MétaCan
Menu
Retour à la cohorte
Enregistrement W2053966354 · doi:10.1080/00140130050084897

On the utility of experiential cross-training for team decision making under time stress

2000· article· en· W2053966354 sur OpenAlexaff
Carol McCann, Joseph V. Baranski, Megan M. Thompson, Ross Pigeau

Notice bibliographique

RevueErgonomics · 2000
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensDefence Research and Development Canada
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Session (web analytics)Experiential learningTask (project management)Applied psychologyControl (management)PsychologyTeam learningTraining (meteorology)Control reconfigurationSocial psychologyEngineeringArtificial intelligenceComputer scienceCooperative learning

Résumé

récupéré en direct d'OpenAlex

This study investigated the effectiveness of experiential cross-training in a team context for team decision-making under time stress in a simulated naval surveillance task. It was hypothesized that teams whose members explicitly experience all team positions will perform better under time pressure due to a better shared Team Interaction Model (Cannon-Bowers et al. 1993). In addition, it was posited that experiential cross-training would reduce the negative effect of member reconfiguration that can occur in certain military situations. Three groups of teams participated in this study (cross-trained, reconfigured and control). The experiment involved three team training sessions, followed by three time-stressed exercise sessions. During training, one group of teams was cross-trained (CT) by asking each member to perform an entire session at each of the three team positions. Member reconfiguration (where each member was shifted to another's position) was unexpectedly introduced at the first of the exercise sessions for the CT group and for another group (reconfigured) that had not been cross-trained. A third (control) group was neither cross-trained nor reconfigured. During training, the performance of non-CT teams improved more quickly than that of CT teams. During the exercise, the CT group did not achieve the level of performance of the control teams. The immediate effect of team member reconfiguration was to degrade performance significantly for the non-CT teams, but not for CT teams. The findings are discussed in terms of the multiple mental models' view of team performance (Cannon-Bowers et al. 1993) and the authors discuss the relative utility of cross-training when overall training time is fixed.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,035
Tête enseignante GPT0,350
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'étudeObservationnel
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

Citations38
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueErgonomicsMême sujetTeam Dynamics and PerformanceTravaux en français237 207