急救人员、救灾人员和军人都需要队友才能完成任务；但是，现实世界中的案例具有突发性和复杂性，研究人员难以记录第一手的数据信息，帮助构建科学的团队合作模式。伦斯勒理工学院的研究人员发现，可以借助网络游戏获取有意义的见解。

借用世界上最受欢迎的在线游戏之一《英雄联盟》LOL的数据，运用大数据技术构建模型，可以揭示团队成员、工作经历和其他因素如何影响绩效结果。

这些发现最近被收录在《人为因素和人体工程学学会年会论文集》中，具有广泛而重要的意义。样本涉及约100000支队伍，数十万场比赛，这些数据使研究人员能够建立和测试高级统计模型，并应对研究中出现的复杂方法的挑战。

他们的研究目的是，找出衡量和监督单个团队成员的最佳方法，随着时间的推移提高绩效和业务能力，尤其是在遇到紧急状况时。

项目的首席研究员之一、伦斯勒工业与系统工程副教授戴维·门登卡(David Mendonca)说：“我们的方法使我们能够解答在'实时'环境中(例如军事行动)提出的极难问题。”

门登卡说，通常很难进行这类关于团队的研究，因为需要大量的研究对象才能获得足够的数据。理想条件下，团队成员还需要先进行磨合，以便研究人员长时间记录。LOL数据集包含成千上万个团队示例，这些成员共同打过数百场比赛。

“我们正在尝试了解学习和适应的过程，尤其是当团队遭受不可预见或异常事件时，如某个队友强退。”

最近的论文建立在门登卡和同事过去的研究基础之上。他们以前发现团队中的核心人物会对目标的可达成性造成严重影响。例如，ADC玩家不够熟练时，相应团队在游戏中的局势就会非常不利。

他们还发现，如果团队成员熟悉各自的分工，则可以产生积极影响。这项研究推动了度量标准的发展。

“最后的问题是，我们能够衡量出个人在团队中的贡献大小吗？”伦斯勒理工大学的认知科学教授韦恩·格雷(Wayne Gray)介绍说。他曾借助《俄罗斯方块》等单人游戏，做出专家学习领域中的突破性发现。

本文译自 phys，由译者 majer 基于创作共用协议(BY-NC)发布。