MétaCan
Menu
Retour à la cohorte
Enregistrement W1035079886 · doi:10.1016/j.jom.2015.07.003

How analytic reasoning style and global thinking relate to understanding stocks and flows

2015· article· en· W1035079886 sur OpenAlexaff
Justin M. Weinhardt, Rosa Hendijani, Jason L. Harman, Piers Steel, Cleotilde González

Notice bibliographique

RevueJournal of Operations Management · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueDecision-Making and Behavioral Economics
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Science Foundation
Mots-clésStock (firearms)Stock managementComputer scienceCognitionOperations researchPsychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Understanding stock‐flow relationships is fundamental to the management of operational systems. In their most basic form, stock‐flow systems consist of resources that accumulate and flows that change their level. Managing stock‐flow systems is an indispensable part of operations management, including supply chain, inventory, and capacity planning. Previous studies have shown that most people, even experts and well‐educated individuals, make persistent errors when inferring the behavior of accumulation (i.e., stock) over time. However, little is known about what individual characteristics make a decision maker better or worse at understanding stock‐flows. In this paper, we report the results of investigating the relationship between analytical‐intuitive thinking and global‐local processing on performance in a simple stock‐flow problem. We find that individuals with an analytical thinking style, rather than an intuitive one, perform significantly better on a stock‐flow problem; whereas individuals with a global, rather than a local, thinking style do not necessarily perform better. However, even individuals who exhibit analytical thinking have a poor understanding of stock‐flow problems. Analytical thinking may be related to understanding stock and flows, but more work is needed to better understand what cognitive abilities are required to solve these problems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0040,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,181
Tête enseignante GPT0,390
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operations ManagementMême sujetDecision-Making and Behavioral EconomicsTravaux en français237 207