在大多数与合作相关的情境中,对于高绩效小组,快速做出正确的决策、快速进入合作状态至关重要。团队协作讨论可以很好的考察每个成员的决策能力和合作能力,越来越多的应用于各个企业的招聘流程中。然而在实际招聘流程中,每个成员的评价结果容易被各种不可避免的因素所影响,如面试官的个人倾向、招聘风格、疲劳程度等,每个成员的经验、态度、性格、说话口气等因素也容易造成面试官的误判,这会对企业的人才选拔工作造成不利的影响。如果交流的真实性是一个问题,非言语的考察方式尤为重要。本文主要对团队协作讨论中的成员表现和小组表现进行了分析与预测、并对小组功能角色(最具领导力成员、想法的主要来源)进行了识别,主要工作如下:(1)为了对团队协作讨论中的绩效进行分析与预测,本文设计并实施了棉花糖实验。在上海交通大学共招募了260名参与者,一共组织了52组棉花糖实验,收集了小组中的每个成员的语音数据、视频数据以及调查问卷数据。(2)构建了描述每个小组非言语交互方式的话轮转换网络,定义了话轮转换网络中的成员特征以及小组特征,用于分析影响成员表现和小组表现的因素。(3)研究了在团队协作讨论中,成员表现排名与话轮转换网络之间的相关性。话轮转换网络中影响成员表现的主要因素为:成员发声的时间(对应话轮转换网络中节点的大小)、成员间的话轮转换次数(对应话轮转换网络中连边的权重)。使用支持向量机算法实现了小组功能角色(最具领导力的成员和想法主要来源)的识别,识别准确率分别为0.96和0.98。(4)研究了在团队协作讨论中,小组表现(绩效)与话轮转换网络之间的相关性。话轮转换网络中影响小组表现的主要因素为:小组内部话轮转换次数的均匀程度(对应话轮转换网络中连边权重的均匀程度)、小组内部成员发声总时间的分布(对应话轮转换网络中节点大小的分布)。分别使用了SVM算法和逻辑回归算法这两种分类算法对小组的绩效等级进行了预测,比较了预测结果。SVM算法在预测小组绩效等级上的效果最好,效果达到0.92。