Email is one of the major computer mediated communication tools. Email has been used as a business application, so it contains work related and behavior of users. Even though there are several researches about user behaviors in email have been studied for many years, previous researches focus on reducing email overload by studying the usability of email interfaces based on survey data, or visualizing data.
In this research, I propose performance index (PI) factors that indicate job performance in the workplace through an analysis of email-user interaction data. I illustrate our analysis with examples from the Enron Corporation’s email archive. Using binary logistic regression on the data set, I tested the factors I developed. The analysis provides insight into which variables are significant predictors of performance at work. The best predictors were the ratio of email replies sent to total emails sent, the ratio of multiple-recipient emails received to multiple-recipient emails sent, and the ratio of multiple-recipient emails received to total emails received.
이메일은 인터넷의 보급 이후 꾸준히 많은 사람들이 사용하는 어플리케이션이다. 오늘날의 이메일은 커뮤니케이션의 도구일 뿐만 아니라, 정보를 저장하고 공유하기 위한 수단으로, 전자 문서를 보관하거나 기록해 두기 위한 매체로 사용되기도 한다. 이러한 특성을 바탕으로, 이메일은 직장 내 업무를 전달, 처리하고 논의하기 위해 많이 사용되고 있다.
기존의 연구는 불필요한 정보의 범람으로 인한 불편함과 시간의 낭비를 개선하고자 하는 방향으로 다양하게 진행되었다. 이들 연구는 사용자들이 이메일을 사용하는 방식이나 행동을 분석하여 이메일의 사용성을 높이기 위한 방법을 제안하고 있는데, 주로 이메일 사용자들에게 설문 조사를 한 결과를 분석하거나 2차적인 도구를 피험자에게 제시하고 실험하는 방식을 통해 이루어지고 있다. 설문조사나 피험자 실험을 통해 사용자의 행동을 분석하는 방법은 분석 및 결과를 얻는 과정이 자동화되기 어렵다는 단점이 있다. 분석을 자동화 하기 위한 연구가 있지만 추가로 사용자의 행동과 관련된 데이터를 수집하여 이를 분석하는 방식으로, 오랜 기간 데이터를 기록해야만 분석이 가능하다는 단점이 있다. 기존 연구와 달리 본 연구는 추가적인 데이터를 기록하거나 수집하지 않고 이미 저장되어있는 이메일 데이터로부터 사용자와 이메일 사이의 인터렉션 요소들을 추출하여 분석하는 과정을 자동화 하였다. 또한 기존에는 시도되지 않았던 이메일과 업무 능력간의 상관관계를 분석하는 것을 통해 드러나지 않은 의미와 정보를 찾고자 하였다. 이를 위해, 업무능력과 개인의 성격 사이에 양의 상관관계가 있다는 Barrick과 그 외 저자들의 연구 결과와 사람의 생각과 행동이 인터렉션의 결과에 반영되어 있다는 Activity Theory를 바탕으로, 이메일로부터 사용자의 행동 패턴을 분석하여 그 사람의 특성을 대표할 수 있는 Performance Index 요소들을 제안하고 이들이 실제로 직장인의 업무 능력과 어떤 상관 관계를 갖는 지에 대한 연구를 진행하였다.
먼저, Enron 이메일 데이터로부터 사용자와 이메일 사이의 1차적 인터렉션 데이터를 추출한 후, 이를 외향성과 책임감을 나타낼 수 있는 16개의 PI 요소로 변환하여 PI 데이터를 계산하였다. 업무 능력과의 관계를 보기 위해 Enron의 Retention bonus를 받거나 받지 못한 사용자의 정보가 담긴 데이터와 PI 데이터를 이분형 로지스틱 회귀 분석으로 분석하였고, 3개의 유의미한 PI 요소를 찾을 수 있었다. 여러 사람들에게 메일을 보내기보다는 여러 사람들과 함께 메일을 받은 경우가 많을 수록, 보낸 메일 중 답장으로 보낸 메일이 많을 수록, 받은 메일 중 다른 사람들과 함께 받은 메일이 많을 수록 보너스를 받을 확률이 높아지는 결과를 확인하였다.
