Swift Trust in Distributed Ad Hoc Teams
Notice bibliographique
Résumé
Swift trust is trust developed quickly even without direct and personal experience with another person and has been increasingly posited in the literature to be one way in which members of ad hoc teams can quickly form trust (Meyerson, Weick & Kramer, 1996). This pilot study explored whether the regimental identity of teammates could influence levels of "swift" trust within teams. The secondary focus of this experiment was the impact of potential trust violations. Twenty-four teams of Canadian Forces (CF) reservists each conducted four tactical assault missions in a first-person gaming laboratory. Each 4-person team was composed of 2 CF personnel and 2 confederate researchers (purported to be CF personnel). Members of the team worked in a simulated distributed environment (separated by partitions), and were initially introduced to each other only using a 1 page written profile that described their background and operational experience. Their task in the computer game was to operate as 2 separate fire teams approaching the target area from 2 different sides in order to engage and destroy terrorists. Teammates communicated via radio only but interacted within the simulated mission area through their computer avatars. In order to manipulate regimental identity, the 2 confederate members of the newly formed and distributed team were reported to come from either the same regiment or a different regiment as the actual CF participants. In addition, to investigate whether trust violations affected the development of trust over the four missions, in half of the missions, a confederate team member performed a behavior that could put the team at risk. Questionnaires assessed the impact of regimental identity and potential trust violations on levels of team trust before the mission began (pre-mission), during a mission freeze (about 5 min into the mission) and at the end or post-mission.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».