Effects of Sleep Loss on Team Decision Making: Motivational Loss or Motivational Gain?
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».