Training Teams in Managing Projects in a Matrix Structure
Notice bibliographique
Résumé
Projects are performed in different kinds of organizations: functional structure, project-based structure or matrix structure. The matrix organization is a combination of the functional organization and the “pure” project organization. In a matrix organization, there are usually two chains of command. The chain dealing with issues related to the functional division and the chain dealing with issues related to the project. Due to the split authority between project managers and functional managers, management becomes much more complicated. The cooperation between the project managers is vital for the matrix organization to perform well. Therefore, training teams of project managers in the matrix structure environment is required. A new method for training teams of project managers is presented. The proposed method is based on a real-time simulation called the Project Team Builder (PTB). PTB simulates a dynamic, stochastic multi-project management environment. A project management course for graduate students in systems engineering utilized PTB. The students used the simulator in a multi-user multi-project mode. A class of undergraduate engineering students participated in the same experiment as a control group. The 132 participants were divided into teams of three students (44 teams) which performed repetitive simulation-runs. Three factors were investigated: 1. Previous experience, 2. History recording mechanism, and 3. Team debriefing process. The findings indicate that for the initial learning phase, and for the transfer to different scenario phase, these three independent factors affect the performances. Furthermore, the interactions between the experience and history factors; between the experience and debriefing factors; and between the history and debriefing factors were all significant. Based on these findings a new paradigm for simulation-based team-learning model in a matrix organization structure is presented. The new model includes integration of history mechanism and debriefing procedure in the Kolb’s Team Learning Experience model.
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 | 0,004 | 0,009 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».