Effects of Sleep Loss on Team Decision Making: Motivational Loss or Motivational Gain?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To examine the effects of 30 hr of sleep loss and continuous cognitive work on performance in a distributed team decision-making environment. BACKGROUND: To date, only a few studies have examined the effect of sleep loss on distributed team performance, and only one other to our knowledge has examined the relationship between sleep loss and social-motivational aspects of teams (Hoeksema-van Orden, Gaillard, & Buunk, 1998). METHOD: Sixteen teams participated; each comprised 4 members. Three team members made threat assessments on a military surveillance task and then forwarded their judgments electronically to a team leader, who made a final assessment on behalf of the team. RESULTS: Sleep loss had an antagonistic effect on team decision-making accuracy and decision time. However, the performance loss associated with fatigue attributable to sleep loss was mediated by being part of a team, as compared with performing the same task individually - that is, we found evidence of a "motivational gain" effect in these sleepy teams. We compare these results with those of Hoeksema-van Orden et al. (1998), who found clear evidence of a "social loafing" effect in sleepy teams. CONCLUSION: The divergent results are discussed in the context of the collective effort model (Karau & Williams, 1993) and are attributable in part to a difference between independent and interdependent team tasks. APPLICATION: The issues and findings have implications for a wide range of distributed, collaborative work environments, such as military network-enabled operations.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle