Notice bibliographique
Résumé
Purpose – Computer-mediated communication systems (CMCSs) have become the standard for supporting virtual teamwork. However, interpersonal trust formation though CMCSs is impaired due to limited media richness of the communication channels. The aim of this paper is to identify trust forming cues that occur naturally in face-to-face environments and are suitable to include in CMCSs design, to facilitate greater trust in virtual teams. Design/methodology/approach – To select cues that had a strong effect on fostering trust behaviour, a non-participatory ethnographic study was conducted. Two student teams at the University of Waterloo were observed for 6-12 months. Researchers identified mechanisms used for building trust and bridging team developmental barriers. Findings – The paper identifies five trust tokens that were effective in developing trust and bridging team developmental barriers: expertise, recommendations, social capital, willingness to help/benevolence, and validation of information. These behavioural cues, or behavioural trust tokens, which are present in face-to-face collaborations, carry important trust supporting information that leads to increased trust, improved collaboration, and knowledge integration. These tokens have the potential to improve CMCSs by supplementing the cues necessary for trust formation in virtual environments. Practical implications – This study identifies important mechanisms used for fostering trust behaviour in face-to-face collaborations that have the potential to be included in the design of CMCSs (via interface design objects) and have implications for interface designers, team managers, and researchers in the field of teamwork. Originality/value – This work presents the first ethnographic study of trust between team members for the purpose of providing improved computer support for virtual collaboration via redesigned interface components.
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 | 0,010 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».