Endogenous Surplus Retention in Peer-Based Team Incentives

काम की दुनिया में, लोगों के एक समूह को प्रभावी ढंग से सहयोग करने के लिए प्रेरित करना एक निरंतर पहेली है। जब एक टीम कुछ मूल्यवान बनाती है, जैसे कि कोई सॉफ्टवेयर प्रोजेक्ट या कोई रचनात्मक अभियान, तो कुल आउटपुट अक्सर व्यक्तिगत प्रयासों के योग से अधिक होता है। हालांकि, उस पुरस्कार को विभाजित करना एक दुविधा पैदा करता है। यदि टीम पैसे को समान रूप से बांटती है, तो व्यक्ति कामचोरी कर सकते हैं, इस उम्मीद में कि वे बिना अपना उचित हिस्सा दिए समूह की सफलता का आनंद ले लेंगे। इसे 'फ्री-राइडिंग' (मुफ्तखोरी) के रूप में जाना जाता है। इसे ठीक करने के लिए, कई संगठन अपने टीम के सदस्यों से एक-दूसरे का मूल्यांकन करने को कहते हैं, इस उम्मीद में कि साथियों का दबाव कड़ी मेहनत को प्रोत्साहित करेगा। लेकिन यह समाधान एक नई समस्या पेश करता है: लोग सिस्टम में हेरफेर कर सकते हैं। एक कार्यकर्ता खुद को बेहतर दिखाने के लिए प्रतिद्वंद्वियों को कम स्कोर दे सकता है, या दोस्त एक-दूसरे की तनख्वाह बढ़ाने के लिए उच्च स्कोर का आदान-प्रदान कर सकते हैं। इसका परिणाम अक्सर एक शोर भरा, अनुचित संकेत होता है जो वास्तविक प्रयास को पुरस्कृत करने में विफल रहता है।

शोधकर्ता लंबे समय से इस चक्र को तोड़ने का तरीका खोज रहे हैं। एक क्लासिक आर्थिक अंतर्दृष्टि सुझाव देती है कि फ्री-राइडिंग को समाप्त करने के लिए, समूह के बाहर के किसी व्यक्ति को बचा हुआ पैसा रखना चाहिए, न कि सारा पैसा श्रमिकों को देना चाहिए। यह "बजट ब्रेकर" सुनिश्चित करता है कि कुल भुगतान सृजित कुल मूल्य से कम हो, जो सैद्धांतिक रूप से व्यक्तिगत प्रोत्साहन को समूह की सफलता के साथ जोड़ता है। फिर भी, व्यवहार में, यह बचा हुआ हिस्सा आमतौर पर एक प्रबंधक द्वारा तय की गई एक निश्चित संख्या होती है, जो टीम के वास्तविक व्यवहार से कटी हुई होती है। प्रश्न बना हुआ है: क्या टीम स्वयं यह निर्धारित कर सकती है कि कितना पैसा रखा जाए, इस तरह से जो निष्पक्ष हो, हेरफेर के प्रति प्रतिरोधी हो, और उनके वास्तविक काम से जुड़ा हो?

एक नया अध्ययन इस समस्या को हल करने के लिए एक विशिष्ट तंत्र का प्रस्ताव करता है, जिसका परीक्षण चीन, न्यूजीलैंड और इटली के विश्वविद्यालयों के वास्तविक दुनिया के डेटा के माध्यम से किया गया है। शोधकर्ताओं ने एक ऐसी प्रणाली डिजाइन की है जहाँ एक टीम का वेतन एक 'फिक्स्ड डिनोमिनेटर' (निश्चित हर) द्वारा निर्धारित होता है, एक ऐसी अवधारणा जो पुरस्कार पूल की गणना करने के तरीके को बदल देती है। एक मानक पीयर-रिव्यू (सहकर्मी समीक्षा) प्रणाली में, यदि आप अपने पैसे का हिस्सा बढ़ाना चाहते हैं, तो आप अपने साथियों के स्कोर को कम करने की कोशिश कर सकते हैं, क्योंकि कुल राशि सभी प्राप्त अंकों के योग से विभाजित होती है। हालाँकि, इस नई प्रणाली में, डिनोमिनेटर वोटों की वह सैद्धांतिक अधिकतम संख्या है जो टीम द्वारा संभवतः डाली जा सकती है, न कि वास्तव में प्राप्त वोटों की संख्या। इसका अर्थ यह है कि आपका हिस्सा आपके द्वारा दिए गए वोटों पर नहीं, बल्कि आपको प्राप्त वोटों पर निर्भर करता है। आप अपने सहकर्मियों को खराब समीक्षा देकर अपनी तनख्वाह में हेरफेर नहीं कर सकते।

चूंकि डिनोमिनेटर स्थिर है और अक्सर डाले गए वास्तविक वोटों से अधिक होता है, इसलिए टीम के सदस्यों को दिए गए कुल हिस्से कुल उपलब्ध धन के बराबर नहीं होते हैं। राजस्व का एक हिस्सा स्वचालित रूप से संगठन द्वारा रख लिया जाता है। महत्वपूर्ण बात यह है कि इस बचे हुए हिस्से का आकार प्रबंधक द्वारा तय किया गया कोई निश्चित नियम नहीं है। इसके बजाय, यह टीम की अपनी मतदान तीव्रता का परिणाम है। यदि टीम उदार है और लगभग सभी के लिए वोट देती है, तो बहुत कम पैसा वापस रखा जाता है। यदि वे कंजूस या चयनात्मक हैं, तो धन का एक बड़ा हिस्सा फर्म के पास रहता है। शोधकर्ता इसे "एंडोजेनस सरप्लस रिटेंशन" (अंतर्जात अधिशेष प्रतिधारण) कहते हैं, जिसका अर्थ है कि बचा हुआ पैसा टीम के अपने व्यवहार से उत्पन्न होता है।

अध्ययन ने सैकड़ों छात्रों और विभिन्न ग्रेडिंग योजनाओं सहित तीन अलग-अलग डेटासेट का विश्लेषण किया, जिसमें सरल हाँ-या-ना वाले वोट, कॉइन बजट (जहाँ छात्रों के पास खर्च करने के लिए सीमित अंक थे), और विस्तृत रेटिंग स्केल शामिल थे। निष्कर्षों ने पुष्टि की कि यह तंत्र ठीक वैसा ही काम करता है जैसा गणित भविष्यवाणी करता है। अध्ययन किए गए प्रत्येक समूह में, संगठन द्वारा रखा गया धन एक 'इंटरियर वैल्यू' (आंतरिक मान) था, जिसका अर्थ था कि यह न तो शून्य था और न ही पूरा हिस्सा, बल्कि एक विशिष्ट प्रतिशत था जो उपयोग की गई ग्रेडिंग प्रणाली के आधार पर भिन्न होता था। उदाहरण के लिए, जब छात्रों ने एक उदार रेटिंग स्केल का उपयोग किया, तो संगठन ने राजस्व का लगभग 13 प्रतिशत रखा। जब उन्होंने एक प्रतिबंधात्मक कॉइन बजट का उपयोग किया, तो प्रतिधारण बढ़कर लगभग 50 प्रतिशत हो गया। साधारण हाँ-या-ना वाले वोटों के साथ, यह बढ़कर लगभग 70 प्रतिशत हो गया। डेटा ने एक सटीक, अनुमानित संबंध दिखाया: ग्रेडिंग योजना का डिज़ाइन सीधे तौर पर रिटेन्ड फंड (रोकी गई राशि) के आकार को निर्धारित करता है।

इसके अलावा, शोधकर्ताओं ने पाया कि छात्रों को प्राप्त वोट उनके वास्तविक प्रदर्शन का एक विश्वसनीय संकेत थे। प्रशिक्क्षकों द्वारा दिए गए स्वतंत्र ग्रेडों के साथ सहकर्मी वोटों की तुलना करके, अध्ययन ने दिखाया कि हालांकि सहकर्मी मूल्यांकन पूर्ण नहीं थे, फिर भी वे एक स्पष्ट, सकारात्मक संकेत लेकर आए। जिन छात्रों को अपने साथियों से अधिक वोट मिले, उनके प्रशिक्षक ग्रेड भी उच्च थे। यह बताता है कि तंत्र सफलतापूर्वक व्यक्तियों की रैंकिंग को कुल भुगतान के आकार से अलग करता है। एक कार्यकर्ता की सापेक्ष स्थिति उनके द्वारा प्राप्त वोटों से तय होती है, जबकि साझा किए जाने वाले धन की कुल राशि इस बात से तय होती है कि टीम एक-दूसरे का मूल्यांकन कितनी तीव्रता से करती है।

अध्ययन ने इस डिजाइन में शामिल ट्रेड-ऑफ (समझौतों) का भी पता लगाया। विभिन्न परिदृश्यों को सिम्युलेट करने के लिए डेटा का उपयोग करते हुए, शोधकर्ताओं ने एक "फ्रंटियर" (सीमा) की पहचान की जहाँ एक प्रबंधक को अधिक पैसा रखने और रैंकिंग में उच्च सटीकता बनाए रखने के बीच चयन करना होता है। यदि प्रणाली बहुत कंजूस है, यानी बहुत अधिक राजस्व रोक लेती है, तो ग्रेडिंग स्केल इतना कठोर हो जाता है कि वह अच्छे और बुरे काम के बीच अंतर करने की क्षमता खो देता है। इसके विपरीत, यदि प्रणाली बहुत उदार है, तो रिटेन्ड फंड इतना छोटा हो जाता है कि वह मजबूत प्रोत्साहन प्रदान करने में विफल रहता है। डेटा सुझाव देता है कि एक इष्टतम मध्य मार्ग मौजूद है। अध्ययन की गई टीमों के लिए, लगभग 13 से 14 प्रतिशत का प्रतिधारण स्तर एक मजबूत संतुलन प्रदान करता प्रतीत हुआ, जो समूह को प्रेरित करने के लिए पर्याप्त पैसा बनाए रखते हुए शीर्ष प्रदर्शन करने वालों की पहचान करने के लिए सहकर्मी मूल्यांकन को पर्याप्त सटीक रखता है।

महत्वपूर्ण रूप से, शोधकर्ता इस बात को लेकर सावधान रहे कि उनका काम क्या सिद्ध नहीं करता है। हालांकि सिस्टम का संरचनात्मक डिजाइन सही है और गणितीय संबंध सत्य हैं, अध्ययन यह निश्चित रूप से सिद्ध नहीं करता है कि वास्तविक लोग अतिरिक्त नियमों के बिना हमेशा ईमानदारी से कार्य करेंगे। यह तंत्र दूसरों के स्कोर को कम करके सिस्टम में हेरफेर करने की क्षमता को तो हटा देता है, लेकिन यह स्वतः ही सच्चाई से मतदान करने का प्रोत्साहन भी पैदा नहीं करता है। इसे संबोधित करने के लिए, लेखक एक गवर्नेंस लेयर (शासन परत) का प्रस्ताव करते हैं जिसमें ईमानदार मतदान के लिए पुरस्कार और निम्न-गुणवत्ता वाली भागीदारी के लिए लागत शामिल है, हालांकि इन व्यवहार संबंधी नियमों की प्रभावशीलता के लिए आगे के परीक्षण की आवश्यकता है। मुख्य निष्कर्ष यह है कि सिस्टम सफलतापूर्वक रिटेन्ड सरप्लस को एक निश्चित, मनमाने नंबर से बदलकर टीम की अपनी संलग्नता का एक मापने योग्य, शेड्यूलेबल परिणाम में बदल देता है।

यह दृष्टिकोण टीम मुआवजे के बारे में सोचने का एक नया तरीका प्रदान करता है। यह फ्री-राइडिंग और हेरफेर के बीच तनाव को हल करता है क्योंकि यह 'बजट ब्रेकर' को मूल्यांकन प्रक्रिया का एक स्वाभाविक परिणाम बना देता है। संगठन को यह अनुमान लगाने की आवश्यकता नहीं है कि उसे कितना रखना है; टीम के अपने मतदान पैटर्न उत्तर प्रकट करते हैं। एक विशिष्ट ग्रेडिंग योजना चुनकर, एक प्रबंधक प्रभावी रूप से प्रतिधारण के उस स्तर को चुन सकता है जिसे वह चाहता है, यह जानते हुए कि उसका चुनाव सहकर्मी समीक्षाओं की सटीकता को कैसे प्रभावित करेगा। अध्ययन यह स्थापित करता है कि यह केवल एक सैद्धांतिक संभावना नहीं है बल्कि एक डिजाइन टूल है जो व्यवहार में काम करता है, जिसे विभिन्न संस्कृतियों और शैक्षिक परिवेशों में सत्यापित किया गया है। यह एक स्पष्ट मार्ग प्रदान करता है जिससे संगठन व्यक्तिगत प्रोत्साहन को समूह की सफलता के साथ संरेखित कर सकते हैं, एक ऐसे तंत्र का उपयोग करके जो गणितीय रूप से सुदृढ़ और अनुभवजन्य रूप से आधारित है।