Measuring vision alignment for meaningful innovation

The association of meaning in innovation processes is a fundamental aspect for employee motivation and generation of relevant outcome. As digital technologies reshape the working environment substituting human labour, individuals strive for a purpose. The alignment within work-teams is of uttermost importance for the process of idea generation and implementation, fostering individual creativity and innovation capabilities. The aim of this dissertation is contributing to literature of organizational behaviour and alignment around a shared vision in innovation contexts with the inclusion of the visual thinking process in individuals’ analysis, to approach vision representations from a novel direction. In order to achieve this result, a tool has been developed which allows the measurement of similarity among images. The analysis is performed considering Subjective and Objective features, which are then combined to semantic concepts to create an overall alignment network. Emotions within an image are analysed with the “Color Image Scale”, while “WordNet” is used for the determination of semantic similarity among concepts. Two experiments have been run in the frame of university and an Italian pharmaceutics’ company. Results show the predominance of visual over semantic features, generating both more distinct and relevant clusters. Specifically, we demonstrate that the analysis based on emotions allows to determine a measure of alignment among individuals’ and managerial shared vision, while the observation of label-based clusters allows to determine different mindsets. While most meaning-making on visual features occurs with machine-learning Sentiment Analysis, we show the relevance of lexical analysis based on emotions. As the inclusion of a multi-dimensional similarity measurement allows to determine alignment, we suggest future research to further analyse the possibilities of visual thinking measurement. We therefore propose a framework to determine optimal work-team diversity, which should be extended with research in the field of visual engagement.

Nei processi di innovazione, la condivisione del significato del cambiamento è un aspetto fondamentale per la motivazione del personale e il raggiungimento dei risultati prefissati. Con le tecnologie digitali che rimodellano l'ambiente del lavoro, sostituendo sempre di più la componente umana, le persone sono in cerca di uno scopo. L'allineamento all'interno del gruppo di lavoro è di massima importanza per supportare il processo di generazione e implementazione delle idee. L’obbiettivo di questa tesi è di contribuire alla letteratura dell’organizational behaviour e dell'allineamento della vision aziendale in ambiti di innovazione con l'inclusione di analisi sul ragionamento visivo degli individui, adottando nuove metodologie di rappresentazione della vision. A questo scopo è stato sviluppato uno strumento che consente la misurazione della distanza tra immagini. L'analisi viene eseguita considerando caratteristiche soggettive e oggettive delle immagini, che combinate a concetti semantici in forma scritta restituiscono un network di allineamento globale. Le emozioni all'interno di un'immagine sono estrapolate mediante la “Color Image Scale”, mentre “WordNet” viene utilizzato per la determinazione della distanza semantica tra concetti. Sono stati condotti due esperimenti in ambiente universitario e in un'azienda farmaceutica italiana. I risultati mostrano la predominanza delle caratteristiche visive su quelle semantiche, presentando cluster più distinti e rilevanti. Nello specifico, dimostriamo che l'analisi basata sulle emozioni consente di misurare l’allineamento della vision tra individui e manager, mentre l'osservazione di cluster semantici consente di determinare le differenti mentalità presenti nel gruppo. Mentre la maggior parte delle analisi sul significato delle caratteristiche visive si effettua oggigiorno con tecniche di sentiment analysis, noi evidenziamo la rilevanza dell'analisi lessicale basata sulle emozioni. Poiché l’integrazione di misure di similarità multidimensionali consente di determinare l'allineamento, suggeriamo per ricerche future analisi su ulteriori metodi di misurazione del pensiero visivo. Proponiamo quindi un framework ampliabile per la determinazione del livello ottimale di diversità in un gruppo.