미국 카네기멜론대학 연구진은 5349명이 참여한 22개의 연구 결과를 분석했더니 이같이 나타났다고 ‘미국국립과학원회보(Proceedings of the National Academy of Sciences)’ 최근호에 발표했다.
연구진은 다수의 대규모 데이터 세트에 대해 머신 러닝 알고리즘을 실행한 결과, 그룹 활동의 성공 여부는 개별 구성원의 기술보다 집단 지성을 측정해 더 잘 예측할 수 있다는 것을 밝혀냈다.
이전 연구에서 연구진은 다양한 분야의 작업을 수행하는 그룹의 능력은 한 가지 통계 요인에 의해 예측될 수 있다는 것을 발견했는데, 여기서 바로 ‘집단 지성’이라는 개념이 나왔다.
집단의 성공, 개인이 똑똑한 것보다 여성이 얼마나 많은지와 연관
후속 연구에서는, 집단지성 요인은 개별 구성원의 지능 수준과의 관계와는 연관성이 미약하며, 사회적 민감성이나 그룹 내 여성의 수와 강하게 연관되어 있는 것으로 나타났다.
이번 연구에서는 머신 러닝 기술을 이용하여 집단 지성을 예측하기 위한 다양한 변수들의 상대적 중요성을 살폈다. 그 결과 협업 프로세스를 측정하는 것이 개별 구성원의 기술보다 두 배 가량 중요하다는 것이 밝혀졌다. 다른 중요한 예측 요인으로는 사회적 지각 및 그룹 구성(여성 비율 및 연령 다양성), 그룹 크기가 있었다.
기후 변화에서부터 복잡한 기술을 개발하고 질병을 치료하는 문제에 이르기까지 다양한 사안에서 과학은 집단 지성에 의존한다. 이번 연구 데이터가 입증하는 것은 그룹이 협업하는 과정에서 각 구성원의 기술보다 집단 지성을 예측하는 것이 더 중요하다는 것이다.
연구진은 “이 연구결과를 통해 그룹의 협업 능력을 측정하는 강력한 수단을 통해 관리자는 높은 집단 지성을 위해 어떻게 구성원을 구성하는지에 대해 도움을 얻을 수 있을 것”이라고 말했다.