Cross-Cultural Interaction: What We Know and What We Need to Know
Notice bibliographique
Résumé
Pervasive forms of worldwide communication now connect us instantly and constantly, and yet we all too often fail to understand each other. Rather than benefiting from our globally interconnected reality, the world continues to fall back on divisiveness, a widening schism exacerbated by some of the most pronounced divisions in history along lines of wealth, culture, religion, ideology, class, gender, and race. Cross-cultural dynamics are rife within multinational organizations and among people who regularly work with people from other cultures. This article reviews what we know from our scholarship on cross-cultural interaction among expatriates, negotiators, and teams that work in international contexts. Perhaps more important, this article outlines what we need to learn—and to unlearn—to be able to see diversity as an asset in helping individuals, organizations, and society to succeed rather than continuing to understand it primarily as a source of problems.
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 | 0,023 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,012 | 0,039 |
| Communication savante | 0,021 | 0,065 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,016 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».