MétaCan
Menu
Retour à la cohorte
Enregistrement W2055617508 · doi:10.1002/j.2162-6057.2001.tb01050.x

Group Composition, Creative Synergy, and Group Performance

2001· article· en· W2055617508 sur OpenAlexaff
Simon Taggar

Notice bibliographique

RevueThe Journal of Creative Behavior · 2001
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésBrainstormingGroup (periodic table)CreativityCreative problem-solvingComposition (language)Sample (material)MathematicsGroup behaviorPsychologySocial psychologyComputer scienceMathematics educationArtificial intelligenceArtPhysics

Résumé

récupéré en direct d'OpenAlex

Organizations use groups to improve performance on tasks that require problem solving. Is this belief in the problem solving benefits of groups misplaced given the process‐losses often experienced by brainstorming groups? This study of 94 intact autonomous work groups performing multi‐part tasks revealed that group creative performance increased multiplicatively (exponentially) with the number of highly creative group members composing the group. However, this occurred only when Team Creativity‐Relevant Processes (TCRP) within the group were relatively high. When TCRP were relatively low, group creative performance decreased multiplicatively with the number of highly creative group members within it. When TCRP were about average for the sample, group performance increased only linearly with the number of highly creative members within a group.

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)0,004
score de la tête « metaresearch » (Gemma)0,028
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,304
Écart entre enseignants0,285 · 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

Citations105
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Creative BehaviorMême sujetTeam Dynamics and PerformanceTravaux en français237 207