В мире рекуррентных нейронных сетей долговременная кратковременная память (LSTM) архитектура

[Hochreiter and Schmidhuber1997] часто используется как решение для эти две проблемы. Естественное расширение LSTM может быть определено для древовидных структур, который мы называем рекурсивным LSTM (RLSTM), как предложено независимо тай2015улучшенный, чжу2015лонг, и состав le2015. Однако, несмотря на интенсивные исследования, показывающие, как LSTM архитектура может решить эти две проблемы по сравнению с традиционной рекуррентные модели (например, gers2001lstm), такие исследования, насколько нам известно, все еще отсутствуют для сравнения RNN и RLSTM.

1. Является ли RLSTM более способным захватывать дальние зависимости чем РНН?

2. Преодолевает ли RLSTM проблему исчезающего градиента? более эффективно, чем RNN?

Обучение под наблюдением требует аннотированных данных, которые часто дорого собирать. Как результат, изучение модели на естественных данных по многим различным аспектам может быть затруднено потому что часть данных, которая соответствует определенному аспекту не могло быть достаточно. Более того, изучая отдельные аспекты по отдельности сложно, так как многие аспекты часто коррелируют друг с другом. К сожалению, в нашем случае так: ответ на эти два вопроса требует, чтобы мы оценили рассмотренные модели на наборы данных различной глубины дерева, в которых ключевые узлы, содержащие решающая информация в дереве синтаксического анализа должна быть идентифицированы. Использование доступных аннотированных корпусов, таких как Стэнфордское дерево настроений

2 Фон

И модель RNN, и модель RLSTM являются примерами общей структуры, которая берет предложение, синтаксическое дерево, и векторные представления слов в предложении в качестве входных данных, и применяет функцию композиции для рекурсивного вычисления векторные представления для всех фраз в дереве и полного предложения. С технической точки зрения, учитывая производство

п→ху, и x,y∈Rn, представляющие x,y, мы вычисляем p∈Rn для p по формуле р = F (х, у), где F — композиционная функция.

В RNN F

представляет собой однослойную нейронную сеть с прямой связью. В RLSTM узел

u представлен вектором u=[ur;uc] в результате объединение вектора, представляющего фразу, которую покрывает узел и вектор памяти. F может быть любым LSTM, который может комбинировать два таких векторы конкатенации, такие как Structure-LSTM [Zhu et al.2015] , Дерево-LSTM [Тай и др., 2015] и LSTM-RNN [Ле и Зуидема, 2015] . В настоящей статье мы используем реализация

3 эксперимента

Теперь мы исследуем, как решаются две задачи, проблема исчезающего градиента и проблема того, как захватить долгосрочные зависимости, влияет на Модель RLSTM и модель RNN. Для этого мы предлагаем следующую искусственную задачу, которая требует модели отличать полезные сигналы от шума. Определяем:

• предложение представляет собой последовательность токенов, представляющих собой целые числа. в диапазоне [0,10000];

• предложение содержит один и только один токен ключевого слова , который целое число меньше 1000;

• предложение помечается целым числом, полученным в результате деления ключевого слова на 100. Например, если ключевое слово 607, метка 6. Таким образом, есть 10 классов, от 0 до 9.

Задача состоит в том, чтобы предсказать класс предложения по его двоичному дереву синтаксического анализа. (Рисунок 1). Поскольку метка предложения определяется исключительно ключевым словом, две модели должны определить ключевое слово в дереве синтаксического анализа и разрешить только информацию из конечного узла ключевого слова, чтобы повлиять на корневой узел. Стоит отметить, что это задание напоминает анализ тональности с простыми кейсами. в котором определяется настроение всего предложения по одному ключевому слову (например, «Мне нравится фильм»). Моделирование сложных случаев, связанных с отрицанием, композицией и т. д. является простым и для будущей работы. Но здесь мы считаем, что текущая задача достаточно, чтобы ответить на два наших вопроса, поставленных в разделе 1.

Две модели, RLSTM и RNN, были реализованы с размерностью векторных представлений и векторные воспоминания 50. Вслед за socher2013recursive, мы использовали tanh

в качестве функции активации, и инициализировали векторы слов путем случайной выборки каждого значения из равномерного распределения

U(−0,0001,0,0001). Мы обучили две модели с помощью метода AdaGrad. [Duchi et al.2011]

со скоростью обучения 0,05 и размером мини-пакета 20 для RNN и 5 для RLSTM. Наборы для разработки использовались для ранней остановки (обучение останавливается, когда точность набора для разработки не улучшается после 5 последовательных эпох).

3.1 Эксперимент 1

Мы случайным образом сгенерировали 10 наборов данных. Чтобы сгенерировать предложение длины l, мы перемешиваем список случайно выбранных l−1 неключевых слов и одного ключевого слова. i-й набор данных содержит 12k предложений длины от 10i-9 токенов до 10i токенов и разделен на наборы для обучения, разработки и тестирования с размерами 10k, 1k, 1k предложений. Мы проанализировали каждое предложение, случайным образом сгенерировав бинарное дерево. число листовых узлов которого равно длине предложения.

Показана тестовая точность двух моделей на 10 наборах данных. на рисунке 2; Для каждого набора данных мы запускали каждую модель 5 раз и сообщали о наибольшей точности для модели RNN, и распределение точности (через диаграмму) для модели RLSTM. Мы видим, что модель RNN достаточно хорошо работает с очень короткими предложениями. (менее 11 токенов). Однако, когда длина предложения превышает 10, производительность RNN падает так быстро, что разница между ним и производительностью случайного угадывания (10%) незначительна. Пробуем разные скорости обучения, размеры мини-пакетов и значения для n (размерность векторов) не дал значительные различия. С другой стороны, модель RLSTM достигает более чем 90% точность на предложения короче 31 токена. Его производительность падает, когда длина предложения увеличивается, но все же значительно лучше, чем случайное предположение, когда длина предложения не превышает 70. Когда длина предложения превышает 70, и RLSTM, и RNN выполняют сходным образом.

3.2 Эксперимент 2

В эксперименте 1 неясно, является ли размер дерева или глубина ключевого слова основным фактор быстрого падения производительности RNN. В этом эксперименте мы сохранили размер дерева исправлено и варьировать глубину ключевого слова. Мы сгенерировали пул предложений длиной от 21 до 30 токенов. и проанализировал их, случайным образом сгенерировав бинарные деревья. Затем мы создали по 10 наборов данных для каждого из который имеет 12 тыс. деревьев (10 тыс. для обучения, 1 тыс. для разработки и 1 тыс. для тестирования). i-й набор данных состоит только из деревьев, в которых расстояния от ключевые слова к корням i или i+1 (чтобы сети не использовали глубину ключевых слов напрямую).

На рис. 3 показана точность испытаний двух моделей на этих 10 наборы данных. Аналогично в эксперименте 1 для каждого набора данных мы запускаем каждую модель 5 раз и сообщили о самой высокой точности для модели RNN, и распределение точности для модели RLSTM. Как мы видим, модель RNN достигает очень высокой точности, когда глубина ключевого слова не превышает 3. Затем его производительность быстро падает и приближается к выполнение случайного предположения. Это свидетельствует о том, что модель RNN имеет трудности захват долгосрочных зависимостей. Напротив, модель RLSTM работает на уровне выше 9.0% точность пока глубина ключевого слова не достигнет 8. Ему трудно работать с большими глубинами, но производительность всегда лучше, чем случайное предположение.

3.3 Эксперимент 3

Теперь мы исследуем, могут ли две модели столкнуться с проблемой исчезающего градиента. Для этого мы рассмотрели фазу обратного распространения каждой модели в эксперименте 1 на третий набор данных (тот, который содержит предложения длиной от 21 до 30 токенов). Для каждого дерева мы рассчитали отношение

где числитель — норма вектора ошибки в узле ключевого слова и знаменатель — норма вектора ошибки в корневом узле. Это соотношение дает нам интуиция, как развиваются сигналы ошибки при распространении назад к листовым узлам: если отношение ≪1, возникает проблема исчезающего градиента; иначе, если отношение ≫1

, мы наблюдаем проблему взрывающегося градиента.

На рис. 4 представлены соотношения по отношению к глубина узла ключевого слова в каждую эпоху обучения модели RNN. Отношения в первую эпоху всегда очень малы. В каждую следующую эпоху модель RNN успешно стабильно повышает коэффициенты (см. рис. (а)а для четкой картинки при глубине ключевого слова 10), но явное уменьшение, когда глубина становится больше можно наблюдать. Для модели RLSTM (см. рис. 5 и (b)b), история несколько иначе. Соотношения растут после двух эпох так быстро, что есть даже некоторые взрывающиеся сигналы об ошибках, отправленные обратно на конечные узлы. Впоследствии они идут вниз и остаются стабильными со значительно меньшим количеством взрывных сигналов ошибки. Интересно, что это совпадает с производительность модели RLSTM на наборе для разработки (см. рисунок (b)b). Кажется, что модель RLSTM после одной эпохи быстро находит узел ключевого слова в дерево и связывает его с корнем, создавая прочную связь между ними с помощью сигналов ошибки. После того, как корреляция между ключевым словом и ярлыком в корне найдена, он пытается стабилизировать тренировку уменьшение количества сигналов об ошибках, отправляемых обратно в узел ключевого слова. Сравнение двух моделей путем сопоставления рис. 4 с Рисунок 5 и Рисунок (a)a на рисунке (b)b мы видим, что модель RLSTM лучше подходит для передача сигналов об ошибках листовым узлам.

Стоит отметить, что мы видим проблему исчезающего градиента. при обучении модели RNN на рисунке 4; но Рисунок (а)а предполагает, что проблема может стать менее серьезным после достаточно долгого обучения. Это может быть связано с тем, что глубина 10 все еще управляема. для модели RNN. (Обратите внимание, что в Стэнфордском дереве настроений более трех четвертей листовых узлов находятся на глубинах менее чем 10. ) Тот факт, что модель RNN все еще не работает лучше, чем случайное угадывание можно объяснить с помощью аргументов, приведенных бенжио1994обучения, которые показывают, что есть компромисс между избеганием проблемы исчезающего градиента и захватом длинных термозависимости при обучении традиционных рекуррентных сетей.

4 Вывода

Экспериментальные результаты показывают, что RLSTM превосходит RNN с точки зрения преодоление проблемы исчезающего градиента и определение долгосрочных зависимостей. Это параллельно с общими выводами о мощности архитектуры LSTM. по сравнению с традиционными рекуррентными нейронными сетями. В дальнейшей работе мы сосредоточимся на более сложных случаях, связанных с отрицанием, композицией и т. д.

Ссылки

• [Бенжио и др., 1994] Йошуа Бенжио, Патрис Симар и Паоло Фраскони. 1994. Изучение долгосрочных зависимостей с помощью градиентного спуска затруднено. Нейронные сети, транзакции IEEE, 5 (2): 157–166.
• [Дучи и др. , 2011] Джон Дучи, Элад Хазан и Йорам Сингер. 2011. Адаптивные субградиентные методы для онлайн-обучения и стохастические оптимизация.

  Журнал исследований машинного обучения

  , страницы 2121–2159.
• [Герс и Шмидхубер, 2001] Феликс А Герс и Юрген Шмидхубер. 2001. Рекуррентные сети Lstm изучают простые контекстно-свободные и контекстно-зависимые языки. Нейронные сети, транзакции IEEE, 12 (6): 1333–1340.
• [Хохрайтер и Шмидхубер, 1997] Зепп Хохрайтер и Юрген Шмидхубер. 1997. Длинная кратковременная память. Нейронные вычисления, 9(8):1735–1780.
• [Ле и Зуидема, 2015 г.] Фонг Ле и Виллем Зуидема. 2015. Композиционно-распределительная семантика с долговременной памятью. В материалах совместной конференции по лексике и Вычислительная семантика (*SEM). Ассоциация компьютерной лингвистики.
• [Лю и др., 2014] Шуцзе Лю, Нань Ян, Му Ли и Мин Чжоу. 2014. Рекурсивная рекуррентная нейронная сеть для статистической машины перевод. В материалах 52-го ежегодного собрания Ассоциации Компьютерная лингвистика (Том 1: Длинные статьи), страницы 1491–1500, Балтимор, Мэриленд, июнь. Ассоциация компьютерной лингвистики.
• [Луонг и др., 2013 г.] Минь-Тханг Луонг, Ричард Сочер и Кристофер Д. Мэннинг. 2013. Лучшее представление слов с рекурсивными нейронными сетями для морфология. СоНЛЛ-2013, 104.
• [Сочер и др., 2010] Ричард Сочер, Кристофер Д. Мэннинг и Эндрю Й. Нг. 2010. Изучение непрерывных представлений фраз и синтаксический анализ с помощью рекурсивные нейронные сети. В материалах

  NIPS-2010 Deep Learning and Unsupervised Семинар по изучению особенностей

  .
• [Сохер и др., 2013a] Ричард Сочер, Джон Бауэр, Кристофер Д. Мэннинг и Эндрю И. Нг. 2013а. Парсинг с композиционными векторными грамматиками. В материалах 51-го ежегодного собрания Ассоциации Компьютерная лингвистика, страницы 455–465.
• [Сохер и др., 2013b] Ричард Сочер, Алекс Перелыгин, Джин И Ву, Джейсон Чуанг, Кристофер Д Мэннинг, Эндрю И Нг и Кристофер Поттс. 2013б. Рекурсивные глубинные модели семантической композиционности по настроению берег дерева. В материалах ЕМНЛП.
• [Тай и др., 2015 г.] Кай Шэн Тай, Ричард Сочер и Кристофер Д. Мэннинг. 2015. Улучшенные семантические представления из древовидных длинных сети кратковременной памяти. В

  Трудах 53-го ежегодного собрания Ассоциации Компьютерная лингвистика и 7-я Международная совместная конференция по Обработка естественного языка (Том 1: Длинные статьи)

  , страницы 1556–1566, Пекин, Китай, июль. Ассоциация компьютерной лингвистики.
• [Чжу и др., 2015] Сяодань Чжу, Париназ Собхани и Хунъю Го. 2015. Долговременная кратковременная память над рекурсивными структурами. В материалах Международной конференции по машинному обучению, Июль.

Глобальные команды, которые работают

Краткая идея

Проблема

Когда команды состоят из людей из разных культур, работающих отдельно друг от друга в разных местах, социальная дистанция или отсутствие эмоциональной связи может вызвать недопонимание, непонимание и недоверие.

Решение

Руководители глобальных команд могут улучшить работу своих групп, используя авторскую схему SPLIT для выявления и устранения пяти источников социальной дистанции: структура, процесс, язык, идентичность и технология.

Сегодня, чтобы преуспеть в глобальной экономике, все больше и больше компаний полагаются на географически рассредоточенную рабочую силу. Они создают команды, которые предлагают лучший функциональный опыт со всего мира в сочетании с глубоким знанием местных особенностей наиболее перспективных рынков. Они используют преимущества международного разнообразия, объединяя людей из разных культур с разным опытом работы и разными взглядами на стратегические и организационные проблемы. Все это помогает транснациональным компаниям конкурировать в современных условиях ведения бизнеса.

Но менеджеры, которые на самом деле возглавляют глобальные команды, сталкиваются с серьезными проблемами. Создать успешную рабочую группу достаточно сложно, когда все находятся на одном месте и работают в одном офисе. Но когда члены команды приезжают из разных стран и имеют разный функциональный опыт и работают в разных местах, общение может быстро ухудшиться, может возникнуть недопонимание, а сотрудничество может перерасти в недоверие.

Предотвращение этой порочной динамики было целью моих исследований, преподавания и консультирования на протяжении более 15 лет. Я провел десятки исследований и слышал от бесчисленных руководителей и менеджеров о недопонимании внутри международных команд, к которым они присоединились или которыми они руководили, иногда с дорогостоящими последствиями. Но я также сталкивался с командами, которые производили замечательные инновации, создавая ценность в миллионы долларов для своих клиентов и акционеров.

Дополнительная литература

Одно из основных различий между работающими и неработающими глобальными командами заключается в уровне социальной дистанции — степени эмоциональной связи между членами команды. Когда все члены команды работают в одном месте, уровень социальной дистанции обычно низкий. Даже если они происходят из разных слоев общества, люди могут взаимодействовать формально и неформально, находить общий язык и укреплять доверие. Они приходят к общему пониманию того, что означает определенное поведение, и чувствуют себя близкими и близкими по духу, что способствует хорошей командной работе. Однако коллеги, которые географически разделены, не могут легко общаться и согласовываться, поэтому они сталкиваются с высоким уровнем социальной дистанции и изо всех сил пытаются развивать эффективное взаимодействие. Таким образом, сокращение социальной дистанции становится основной управленческой задачей для глобального лидера команды.

Чтобы помочь в решении этой задачи, я разработал и протестировал систему для определения и успешного управления социальной дистанцией. Она называется структурой SPLIT и отражает ее пять компонентов: структуру, процесс, язык, идентичность и технологию, каждый из которых может быть источником социальной дистанции. На следующих страницах я объясню, как каждый из них может привести к дисфункции команды, и опишу, как умные лидеры могут решить возникающие проблемы или вообще предотвратить их появление.

Структура и восприятие силы

В контексте глобальных команд структурными факторами, определяющими социальную дистанцию, являются расположение и количество объектов, на которых базируются члены команды, а также количество сотрудников, работающих на каждом объекте.

Основополагающим вопросом здесь является восприятие силы. Если большинство членов команды находятся, например, в Германии, а двое или трое — в США и Южной Африке, может возникнуть ощущение, что немецкие члены обладают большей властью. Этот дисбаланс создает отрицательную динамику. Люди из более крупной (большинства) группы могут чувствовать негодование по отношению к группе меньшинства, полагая, что последняя попытается избежать наказания, внося меньший вклад, чем ее справедливая доля. Тем временем представители меньшинства могут полагать, что большинство узурпирует ту небольшую власть и право голоса, которые у них есть.

Ситуация усугубляется, когда руководитель находится в месте с наибольшим количеством людей или в месте, которое находится ближе всего к штаб-квартире компании: члены команды в этом месте обычно игнорируют потребности и вклад своих коллег в других местах. Эта динамика может иметь место, даже когда все находятся в одной стране: пять человек, работающих, скажем, в Пекине, могут иметь сильную привязанность друг к другу и иметь привычку не пускать двух своих коллег в Шанхае.

Когда географически разбросанные члены команды замечают дисбаланс сил, они часто приходят к выводу, что есть свои и чужие группы. Рассмотрим случай глобальной маркетинговой команды многонациональной фармацевтической компании, базирующейся в США. Лидер и основная группа по стратегии для Северной и Южной Америки работали в штаб-квартире компании в Бостоне. Небольшая группа в Лондоне и один человек в Москве сосредоточились на рынках Европы. Три других члена команды, которые делили свое время между Сингапуром и Токио, отвечали за стратегию в Азии. То, как каждая группа воспринимала свою ситуацию, показано на рисунке ниже.

Чтобы исправить предполагаемый дисбаланс сил между различными группами, лидер должен донести три ключевых сообщения:

Кто мы.

Команда представляет собой единое целое, хотя отдельные ее члены могут сильно отличаться друг от друга. Лидер должен поощрять чувствительность к различиям, но искать пути их преодоления и создания единства. Тарику, 33-летней восходящей звезде международной компании, было поручено возглавить подразделение из 68 человек, члены которого были выходцами из 27 стран, говорили на 18 языках и имели возраст от 22 до 61 года. взял на себя ответственность, производительность группы резко упала, а удовлетворенность сотрудников резко упала. Тарик увидел, что команда разделилась на подгруппы в зависимости от местоположения и языка. Чтобы снова объединить людей, он ввел девиз команды («Мы разные, но все же едины»), предоставил сотрудникам возможность говорить о своей культуре и ввел политику абсолютной нетерпимости к проявлениям культурной бесчувственности.

Чем мы занимаемся.

Важно напомнить членам команды, что у них общая цель, и направить свою энергию на достижение целей бизнес-подразделения или корпорации. Лидер должен периодически подчеркивать, как работа каждого вписывается в общую стратегию компании и продвигает ее позиции на рынке. Например, во время еженедельной телефонной конференции глобальный руководитель группы может анализировать эффективность группы по отношению к целям компании. Она также может обсудить уровень коллективной концентрации и резкости, которые необходимы команде, чтобы отбиваться от конкурентов.

Дополнительная литература

Я здесь для тебя.

Члены команды, находящиеся далеко от лидера, нуждаются в частом контакте с ним или с ней. Короткий телефонный звонок или электронное письмо могут иметь решающее значение для того, чтобы показать, что их вклад имеет значение. Например, один менеджер в Далласе, штат Техас, унаследовал большую группу в Индии в результате приобретения. Он взял за правило привлекать этих сотрудников к принятию важных решений, часто связываться с ними для обсуждения текущих проектов и благодарить их за хорошую работу. Он даже лично звонил членам команды, чтобы отпраздновать их дни рождения. Его команда оценила его внимание и в результате стала более сплоченной.

Процесс и важность эмпатии

Само собой разумеется, что эмпатия помогает сократить социальную дистанцию. Если коллеги могут неформально разговаривать у кулера с водой — о работе или о личных делах, — они с большей вероятностью разовьют эмпатию, которая поможет им продуктивно взаимодействовать в более формальном контексте. Поскольку географически рассредоточенные члены команды не имеют возможности регулярно общаться друг с другом, они с меньшей вероятностью будут иметь чувство взаимопонимания. Чтобы способствовать этому, глобальные руководители команд должны убедиться, что они предусмотрели следующие «обдуманные моменты» в процессе виртуальных встреч:

Отзыв о рутинных взаимодействиях.

Члены глобальных команд могут невольно посылать неверные сигналы своим повседневным поведением. Жюли, французский инженер-химик, и ее товарищи по команде в Марселе проверяли и отвечали на электронные письма только утром, чтобы обеспечить бесперебойный рабочий день. Они понятия не имели, что эта практика обычно добавляла ночную задержку к переписке с их американскими коллегами и способствовала недоверию. Только когда Джули посетила офис команды в Калифорнии, французская группа поняла, что существует проблема. Конечно, личные встречи — не единственный способ получить такое обучение. Удаленные члены команды также могут использовать телефон, электронную почту или даже видеоконференцсвязь, чтобы связываться друг с другом и спрашивать, как идет совместная работа. Дело в том, что лидеры и члены глобальных команд должны активно добиваться такого рода «отраженных знаний» или понимания того, как их видят другие.

Неструктурированное время.

Вспомните свою последнюю личную встречу. Какой была атмосфера в первые минуты до начала официальной дискуссии? Люди обменивались мнениями о погоде, своих детях, новом ресторане в городе? Такая неструктурированная коммуникация положительна, потому что она позволяет органично разворачивать процессы, которые должны происходить во всех деловых отношениях — обмен знаниями, координация и мониторинг взаимодействия и построение отношений. Даже когда люди разбросаны по всему миру, светская беседа по-прежнему является мощным способом укрепления доверия. Поэтому при планировании совещаний вашей команды по телефону выделите пять минут для легкого разговора, прежде чем начнется работа. Особенно во время первых встреч инициируйте неформальные обсуждения рабочих и нерабочих вопросов, которые позволят членам команды лучше узнать своих удаленных коллег. В частности, поощряйте людей открыто говорить об ограничениях, с которыми они сталкиваются вне проекта, даже если они не связаны напрямую с рассматриваемым вопросом.

Время не соглашаться.

Руководители должны поощрять разногласия как по поводу задач команды, так и по поводу процесса их выполнения. Задача, конечно, состоит в том, чтобы снизить остроту дискуссии. Представление встреч как возможностей для мозгового штурма снижает риск того, что люди будут вынуждены выбирать между сторонами. Вместо этого они увидят приглашение оценить пункты повестки дня и поделиться своими идеями. Как лидер, смоделируйте акт допроса, чтобы добраться до сути вещей. Узнайте мнение каждого члена команды по каждой обсуждаемой вами теме, начиная с тех, кто имеет наименьший статус или опыт работы в группе, чтобы их не пугали комментарии других. Поначалу это может показаться пустой тратой времени, но если вы будете искать мнения заранее, вы сможете принимать более взвешенные решения и получать поддержку от большего числа людей.

Разработчик программного обеспечения в Стамбуле хранил молчание на собрании команды, чтобы избежать конфликта, даже несмотря на то, что усомнился в разработке его коллегами определенной функции. У него были веские причины возражать против их решения, но руководитель его группы не терпел разногласий, а разработчик не хотел наносить ущерб собственному положению. Однако через четыре недели после начала проекта команда столкнулась с теми самыми проблемами, которые предвидел разработчик.

Язык и разрыв в беглости

Хорошее общение между коллегами способствует эффективному обмену знаниями, принятию решений, координации и, в конечном счете, результатам работы (см. также «Какова ваша языковая стратегия?» Цедала Нили и Роберта Стивена Каплана, HBR, сентябрь 2014). Но в глобальных командах разный уровень владения выбранным общим языком неизбежен — и, вероятно, усилит социальную дистанцию. Члены команды, которые лучше всего могут общаться на лингва-франка организации (обычно на английском), часто оказывают наибольшее влияние, в то время как те, кто менее свободно говорит, часто становятся замкнутыми и замыкаются в себе. Чтобы смягчить эти последствия, как правило, необходимо настаивать на том, чтобы все члены команды соблюдали три правила общения на собраниях:

Набрать доминирование.

Сильные ораторы должны согласиться снизить темп речи и использовать меньше идиом, жаргонных терминов и эзотерических культурных отсылок при обращении к группе. Они должны ограничить количество комментариев, которые они делают в течение установленного периода времени, в зависимости от темпа встречи и темы. Они должны активно искать подтверждение того, что их поняли, и они должны практиковать активное слушание, перефразируя утверждения других для разъяснения или акцентирования.

Подключение по телефонной линии.

Менее бегло говорящие должны следить за частотой своих ответов на собраниях, чтобы убедиться, что они вносят свой вклад. В некоторых случаях стоит даже попросить их установить цели по количеству комментариев, которые они сделают за определенный период. Не позволяйте им использовать свой родной язык и заставлять товарища по команде переводить, потому что это может оттолкнуть других. Как и в случае со свободно говорящими, члены команды, менее владеющие языком, должны всегда подтверждать, что их поняли. Поощряйте их регулярно спрашивать, следуют ли за ними другие. Точно так же, слушая, у них должна быть возможность сказать, что они что-то не поняли. Неносителям языка может быть сложно совершить этот скачок, но это убережет их от маргинализации.

Баланс участия для обеспечения включения.

Получение приверженности хорошему разговорному поведению — это легкая часть; чтобы такое поведение произошло, потребуется активное управление. Руководители глобальных команд должны следить за тем, кто участвует, а кто нет, и намеренно добиваться участия менее беглых ораторов. Иногда также может быть необходимо, чтобы носители доминирующего языка набрали меньше номера, чтобы убедиться, что предложения и точки зрения менее беглых носителей будут услышаны.

Лидер глобальной команды, базирующейся в Дубае, потребовал, чтобы все его отчеты размещали три правила общения в своих кабинетах. Вскоре он заметил, что один европейский член команды с сильным акцентом начал участвовать в обсуждениях впервые с тех пор, как присоединился к группе 17 месяцев назад. Правила давали этому человеку лицензию, возможность и ответственность высказываться. Как лидер, вы могли бы попробовать ту же тактику со своей собственной командой, распространяя экземпляры экспоната «Правила взаимодействия для групповых собраний».

Идентичность и несовпадение восприятий

Глобальные команды работают наиболее слаженно, когда их члены «добираются» до того, откуда пришли их коллеги. Однако расшифровать чью-то личность и найти способы установить отношения далеко не просто. Люди определяют себя с помощью множества переменных — возраста, пола, национальности, этнической принадлежности, религии, рода занятий, политических связей и так далее. И хотя поведение может быть разоблачающим, конкретное поведение может означать разные вещи в зависимости от личности человека. Например, человек в Северной Америке, который смотрит вам прямо в глаза, может излучать уверенность и честность, но в других частях мира прямой зрительный контакт может быть воспринят как грубый или угрожающий. Непонимание, подобное этому, является основным источником социальной дистанции и недоверия, и лидеры глобальных команд должны повышать осведомленность о них всех. Это предполагает взаимное обучение и обучение.

Учиться друг у друга.

Приспосабливаясь к новой культурной среде, сообразительный лидер будет избегать предположений о том, что означает поведение. Сделайте шаг назад, смотрите и слушайте. В Америке тот, кто говорит: «Да, я могу это сделать», скорее всего, означает, что он хочет и может сделать то, о чем вы просите. В Индии, однако, то же самое заявление может просто сигнализировать о том, что она хочет попробовать, а не о том, что она уверена в успехе. Поэтому, прежде чем делать выводы, задайте много вопросов. В только что описанном примере вы можете проверить, не предвидит ли член команды каких-либо проблем и не нуждается ли он в дополнительных ресурсах. Запрос этой информации может дать более глубокое понимание того, как человек на самом деле относится к выполнению задачи.

Обмен вопросами и предоставление ответов устанавливает двустороннюю связь между лидером и членами команды. И если лидер регулярно запрашивает информацию, действуя как ученик, а не как эксперт со скрытыми знаниями, он расширяет возможности других членов команды, побуждая их к более охотному и эффективному участию. Менеджер, не говорящий на мандаринском диалекте китайского языка, в значительной степени полагался на своих местных сотрудников во время встреч с клиентами, чтобы лучше понять, как клиенты воспринимают взаимодействие, и оценить уместность своего поведения. Члены его команды начали считать себя важными для развития отношений с клиентами и чувствовали себя ценными, что мотивировало их работать на еще более высоком уровне.

В этой модели каждый является учителем и учеником, что позволяет людям выйти из своих традиционных ролей. Члены команды берут на себя больше ответственности за развитие команды в целом. Лидеры учатся видеть себя незавершенными и, таким образом, с большей вероятностью корректируют свой стиль, чтобы отражать потребности команды. Они инструктируют, но они также помогают, помогая членам команды анализировать свои наблюдения и понимать истинные личности друг друга.

Показательный пример.

Рассмотрим опыт Даниэля, лидера недавно сформированной многонациональной команды, работающей на четырех континентах. Во время телефонной конференции он попросил людей обсудить конкретную стратегию выхода на новый рынок в сложном месте. Это был первый раз, когда он поднял тему, по которой мнения разделились.

Даниэль заметил, что Тео, член израильской команды, регулярно прерывал Анжелу, члена команды Буэнос-Айреса, и их идеи расходились. Несмотря на искушение вмешаться и сыграть в судью, Даниэль сдержался. К его удивлению, ни Тео, ни Анджела не расстроились. Они ходили туда-сюда, укрепляя свои позиции, ссылаясь на типичные методы ведения бизнеса и результаты в своих странах, но оставались приверженными достижению группового консенсуса.

В конце встречи Даниэль поделился с командой своими наблюдениями, коснувшись не только содержания обсуждения, но и того, как оно проходило. «Тео и Анджела, — сказал он, — когда вы начали обсуждать свои идеи, я был обеспокоен тем, что вы оба могли почувствовать, что вас не слышат или что у вас нет возможности полностью выразить свои мысли. Но теперь вы оба, похоже, удовлетворены тем, что смогли привести свои аргументы, сформулировать культурные точки зрения и помочь нам определиться с нашими следующими шагами. Это правда?»

Тео и Анжела подтвердили наблюдения Дэниела и предоставили дополнительную контекстуальную деталь: шесть месяцев назад они вместе работали над другим проектом — опыт, который позволил им установить свой собственный стиль отношений друг с другом. Их способность признавать и ориентироваться в своих культурных различиях была полезна для всех в команде. Это не только помогло продвинуть их работу вперед, но и показало, что конфликт не обязательно должен создавать социальную дистанцию. А Даниэль получил больше информации о Тео и Анджеле, что помогло ему более эффективно управлять командой в будущем.

Технологии и проблема связи

Следует тщательно продумать способы общения, используемые глобальными командами, поскольку технологии могут как сокращать, так и увеличивать социальную дистанцию. Видеоконференцсвязь, например, обеспечивает богатую коммуникацию, в которой могут быть восприняты как контекст, так и эмоции. Электронная почта предлагает большую простоту и эффективность, но в ней отсутствуют контекстные подсказки. Принимая решение о том, какую технологию использовать, руководитель должен ответить на следующие вопросы:

Должна ли связь быть мгновенной?

Телеконференции и видеоконференции позволяют общаться в режиме реального времени (мгновенно). Электронная почта и некоторые форматы социальных сетей требуют, чтобы пользователи ждали ответа от другой стороны. Выбор между мгновенными и отсроченными формами связи может быть особенно сложным для международных команд. Например, если команда работает в нескольких часовых поясах, телефонный звонок может быть удобен не для всех. Японский руководитель группы многонациональной компании, базирующейся в США, сказал об этом так: «У меня есть три или четыре дня в неделю, когда я провожу конференц-звонки с руководителями разных стран. В большинстве случаев он начинается с 9.:00 или 10:00 ночи. Если мы сможем провести телефонную конференцию в дневное время, мне будет намного легче. Но мы находимся на Дальнем Востоке, а штаб-квартира находится в США, поэтому мы должны извлечь из этого максимум пользы».

Мгновенные технологии полезны, когда руководителям необходимо убедить других принять их точку зрения. Но если они просто хотят поделиться информацией, то методы с задержкой, такие как электронная почта, проще, эффективнее и менее разрушительны для жизни людей. Лидеры также должны учитывать межличностную динамику команды. Если у команды есть история конфликтов, выбор технологий, которые ограничивают возможности для эмоционального обмена в реальном времени, может дать наилучшие результаты.

В целом данные свидетельствуют о том, что большинство компаний чрезмерно полагаются на отсроченное общение. Недавний опрос Forrester, в котором приняли участие почти 10 000 информационных работников в 17 странах, показал, что 94 % сотрудников используют электронную почту, но только 33 % когда-либо участвовали в видеоконференциях на настольных компьютерах (с помощью таких приложений, как Skype и Viber), и лишь 25 % используют комнату. на базе видеоконференцсвязи. Эти цифры, безусловно, будут меняться со временем, поскольку инструменты развиваются и пользователи становятся более удобными с ними, но лидеры должны тщательно выбирать их формат: мгновенный или отложенный.

Нужно ли усиливать сообщение?

Сообразительные лидеры будут общаться через несколько платформ, чтобы гарантировать, что сообщения будут поняты и запомнены. Например, если менеджер по электронной почте назначает задачу одному из членов своей команды, делая заметки в ежедневном журнале работы, он может затем отправить текстовое сообщение или личный чат, чтобы убедиться, что член команды увидел запрос и признавал ее актуальность.

Излишняя коммуникация также эффективна для лидеров, которые озабочены тем, чтобы убедить других в том, что их сообщение важно. Например, Грег, руководитель проекта в организации, производящей медицинское оборудование, обнаружил, что его команда отстает в разработке продукта. Он созвал экстренное совещание, чтобы обсудить проблемы и объяснить новые корпоративные протоколы выпуска новых продуктов, которые, по его мнению, вернут проект в нужное русло.

Члены команды последуют примеру лидера в использовании коммуникационных технологий.

Во время этой первой встречи он выслушивал опасения людей и отвечал на их вопросы в режиме реального времени. Хотя он чувствовал, что ясно изложил свою позицию и получил необходимое словесное одобрение, он продолжил встречу, разослав всем участникам тщательно составленное электронное письмо, повторив согласованные изменения и попросив всех дать электронное подтверждение. . Это избыточное общение помогло укрепить признание его идей и увеличило вероятность того, что его коллеги действительно будут внедрять новые протоколы.

Подавать пример?

Члены команды очень быстро улавливают личные предпочтения лидера в отношении коммуникационных технологий. Лидер, который хочет побудить людей к видеоконференции, должен сам общаться таким образом. Если она хочет, чтобы сотрудники брали трубку и разговаривали друг с другом, ей лучше быть частым пользователем телефона. И если она хочет, чтобы члены команды быстро отвечали на электронные письма, она должна подать пример.

Гибкость и уважение к разнообразию лежат в основе управления глобальной командой. Лидеры должны ожидать, что проблемы и закономерности будут меняться или повторяться по мере того, как команды будут меняться, расформировываться и перегруппировываться. Но есть по крайней мере одна константа: чтобы эффективно управлять социальной дистанцией и максимизировать таланты и вовлеченность членов команды, лидеры должны внимательно следить за всеми пятью параметрами SPLIT. Решения о структура создает возможности для хорошего процесса, который может смягчить трудности, вызванные языковыми различиями и проблемами идентичности . Если лидеры будут действовать на этих фронтах, объединяя технологии и для улучшения коммуникации между географически разбросанными коллегами, социальная дистанция обязательно сократится, а не расширится. Когда это происходит, команды могут стать настоящими представителями «глобальной деревни» — не только из-за их интернационального состава, но и потому, что их члены испытывают взаимное доверие и чувство родства.