MétaCan
Menu
Retour à la cohorte
Enregistrement W1803189475 · doi:10.1111/caim.12020

Interview: <scp>P</scp>aul <scp>P</scp>aulus on Group Creativity

2013· article· en· W1803189475 sur OpenAlexaff
Rainer Harms, Karen van der Zee

Notice bibliographique

RevueCreativity and Innovation Management · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésCreativityContext (archaeology)PsychologyCognitionGroup (periodic table)Social psychologySociology

Résumé

récupéré en direct d'OpenAlex

Paul Paulus is Distinguished Professor of Psychology at the Department of Psychology, University of Texas at Arlington. Paul Paulus's research interests revolve around Group Creativity: On the one hand, creative processes are often conceptualized as individual‐level phenomena. On the other hand, complex problems in innovation management often need the collaboration of various experts to create novel solutions. Interestingly, although common sense suggests that individuals are more creative in a group context, research indicates that this is oftentimes not the case. The question on how to structure creative processes in groups in such a way that groups can actually benefit from their creative potential is therefore crucial. Paul Paulus has spent much of his academic career addressing this intriguing question. He and his research team have discovered many factors that influence group creativity and have been able to demonstrate conditions under which group interaction enhances creativity. For the past eight years he has been working with a multidisciplinary team to better understand the cognitive, neural and social factors that underlie the group creative process (Paulus et al., ). They are presently funded on a three year project to investigate innovation processes in networks.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0370,008

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 Opus0,057
Tête enseignante GPT0,333
Écart entre enseignants0,276 · 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'étudeQualitatif
Domainenon disponible
GenreAutre

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

En bref

Citations16
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCreativity and Innovation ManagementMême sujetCreativity in Education and NeuroscienceTravaux en français237 207