评估单个任务上协办人的参与度，可以从过程参与、产出贡献、响应时效三类可观察信号入手：协办人是否在任务上留下评论、更新状态、认领子项、参与评审；交付的文档、评审意见、问题反馈是否被主责人采纳；对协办请求的响应间隔和关键节点前的完成比例是否稳定。把这些信号按任务周期统计成可复算的比率，再结合主责人的定性判断，比只看“是否被指派为协办人”更能说明协办人是否真正发挥作用。
要点总览（TL;DR）
- 评估任务协办人参与度，可拆成过程参与、产出贡献、响应时效三类可观察信号，分别回答“有没有参与”“参与是否有效”“参与是否及时”。
- 每个指标都要写清分子、分母、时间窗和单位，例如评论参与率、评审意见采纳率、关键节点及时率，保证同一任务周期内可复算。
- 分母为零时标注“无记录”，不按零分处理，也不并入综合判断，避免用空数据得出误导性结论。
- 定量比率需与主责人对协办输入是否被采纳的定性记录交叉验证，形成实质参与、有限参与、挂名三档判断。
- 参与度信号只用于任务层面的协作复盘，单指标不能作为绩效评级或责任认定依据，解读时要说明任务类型和数据质量的影响。
评估目标：判断协办人是挂名还是真正参与
评估对象是单个任务上的协办人角色，关注这个人在该任务推进过程中是否提供了实质输入。评估结论只服务于任务层面的协作复盘，不延伸到组织角色分工是否合理、人力容量是否充足，也不作为绩效评级或责任认定的依据。
把“参与度”落到可观察的行为和产出上，可以拆成三类信号。过程参与看协办人是否在任务中留下动作痕迹，例如评论、状态更新、认领子项、参加评审。产出贡献看协办人交付的内容是否被主责人或其他评审人采纳，例如评审意见被吸收、文档被引用、问题被关闭。响应时效看协办人对请求的反应速度和节点前完成情况。三类信号分别回答“有没有参与”“参与是否有效”“参与是否及时”，合起来才能支撑“挂名还是实质参与”的判断。
这个框架的用途是帮助主责人和任务管理者在任务结束后做一次结构化回看，也为任务进行中的协办安排提供调整依据。评估前需要明确：本次评估只针对某一个任务、某一个协办人、某一个时间窗，跨任务汇总属于另一层分析。
指标与范围：三类信号与统计口径
指标设计的原则是每个指标都能写清分子、分母、时间窗和单位，保证同一任务周期内可以复算。下表给出三类信号的基础指标清单，分母均限定在该任务周期内、该协办人相关的记录范围内。
| 信号类别 | 指标 | 分子 | 分母 | 时间窗 | 单位 |
|---|---|---|---|---|---|
| 过程参与 | 评论参与率 | 协办人在任务上的评论次数 | 任务周期内任务总评论次数 | 任务开始至结束 | 次、百分比 |
| 过程参与 | 状态更新次数 | 协办人触发的状态变更次数 | —（计数指标） | 任务周期内 | 次 |
| 过程参与 | 子项认领数 | 协办人认领的子项数量 | 任务下可认领子项总数 | 任务周期内 | 个、百分比 |
| 过程参与 | 评审参与次数 | 协办人参加的评审场次 | 任务周期内评审总场次 | 任务周期内 | 次、百分比 |
| 产出贡献 | 评审意见采纳率 | 被采纳的协办人评审意见数 | 协办人提出的评审意见总数 | 任务周期内 | 条、百分比 |
| 产出贡献 | 交付文档数 | 协办人提交且被任务引用的文档数 | —（计数指标） | 任务周期内 | 份 |
| 产出贡献 | 关闭问题数 | 协办人负责并关闭的问题数 | 分配给协办人的问题总数 | 任务周期内 | 个、百分比 |
| 响应时效 | 首次响应时长 | 协办人首次回应协办请求的时间戳 | 协办请求发出时间戳 | 每次请求 | 小时 |
| 响应时效 | 关键节点及时率 | 关键节点前完成的协办动作数 | 分配给协办人的关键节点动作总数 | 任务周期内 | 个、百分比 |
计数类指标用于描述参与规模，比率类指标用于横向比较。首次响应时长是差值型指标，取每次请求的响应间隔后可以看中位数，避免个别长间隔拉偏判断。所有比率的分母都应排除与协办人无关的记录，例如主责人自己发起的评论不计入协办人的评论参与率分母。
指标范围要随任务类型调整。评审型任务中，评审参与次数和评审意见采纳率更能反映贡献；执行型任务中，子项认领数、关闭问题数和关键节点及时率更贴近实际推进。指标清单是取数菜单，不是每次评估都必须全部计算。
数据口径与证据：从哪里取数、如何保证可比
定量数据主要来自任务的活动记录：评论与评审记录提供过程参与和产出贡献的原始条目，子项与问题的状态变更提供认领和关闭情况，状态流转日志提供时间戳用于计算响应间隔。取数时按任务标识、协办人标识、任务起止时间三个条件圈定范围，确保同一任务周期、同一协办人、同一统计粒度。
口径统一要处理几个容易出偏差的地方。评论次数按条目计，同一评论的多次编辑不重复计数；评审意见以提出时的条目为准，采纳状态以评审结论或主责人确认为准；子项认领以认领动作发生为准，中途转派需要单独记录。跨任务比较时，时间窗长度应保持一致，否则比率之间不具备可比性。
定性证据用于校验定量结果。主责人可以对协办人的关键输入做简要记录：哪条评审意见被吸收进方案、哪份文档被任务引用、哪个问题反馈促成了范围调整。这类记录不需要长篇描述，一条“采纳了什么、用在哪里”的说明即可。定性证据的价值在于解释数字背后的实际作用，例如评论次数不多但每条都指向关键决策。
缺失值需要单独处理。协办人没有评论、没有评审记录时，相关比率的分母可能为零，此时不计算比率，标注“无记录”，不按零分处理。任务周期过短、协办请求尚未发出的情况同样标注为数据不足。记录不规范导致字段缺失时，应在评估说明中注明，避免把数据问题误读为参与不足。
在ONES中，任务的活动记录、评论、子项和评审信息会随任务流转留存，主责人可以在任务详情中回看协办人的操作痕迹，按上述口径整理成统计表。对于需要定期回看的团队，可以把这些记录作为任务复盘时的固定取数来源，减少临时拼凑数据的工作。
计算与评估步骤：从原始记录到参与度判断
评估按四步推进，每一步都留下可复核的记录。
第一步，圈定任务与协办人，确定时间窗。明确评估的是哪个任务、哪位协办人，时间窗取任务开始到结束，若任务仍在进行则取评估日之前的完整周期。同时列出该周期内的协办请求清单，作为时效指标的分母来源。
第二步，按指标定义逐项计数并计算比率。先统计计数类指标，再计算比率类指标，每个比率写清分子、分母和单位。首次响应时长取每次请求的间隔后计算中位数。计算过程建议保留原始条目编号，便于复核。
第三步，处理分母为零的情况。对没有评论、没有评审意见、没有分配问题的协办人，相关比率标注“无记录”，不并入综合判断，也不按零值参与平均。分母为零的指标数量本身可以作为信息记录，提示该协办人在该类信号上没有留下痕迹。
第四步，结合定性证据做交叉验证。把定量结果与主责人记录的采纳情况对照：比率高且有关键采纳记录，可判断为实质参与；比率中等但有明确采纳记录，说明参与集中在少数关键动作上；比率低且无采纳记录，倾向挂名。交叉验证后形成“实质参与、有限参与、挂名”三档判断，并写明依据。
例子：一个任务周期内的协办人参与度计算
以下为演示情景，数值仅用于说明计算过程。某任务周期为10个工作日，协办人为张三，周期内共发出协办请求8次，任务总评论40条，评审2场，可认领子项6个，分配给张三的问题5个，关键节点动作4个。
| 指标 | 计算过程 | 结果 |
|---|---|---|
| 评论参与率 | 张三评论6条 ÷ 任务总评论40条 | 15% |
| 子项认领率 | 认领2个 ÷ 可认领子项6个 | 33.3% |
| 评审参与率 | 参加1场 ÷ 评审2场 | 50% |
| 评审意见采纳率 | 采纳2条 ÷ 提出3条 | 66.7% |
| 问题关闭率 | 关闭3个 ÷ 分配5个 | 60% |
| 首次响应时长 | 8次请求的响应间隔取中位数 | 4小时 |
| 关键节点及时率 | 节点前完成3个 ÷ 关键节点动作4个 | 75% |
假设张三在周期内没有提交交付文档，交付文档数记为0，该项不计算比率。若某位协办人没有任何评审意见，评审意见采纳率的分母为零，标注“无记录”，不写成0%。
结果解读：张三的评论参与率不高，但评审意见采纳率66.7%、问题关闭率60%、关键节点及时率75%，且主责人记录了两条被吸收的评审意见，可判断为有限参与偏实质——参与集中在评审和问题处理上，日常讨论痕迹较少。若另一位协办人各项比率均低且无任何采纳记录，则倾向挂名。判断时以采纳证据和关键节点完成情况为主要依据，评论数量作为辅助参考。
解读与限制：信号能说明什么、不能说明什么
参与度信号描述的是协办人在任务中留下的行为和产出痕迹，不能直接等同于贡献大小。评论次数多可能来自讨论活跃，也可能来自反复确认，需要结合采纳情况判断；评审意见采纳率高说明输入被吸收，但样本量小时比率波动大，一两条意见的差异就会显著改变结果。
不同任务类型的指标权重不同。评审型任务应更看重评审参与和意见采纳，执行型任务应更看重子项认领、问题关闭和节点及时率。把同一套权重套到所有任务上，容易得出偏离实际的结论。权重设置应基于任务性质，并在评估说明中写明，便于他人复核。
单指标不能作为绩效或责任认定依据。参与度评估的结论是任务层面的协作判断，用于复盘协办安排是否有效、是否需要调整协作方式。把它用于个人评价，会放大记录完整度和任务类型差异带来的偏差。数据缺失和记录不规范同样影响结论可靠性：活动记录不全时，低比率可能反映的是记录习惯，而非参与不足，评估时应注明数据质量情况。
评估结果适合作为主责人与协办人沟通的起点。发现某位协办人信号偏弱时，先确认是任务分配、请求方式还是记录习惯的问题，再决定是否调整协办安排。这样使用信号，才能让参与度评估服务于任务推进，而不是变成额外的填报负担。
常见问题
协办人评论很少，是不是就可以判断为挂名？
不能直接这样判断。评论次数只反映讨论痕迹，属于过程参与信号。有的协办人习惯在评审或问题处理中集中输入，日常评论较少，但评审意见被采纳、关键节点按时完成。评估时应把评论参与率与评审意见采纳率、问题关闭率、关键节点及时率放在一起看，并核对主责人记录的采纳情况。如果各项产出和时效信号都弱，且没有采纳记录，才更接近挂名判断。
任务周期很短、协办请求还没发出，怎么计算参与度？
这种情况属于数据不足，不计算比率。协办请求尚未发出时，首次响应时长和关键节点及时率的分母为零或尚未形成，相关指标标注“数据不足”，不写成0%。评估说明中应注明任务周期过短，结论只描述已有记录，不据此下“参与不足”的判断。等任务推进到有足够协办动作后，再按同一口径补充计算。
评审型任务和执行型任务，指标权重应该怎么区分？
评审型任务中，协办人的主要输入是评审意见，应更看重评审参与次数和评审意见采纳率，评论参与率作为辅助。执行型任务中，协办人承担具体推进动作，应更看重子项认领数、问题关闭率和关键节点及时率。权重设置要基于任务性质，并在评估说明中写明，便于他人复核。同一套权重套到所有任务上，容易得出偏离实际的结论。
参与度评估结果能不能直接用于个人绩效评价？
不建议直接使用。参与度信号描述的是协办人在某个任务中留下的行为和产出痕迹，结论是任务层面的协作判断。把它用于个人评价，会放大记录完整度和任务类型差异带来的偏差：活动记录不全时，低比率可能反映的是记录习惯，而非参与不足。更合适的用法是作为主责人与协办人沟通的起点，先确认任务分配、请求方式或记录习惯是否存在问题，再决定是否调整协办安排。
活动记录不完整时，评估结论还可靠吗？
可靠性会下降，需要在结论中注明数据质量情况。记录不规范导致字段缺失时，相关指标标注“无记录”或“数据不足”，不按零值参与平均。评估时可以补充主责人的定性记录，例如哪条评审意见被吸收、哪份文档被引用，用这些证据校验定量结果。若关键指标普遍缺失，建议先完善任务活动记录的留存习惯，再开展周期性回看。
