MétaCan
Menu
Retour à la cohorte
Enregistrement W1989570155 · doi:10.4018/jec.2010070102

Self-Regulation in Instant Messaging (IM)

2010· article· en· W1989570155 sur OpenAlexaff
Anabel Quan‐Haase

Notice bibliographique

RevueInternational Journal of e-Collaboration · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésHuman multitaskingInstant messagingProductivityBusinessSocial capitalPsychologyKnowledge managementComputer sciencePolitical scienceEconomicsCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Despite the advantages of using instant messaging (IM) for collaborative work, concerns about negative consequences associated with its disruptive nature have been raised. In this paper, the author investigates the mediating role of self-regulation, using a mixed methods approach consisting of questionnaires, focus groups, and interviews. The findings show that these concerns are warranted: IM is disruptive, and multitasking can lead to losses in productivity. Despite these negative consequences, users are active participants in IM and employ a wide range of self-regulation strategies (SRS) to control their overuse. The study found three key SRS: ignoring incoming messages, denying access, and digital or physical removal. The study also found two different approaches to self-regulation. The preventive approach, consisting of creating routines and practices around IM use that would help regulation, and the recuperative approach, consisting of changing behaviors after overuse had occurred. Communication via IM helps in the development of social capital by strengthening social ties among users, which can be useful for information exchange and cooperation. These positive effects provide a balance to the potential negative impact on productivity. Implications for theories of self-regulation of technology and for managerial practice are also discussed.

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)0,007
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,326
Écart entre enseignants0,316 · 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'étudeSans objet
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

Citations16
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of e-CollaborationMême sujetKnowledge Management and SharingTravaux en français237 207