home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1993 #1 / NN_1993_1.iso / spool / comp / risks / 144 < prev    next >
Encoding:
Internet Message Format  |  1993-01-11  |  30.8 KB

  1. Path: sparky!uunet!gatech!paladin.american.edu!howland.reston.ans.net!zaphod.mps.ohio-state.edu!cis.ohio-state.edu!ucbvax!csl.sri.com!risks
  2. From: risks@csl.sri.com (RISKS Forum)
  3. Newsgroups: comp.risks
  4. Subject: RISKS DIGEST 14.24
  5. Message-ID: <CMM.0.90.1.726796208.risks@chiron.csl.sri.com>
  6. Date: 11 Jan 93 23:50:08 GMT
  7. Sender: daemon@ucbvax.BERKELEY.EDU
  8. Reply-To: risks@csl.sri.com
  9. Distribution: world
  10. Organization: The Internet
  11. Lines: 513
  12. Approved: risks@csl.sri.com
  13.  
  14. RISKS-LIST: RISKS-FORUM Digest  Monday 11 January 1993  Volume 14 : Issue 24
  15.  
  16.         FORUM ON RISKS TO THE PUBLIC IN COMPUTERS AND RELATED SYSTEMS 
  17.    ACM Committee on Computers and Public Policy, Peter G. Neumann, moderator
  18.  
  19.   Contents:
  20. Organizational Analysis in Computer Science -- PART ONE (Rob Kling)
  21.   [PART TWO is in RISKS-14.25.]
  22.  
  23.  The RISKS Forum is moderated.  Contributions should be relevant, sound, in 
  24.  good taste, objective, coherent, concise, and nonrepetitious.  Diversity is
  25.  welcome.  CONTRIBUTIONS to RISKS@CSL.SRI.COM, with relevant, substantive 
  26.  "Subject:" line.  Others may be ignored!  Contributions will not be ACKed.  
  27.  The load is too great.  **PLEASE** INCLUDE YOUR NAME & INTERNET FROM: ADDRESS,
  28.  especially .UUCP folks.  REQUESTS please to RISKS-Request@CSL.SRI.COM.     
  29.  
  30.  Vol i issue j, type "FTP CRVAX.SRI.COM<CR>login anonymous<CR>AnyNonNullPW<CR>
  31.  CD RISKS:<CR>GET RISKS-i.j<CR>" (where i=1 to 14, j always TWO digits).  Vol i
  32.  summaries in j=00; "dir risks-*.*<CR>" gives directory; "bye<CR>" logs out.
  33.  The COLON in "CD RISKS:" is essential.  "CRVAX.SRI.COM" = "128.18.10.1".
  34.  <CR>=CarriageReturn; FTPs may differ; UNIX prompts for username, password.
  35.  
  36.  For information regarding delivery of RISKS by FAX, phone 310-455-9300
  37.  (or send FAX to RISKS at 310-455-2364, or EMail to risks-fax@cv.vortex.com).
  38.  
  39.  ALL CONTRIBUTIONS CONSIDERED AS PERSONAL COMMENTS; USUAL DISCLAIMERS APPLY.
  40.  Relevant contributions may appear in the RISKS section of regular issues
  41.  of ACM SIGSOFT's SOFTWARE ENGINEERING NOTES, unless you state otherwise.
  42.  
  43. ----------------------------------------------------------------------
  44.  
  45.               Organizational Analysis in Computer Science  
  46.  
  47.                                Rob Kling
  48.               Department of Information & Computer Science 
  49.                   University of California at Irvine, 
  50.                          Irvine, CA 92717, USA 
  51.                     kling@ics.uci.edu (714-856-5955)
  52.  
  53.                   January 10, 1993 [Working Draft 11b]
  54.  
  55. Note: To appear: The Information Society, 9(2) (Mar-Jun, 1993). A
  56.      much shorter version of this paper will appear as "Computing
  57.      for Our Future in a Social World" in Communications of the
  58.      ACM, February 1993, in a Forum that discusses Computing the
  59.      Future: A Broader Agenda for Computer Science and
  60.      Engineering. Hartmanis, Juris and Herbert Lin (Eds).
  61.      Washington, DC: National Academy Press, 1992. 
  62.  
  63.  
  64.                             ABSTRACT
  65.  
  66. Computer Science is hard pressed in the US to show broad utility to help
  67. justify billion dollar research programs and the value of educating well over
  68. 40,000 Bachelor of Science and Master of Science specialists annually in the
  69. U.S. The Computer Science and Telecommunications Board of the U.S. National
  70. Research Council has recently issued a report, "Computing the Future
  71. (Hartmanis and Lin, 1992)" which sets a new agenda for Computer Science. The
  72. report recommends that Computer Scientists broaden their conceptions of the
  73. discipline to include computing applications and domains to help understand
  74. them. This short paper argues that many Computer Science graduates need some
  75. skills in analyzing human organizations to help develop appropriate systems
  76. requirements since they are trying to develop high performance computing
  77. applications that effectively support higher performance human organizations.
  78. It is time for academic Computer Science to embrace organizational analysis
  79. (the field of Organizational Informatics) as a key area of research and
  80. instruction.
  81.  
  82.                           INTRODUCTION
  83.  
  84. Computer Science is being pressed on two sides to show broad utility for
  85. substantial research and educational support. For example, the High
  86. Performance Computing Act will provide almost two billion dollars for research
  87. and advanced development. Its advocates justified it with arguments that
  88. specific technologies, such as parallel computing and wideband nets, are
  89. necessary for social and economic development. In the US, Computer Science
  90. academic programs award well over 30,000 Bachelor of Science (BS) and almost
  91. 10,000 Master of Science (MS) degrees annually. Some of these students enter
  92. PhD programs and many work on projects which emphasize mathematical Computer
  93. Science. But many of these graduates also take computing jobs for which they
  94. are inadequately educated, such as helping to develop high performance
  95. computing applications to improve the performance of human organizations.
  96.  
  97. These dual pressures challenge leading Computer Scientists to broaden their
  98. conceptions of the discipline to include an understanding of key application
  99. domains, including computational science and commercial information systems.
  100. An important report that develops this line of analysis, "Computing the
  101. Future" (CTF) (Hartmanis and Lin, 1992), was recently issued by the National
  102. Computing and Telecommunications Board of the U.S. National Research Council.
  103.  
  104. CTF is a welcome report that argues that academic Computer Scientists must
  105. acknowledge the driving forces behind the substantial Federal research support
  106. for the discipline. The explosive growth of computing and demand for CS in the
  107. last decade has been driven by a diverse array of applications and new modes
  108. of computing in diverse social settings.  CTF takes a strong and useful
  109. position in encouraging all Computer Scientists to broaden our conceptions of
  110. the discipline and to examine computing in the context of interesting
  111. applications.
  112.  
  113. CTF's authors encourage Computer Scientists to envision new technologies in
  114. the social contexts in which they will be used.  They identify numerous
  115. examples of computer applications in earth science, computational biology,
  116. medical care, electronic libraries and commercial computing that can provide
  117. significant value to people and their organizations. These assessments rest on
  118. concise and tacit analyses of the likely design, implementation within
  119. organizations, and uses of these technologies. For example, CTF's stories of
  120. improved computational support for modelling are based on rational models of
  121. organizational behavior. They assume that professionals, scientists, and
  122. policy-makers use models to help improve their decisions. But what if
  123. organizations behave differently when they use models? For example suppose
  124. policy makers use models to help rationalize and legitimize decisions which
  125. are made without actual reference to the models?
  126.  
  127. One cannot discriminate between these divergent roles of modelling in human
  128. organizations based upon the intentions of researchers and system designers.
  129. The report tacitly requires that the CS community develop reliable knowledge,
  130. based on systematic research, to support effective analysis of the likely
  131. designs and uses of computerized systems. CTF tacitly requires an ability to
  132. teach such skills to CS practitioners and students.  Without a disciplined
  133. skill in analyzing human organizations, Computer Scientists' claims about the
  134. usability and social value of specific technologies is mere opinion, and bears
  135. a significant risk of being misleading. Further, Computer Scientists who do
  136. not have refined social analytical skills sometimes conceive and promote
  137. technologies that are far less useful or more costly than they claim.
  138. Effective CS practitioners who "compute for the future" in organizations need
  139. some refined skills in organizational analysis to understand appropriate
  140. systems requirements and the conditions that transform high performance
  141. computing into high performance human organizations. Since CTF does not spell
  142. out these tacit implications, I'd like to explain them here.
  143.  
  144.                   BROADENING COMPUTER SCIENCE: 
  145.                  FROM COMPUTABILITY TO USABILITY
  146.  
  147. The usability of systems and software is a key theme in the history of CS. We
  148. must develop theoretical foundations for the discipline that give the deepest
  149. insights in to what makes systems usable for various people, groups and
  150. organizations.  Traditional computer scientists commonly refer to mathematics
  151. as the theoretical foundations of CS. However, mathematical formulations give
  152. us limited insights into understanding why and when some computer systems are
  153. more usable than others.
  154.  
  155. Certain applications, such as supercomputing and computational science are
  156. evolutionary extensions of traditional scientific computation, despite their
  157. new direction with rich graphical front ends for visualizing enormous mounds
  158. of data. But other, newer modes of computing, such as networking and
  159. microcomputing, change the distribution of applications. While they support
  160. traditional numerical computation, albeit in newer formats such as
  161. spreadsheets, they have also expanded the diversity of non-numerical
  162. computations. They make digitally represented text and graphics accessible to
  163. tens of millions of people.
  164.  
  165. These technological advances are not inconsistent with mathematical
  166. foundations in CS, such as Turing machine formulations. But the value of these
  167. formats for computation is not well conceptualized by the foundational
  168. mathematical models of computation. For example, text editing could be
  169. conceptualized as a mathematical function that transforms an initial text and
  170. a vector of incremental alterations into a revised text. Text formatting can
  171. be conceptualized as a complex function mapping text strings into spatial
  172. arrays. These kinds of formulations don't help us grasp why many people find
  173. "what you see is what you get" editors as much more intuitively appealing than
  174. a system that links line editors, command-driven formatting languages, and
  175. text compilers in series.
  176.  
  177. Nor do our foundational mathematical models provide useful ways of
  178. conceptualizing some key advances in even more traditional elements of
  179. computer systems such as operating systems and database systems. For example,
  180. certain mathematical models underlie the major families of database systems.
  181. But one can't rely on mathematics alone to assess how well networks,
  182. relations, or object-entities serve as representations for the data stored in
  183. an airline reservation system. While mathematical analysis can help optimize
  184. the efficiency of disk space in storing the data, they can't do much to help
  185. airlines understand the kinds of services that will make such systems most
  186. useful for reservationists, travel agents and even individual travellers. An
  187. airline reservation system in use is not simply a closed technical system. It
  188. is an open socio-technical system (Hewitt, 1986; Kling, 1992). Mathematical
  189. analysis can play a central role in some areas of CS, and an important role in
  190. many areas. But we cannot understand important aspects of usability if we
  191. limit ourselves to mathematical theories.
  192.  
  193. The growing emphasis of usability is one of the most dominant of the diverse
  194. trends in computing. The usability tradition has deep roots in CS, and has
  195. influenced the design of programming languages and operating systems for over
  196. 25 years. Specific topics in each of these areas also rest on mathematical
  197. analysis which Computer Scientists could point to as "the foundations" of the
  198. respective subdisciplines. But Computer Scientists envision many key advances
  199. as design conceptions rather than as mathematical theories. For example,
  200. integrated programming environments ease software development. But their
  201. conception and popularity is not been based on deeper formal foundations for
  202. programming languages. However, the growth of non-numerical applications for
  203. diverse professionals, including text processing, electronic mail, graphics,
  204. and multimedia should place a premium on making computer systems relatively
  205. simple to use. Human Computer Interaction (HCI) is now considered a core
  206. subdiscipline of CS.
  207.  
  208. The integration of HCI into the core of CS requires us to expand our
  209. conception of the theoretical foundations of the discipline.  While every
  210. computational interface is reducible to a Turing computation, the foundational
  211. mathematical models of CS do not (and could not) provide a sound theoretical
  212. basis for understanding why some interfaces are more effective for some groups
  213. of people than others. The theoretical foundations of effective computer
  214. interfaces must rest on sound theories of human behavior and their empirical
  215. manifestations (cf. Ehn, 1991, Grudin, 1989).
  216.  
  217. Interfaces also involve capabilities beyond the primary information processing
  218. features of a technology. They entail ways in which people learn about systems
  219. and ways to manage the diverse data sets that routinely arise in using many
  220. computerized systems (Kling, 1992). Understanding the diversity and character
  221. of these interfaces, that are required to make many systems usable, rests in
  222. an understanding the way that people and groups organize their work and
  223. expertise with computing. Appropriate theories of the diverse interfaces that
  224. render many computer systems truly useful must rest, in part, on theories of
  225. work and organization. There is a growing realization, as networks tie users
  226. together at a rapidly rising rate, that usability cannot generally be
  227. determined without our considering how computer systems are shaped by and also
  228. alter interdependencies in groups and organizations. The newly-formed
  229. subdiscipline of Computer Supported Cooperative Work and newly-coined term
  230. "groupware" are responses to this realization (Greif, 1988; Galegher, Kraut
  231. and Egido, 1990).
  232.  
  233.                   BROADENING COMPUTER SCIENCE: 
  234.                 FROM HIGH PERFORMANCE COMPUTING 
  235.                 TO HIGH PERFORMANCE ORGANIZATIONS
  236.  
  237. The arguments of CTF go beyond a focus on usable interface designs to claims
  238. that computerized systems will improve the performance of organizations.  The
  239. report argues that the US should invest close to a billion dollars a year in
  240. CS research because of the resulting economic and social gains. These are
  241. important claims, to which critics can seek systematic evidence.  For example,
  242. one can investigate the claim that 20 years of major computing R&D and
  243. corporate investment in the US has helped provide proportionate economic and
  244. social value.
  245.  
  246. CTF is filled with numerous examples where computer-based systems provided
  247. value to people and organizations. The tough question is whether the overall
  248. productive value of these investments is worth the overall acquisition and
  249. operation costs. While it is conventional wisdom that computerization must
  250. improve productivity, a few researchers began to see systemic possibilities of
  251. counter-productive computerization in the early 1980s (King and Kraemer,
  252. 1981). In the last few years economists have found it hard to give
  253. unambiguously affirmative answers to this question. The issue has been termed
  254. "The Productivity Paradox," based on a comment attributed to Nobel laureate
  255. Robert Solow who remarked that "computers are showing up everywhere except in
  256. the [productivity] statistics (Dunlop and Kling, 1991a)."
  257.  
  258. Economists are still studying the conditions under which computerization
  259. contributes to organizational productivity, and how to measure iteasy.  But
  260. there is no automatic link between computerization and improved productivity.
  261. While many computer systems have been usable and useful, productivity gains
  262. require that their value exceed all of their costs.
  263.  
  264. There are numerous potential slips in translating high performance computing
  265. into cost-effective improvements in organizational performance. Some
  266. technologies are superb for well-trained experts, but are difficult for less
  267. experienced people or "casual users." Many technologies, such as networks and
  268. mail systems, often require extensive technical support, thus adding hidden
  269. costs (Kling, 1992).
  270.  
  271. Further, a significant body of empirical research shows that the social
  272. processes by which computer systems are introduced and organized makes a
  273. substantial difference in their value to people, groups and organizations
  274. (Lucas, 1981; Kraemer, et. al.  1985; Orlikowski, 1992). Most seriously, not
  275. all presumably appropriate computer applications fit a person or group's work
  276. practices. While they may make sense in a simplified world, they can actually
  277. complicate or misdirect real work.
  278.  
  279. Group calendars are but one example of systems that can sound useful, but are
  280. often useless because they impose burdensome record keeping demands (Grudin,
  281. 1989). In contrast, electronic mail is one of the most popular applications in
  282. office support systems, even when other capabilities, like group calendars,
  283. are ignored (Bullen and Bennett, 1991). However, senders are most likely to
  284. share information with others when the system helps provide social feedback
  285. about the value of their efforts or they have special incentives (Sproull and
  286. Kiesler, 1991; Orlikowski, 1992). Careful attention to the social arrangements
  287. or work can help Computer Scientists improve some systems designs, or also
  288. appreciate which applications may not be effective unless work arrangements
  289. are changed when the system is introduced.
  290.  
  291. The uses and social value of most computerized systems can not be effectively
  292. ascertained from precise statements of their basic design principles and
  293. social purposes. They must be analyzed within the social contexts in which
  294. they will be used. Effective social analyses go beyond accounting for formal
  295. tasks and purposes to include informal social behavior, available resources,
  296. and the interdependencies between key groups (Cotterman and Senn, 1992).
  297.  
  298. Many of the BS and MS graduates of CS departments find employment on projects
  299. where improved computing should enhance the performance of specific
  300. organizations or industries.  Unfortunately, few of these CS graduates have
  301. developed an adequate conceptual basis for understanding when information
  302. systems will actually improve organizational performance.  Consequently, many
  303. of them are prone to recommend systems-based solutions whose structure or
  304. implementation within organizations would be problematic.
  305.  
  306.                    ORGANIZATIONAL INFORMATICS
  307.  
  308. Organizational Informatics denotes a field which studies the development and
  309. use of computerized information systems and communication systems in
  310. organizations. It includes studies of their conception, design, effective
  311. implementation within organizations, maintenance, use, organizational value,
  312. conditions that foster risks of failures, and their effects for people and an
  313. organization's clients. It is an intellectually rich and practical research
  314. area.
  315.  
  316. Organizational Informatics is a relatively new label. In Europe, the term
  317. Informatics is the name of many academic departments which combine both CS and
  318. Information Systems. In North America, Business Schools are the primary
  319. institutional home of Information Systems research and teaching. But this
  320. location is a mixed blessing. It brings IS research closer to organizational
  321. studies. But the institutional imperatives of business schools lead IS
  322. researchers to emphasize the development and use of systems in a narrow range
  323. of organizations -- businesses generally, and often service industry firms. It
  324. excludes information systems in important social sectors such as health care,
  325. military operations, air-traffic control, libraries, home uses, and so on. And
  326. Information Systems research tries to avoid messy issues which many practicing
  327. Computer Scientists encounter: developing requirements for effective systems
  328. and mitigating the major risks to people and organizations who depend upon
  329. them.
  330.  
  331. The emerging field of Organizational Informatics builds upon research
  332. conducted under rubrics like Information Systems and Information Engineering.
  333. But it is more wide ranging than either of these fields are in practice.
  334.  
  335. Organizational Informatics Research
  336.  
  337. In the last 20 years a loosely organized community of some dozens
  338. of researchers have produced a notable body of systematic
  339. scientific research in Organizational Informatics. These studies
  340. examine a variety of topics, including:
  341.      *    how system designers translate people's preferences
  342.           into requirements;
  343.      *    the functioning of software development teams in 
  344.           practice;
  345.      *    the conditions that foster and impede the
  346.           implementation of computerized systems within
  347.           organizations;
  348.      *    how people and organizations use systems in practice; 
  349.      *    the roles of computerized systems in altering work,
  350.           group communication, power relationships, and
  351.           organizational practices.
  352.  
  353. Researchers have extensively studied some of these topics, such as
  354. computerization and changing work, appear in synoptic review articles (Kling
  355. and Dunlop, in press). In contrast, researchers have recently begun to examine
  356. other topics, such software design (Winograd and Flores, 1986; Kyng and
  357. Greenbaum, 1991), and have recently begun to use careful empirical methods
  358. (e.g. Suchman, 1983; Bentley, et. al, 1992; Fish, et. al., 1993). I cannot
  359. summarize the key theories and rich findings of these diverse topics in a few
  360. paragraphs. But I would like to comment upon a few key aspects of this body of
  361. research.
  362.  
  363. Computer Systems Use in Social Worlds
  364.  
  365. Many studies contrast actual patterns of systems design, implementation, use
  366. or impacts with predictions made by Computer Scientists and professional
  367. commentators. A remarkable fraction of these accounts are infused with a
  368. hyper-rational and under-socialized view of people, computer systems,
  369. organizations and social life in general.  Computer Scientists found that rule
  370. driven conceptions to be powerful ways to abstract domains like compilers. But
  371. many Computer Scientists extend them to be a tacit organizing frame for
  372. understanding whole computer systems, their developers, their users and others
  373. who live and work with them. Organizations are portrayed as generally
  374. cooperative systems with relatively simple and clear goals. Computer systems
  375. are portrayed as generally coherent and adequate for the tasks for which
  376. people use them. People are portrayed as generally obedient and cooperative
  377. participants in a highly structured system with numerous tacit rules to be
  378. obeyed, such as doing their jobs as they are formally described. Using data
  379. that is contained in computer systems, and treating it as information or
  380. knowledge, is a key element of these accounts. Further, computer systems are
  381. portrayed as powerful, and often central, agents of organizational change.
  382.  
  383. This Systems Rationalist perspective infuses many accounts of computer systems
  384. design, development, and use in diverse application domains, including CASE
  385. tools, instructional computing, models in support of public policy
  386. assessments, expert systems, groupware, supercomputing, and network
  387. communications (Kling, 1980; Kling, Scherson and Allen, 1992).
  388.  
  389. All conceptual perspectives are limited and distort "reality."  When
  390. Organizational Informatics researchers systematically examine the design
  391. practices in particular organizations, how specific groups develop computer
  392. systems, or how various people and groups use computerized systems, they find
  393. an enormous range of fascinating and important human behavior which lies
  394. outside the predictive frame of Systems Rationalism. Sometimes these behaviors
  395. are relatively minor in overall importance. But in many cases they are so
  396. significant as to lead Organizational Informatics researchers to radically
  397. reconceptualize the processes which shape and are shaped by computerization.
  398.  
  399. There are several alternative frames for reconceptualizing computerization as
  400. alternatives to Systems Rationalism. The alternatives reflect, in part, the
  401. paradigmatic diversity of the social sciences. But all of these reconceptions
  402. situate computer systems and organizations in richer social contexts and with
  403. more complex and multivalent social relations than does systems rationalism.
  404. Two different kinds of observations help anchor these abstractions.
  405.  
  406. Those who wish to understand the dynamics of model usage in public agencies
  407. must appreciate the institutional relationships which influence the
  408. organization's behavior. For example, to understand economic forecasting by
  409. the US Congress and the Executive branch's Office of Management and Budget,
  410. one must appreciate the institutional relations between Congress and the
  411. Executive branch. They are not well described by Systems Rationalist
  412. conceptions because they were designed to continually differ with each other
  413. in their perspectives and preferred policies. That is one meaning of "checks
  414. and balances" in the fundamental design of the US Federal Government. My
  415. colleagues, Ken Kraemer and John King, titled their book about Federal
  416. economic modelling, DataWars (Kraemer, et. al., 1985).  Even this title
  417. doesn't make much sense within a Systems Rationalist framework.
  418.  
  419. Modelling can be a form of intellectual exploration. It can also be a medium
  420. of communication, negotiation, and persuasion. The social relationships
  421. between modelers, people who use them and diverse actors in Federal
  422. policymaking made these socially mediated roles of models sometimes most
  423. important. In these situations, an alternative view of organizations as
  424. coalitions of interest groups was a more appropriate conceptualization. And
  425. within this coalitional view of organizations, a conception of econometric
  426. models as persuasion support systems rather than as decision support systems
  427. sometimes is most appropriate.  Organizational Informatics researchers found
  428. that political views of organizations and systems developments within them
  429. apply to many private organizations as well as to explicitly political public
  430. agencies.
  431.  
  432. Another major idea to emerge from the broad body of Organizational Informatics
  433. research is that the social patterns which characterize the design,
  434. development, uses and consequences of computerized systems are dependent on
  435. the particular ecology of social relationships between participants. This idea
  436. may be summarized by saying that the processes and consequences of
  437. computerization are "context dependent." In practice, this means that the
  438. analyst must be careful in generalizing from one organizational setting to
  439. another. While data wars might characterize econometric modelling on Capitol
  440. Hill, we do not conclude that all computer modelling should be interpreted as
  441. persuasion support systems. In some settings, models are used to explore the
  442. effects of policy alternatives without immediate regard for their support as
  443. media for communication, negotiation or persuasion. At other times, the same
  444. model might be used (or abused with cooked data) as a medium of persuasion.
  445. The brief accounts of models for global warming in CTF fit a Systems
  446. Rationalist account. Their uses might appear much less "scientific" if they
  447. were studied within the actual policy processes within which they are
  448. typically used.
  449.  
  450. Repercussions for Systems Design
  451.  
  452. Even when computerized systems are used as media of intellectual exploration,
  453. Organizational Informatics researchers find that social relationships
  454. influence the ways that people use computerized systems. Christine Bullen and
  455. John Bennett (1991) studied 25 organizations that used groupware with diverse
  456. modules such as databases, group calendars, text annotating facilities and
  457. electronic mail. They found that the electronic mail modules were almost
  458. universally valued, while other system facilities were often unused.
  459.  
  460. In a recent study, Sharyn Ladner and Hope Tillman examined the use of the
  461. Internet by university and corporate librarians. While many of them found data
  462. access through databases and file transfer to be important services, they also
  463. reported that electronic mail was perhaps the most critical Internet feature
  464. for them.
  465.      The participants in our study tell us something that we
  466.      may have forgotten in our infatuation with the new
  467.      forms of information made available through the
  468.      Internet.  And that is their need for community.  To be
  469.      sure, our respondents use the Internet to obtain
  470.      information not available in any other format, to
  471.      access databases ... that provide new efficiencies in
  472.      their work, new ways of working.  But their primary use
  473.      is for communication.  Special librarians tend to be
  474.      isolated in the workplace -- the only one in their
  475.      subject specialty (in the case of academe), or the only
  476.      librarian in their organization (in the case of a
  477.      corporate library).  Time and time again our
  478.      respondents expressed this need to talk to someone --
  479.      to learn what is going on in their profession, to
  480.      bounce ideas off others, to obtain information from
  481.      people, not machines.  
  482.      There are tremendous implications from the Internet
  483.      technology in community formation -- the Internet may
  484.      indeed provide a way to increase community among
  485.      scholars, including librarians.  The danger we face at
  486.      this juncture in time, as we attach library resources
  487.      to the Internet, is to focus all of our energies on the
  488.      machine-based resources at the expense of our human-
  489.      based resources, i.e., ourselves (Ladner and Tillman,
  490.      1992). 
  491. In these studies, Organizational Informatics researchers have developed a
  492. socially rich view of work with and around computing, of computing within a
  493. social world.
  494.  
  495. These studies have strong repercussions for the design of software. A good
  496. designer cannot assume that the majority of effort should go into the
  497. "computational centerpiece" of a system, while devoting minor efforts to
  498. supporting communication facilities. One of my colleagues designed a modelling
  499. system for managers in a major telephone company, after completing an
  500. extensive requirements analysis. However, as an afterthought, he added a
  501. simple mail system in a few days work. He was surprised to find that the
  502. people who used these systems regularly used his crude electronic mail system,
  503. while they often ignored interesting modelling capabilities. Such balances of
  504. attention also have significant repercussions. Many people need good mail
  505. systems, not just crude ones: systems which include facile editors, ease in
  506. exporting and importing files, and effective mail management (Kling and Covi,
  507. 1993).
  508.  
  509. Assessing people's preferences for systems' designs is an exercise in social
  510. inquiry. While rapid prototyping may help improve designs for some systems, it
  511. is less readily applicable to systems which are used by diverse groups at
  512. numerous locations. Computer scientists are beginning to develop more reliable
  513. methods of social inquiry to better understand which systems designs will be
  514. most useful (Bentley, et. al. 1992; Kyng and Greenbaum, 1991). Root and his
  515. colleagues (1993) recently reported the way that the explicit use of social
  516. theory helped them design more effective group meeting systems. Unfortunately,
  517. these newer methods are rarely taught to CS students. When computer
  518. specialists build an imbalanced system, it should not be a surprise when the
  519. resulting organizational value of their efforts is very suboptimal.
  520.  
  521.    [CONTINUED in RISKS-14.25.]
  522.  
  523. ------------------------------
  524.  
  525. End of RISKS-FORUM Digest 14.24
  526. ************************
  527.