MétaCan
Menu
Retour à la cohorte
Enregistrement W2504143448 · doi:10.4018/978-1-59904-393-7.ch010

Patterns in Electronic Brainstorming

2007· book-chapter· en· W2504143448 sur OpenAlexaff
Alan R. Dennis, Alain Pinsonneault, Kelly McNamara Hilmer, Henri Barki, R. Brent Gallupe, Mark W. Huber, François Bellavance

Notice bibliographique

RevueAdvances in e-collaboration series/Advances in e-collaboration (AECOB) book series · 2007
Typebook-chapter
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensHEC MontréalQueen's UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésSocial loafingBrainstormingPsychologyField (mathematics)Social psychologyComputer scienceMathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Previous research has shown that some groups using electronic brainstorming generate more unique ideas than groups using nominal group brainstorming, while others do not. This study examined two factors through which group size may affect brainstorming performance: synergy and social loafing. Groups brainstormed using three techniques to manipulate synergy and two group sizes to manipulate social loafing. We found no social loafing effects. There were significant differences in synergy, but not the ones we had theorized. Instead, we found a time effect: nominal brainstorming groups that received no synergy from the ideas of others produced more ideas than electronic groups in the first time period and fewer ideas in the last time period. We conclude that synergy from the ideas of others is only important when groups brainstorm for longer time periods and may have a harder time generating ideas. We also conclude that electronic brainstorming groups, whether in the field or in the research laboratory, should be given at least 30 minutes to work on tasks or else they will be unlikely to develop synergy.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,022
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,308
Écart entre enseignants0,300 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in e-collaboration series/Advances in e-collaboration (AECOB) book seriesMême sujetTeam Dynamics and PerformanceTravaux en français237 207