比较。我们发现，与以前的方法不同，我们的方法推断出一个与调查网络相关的网络，其统计意义显著（图相关性为0.46，在0.01的置信水平上显著）。我们还发现，我们的方法只需要10周的传感数据，实现动态网络测量。通过数据驱动的手段来学习人际网络结构，可以使空间的设计和运营能够鼓励而不是抑制组织的成功。
We develop a model that successfully learns social and organizational human network structure using ambient sensing data from distributed plug load energy sensors in commercial buildings. A key goal for the design and operation of commercial buildings is to support the success of organizations within them. In modern workspaces, a particularly important goal is collaboration, which relies on physical interactions among individuals. Learning the true socio-organizational relational ties among workers can therefore help managers of buildings and organizations make decisions that improve collaboration. In this paper, we introduce the Interaction Model, a method for inferring human network structure that leverages data from distributed plug load energy sensors. In a case study, we benchmark our method against network data obtained through a survey and compare its performance to other data-driven tools. We find that unlike previous methods, our method infers a network that is correlated with the survey network to a statistically significant degree (graph correlation of 0.46, significant at the 0.01 confidence level). We additionally find that our method requires only 10 weeks of sensing data, enabling dynamic network measurement. Learning human network structure through data-driven means can enable the design and operation of spaces that encourage, rather than inhibit, the success of organizations.
登录
查看更多内容
DOI：
10.1098/rstb.2017.0238
发表时间：
2018-08-19
期刊：
Philosophical transactions of the Royal Society of London. Series B, Biological sciences
影响因子：
--
作者：
Kabo F
通讯作者：
Kabo F
影响因子：
3.7
作者：
Gächter S;Starmer C;Tufano F
通讯作者：
Tufano F
影响因子：
5.7
作者：
Kabo, Felichism;Hwang, Yongha;Owen-Smith, Jason
通讯作者：
Owen-Smith, Jason
OESPG：商业建筑中住户能源使用数据多维分析的计算框架
DOI：
10.1061/(asce)cp.1943-5487.0000663
发表时间：
2017
期刊：
J. Comput. Civ. Eng.
影响因子：
--
作者：
A. Sonta;Rishee K. Jain;R. Gulbinas;José M. F. Moura;J. Taylor
通讯作者：
J. Taylor
数据驱动的设计——利用人类行为和空间配置的数据来指导更好的工作场所设计
DOI：
--
发表时间：
2015
期刊：
--
影响因子：
--
作者：
K. Sailer;R. Pomeroy;R. Haslem
通讯作者：
R. Haslem