MétaCan
Menu
Retour à la cohorte
Enregistrement W2060260877 · doi:10.1177/154193121005401952

Does Teaming up Make You Less Vulnerable to Task Interruption?

2010· article· en· W2060260877 sur OpenAlexaff
Sébastien Tremblay, François Vachon, Daniel Lafond, Helen M. Hodgetts

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2010
Typearticle
Langueen
DomaineDecision Sciences
ThématiquePersonal Information Management and User Behavior
Établissements canadiensDefence Research and Development CanadaUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHuman multitaskingTask (project management)DyadControl (management)Overhead (engineering)Computer scienceTask switchingQuality (philosophy)Process managementPsychologyApplied psychologyCognitive psychologySocial psychologyBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

Omnipresent in everyday multitasking environments task interruptions are usually detrimental to individual performance. Here, we examined whether teaming up renders an individual less vulnerable to interruptions in complex and dynamic situations. We employed a microworld to simulate command and control in a crisis management situation and to examine the relative impact of interruptions on operators working in a functional dyad versus operators working alone. While task interruption was detrimental to efficacy in supervisory control of both single and team interrupted operators, the latter were less vulnerable than the former. However, teaming up did not translate into faster resumption time, a consequence of the overhead attributable to coordination and communication requirements of collaborative work. These findings suggest that in complex and dynamic environments working in a small team confers more resistance to task interruption than working alone and speed of interruption recovery is no guarantee of quality of recovery.

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)0,001
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,096
Tête enseignante GPT0,357
Écart entre enseignants0,261 · 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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetPersonal Information Management and User BehaviorTravaux en français237 207