MétaCan
Menu
Retour à la cohorte
Enregistrement W2611201452 · doi:10.5465/ambpp.2016.10220abstract

Multiplex Ties and Knowledge Sharing: Effects of Tie Formation Order

2016· article· en· W2611201452 sur OpenAlexaff
Hyeyeon Gong, Brian Rubineau

Notice bibliographique

RevueAcademy of Management Proceedings · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMultiplexInterpersonal tiesPsychologySocial psychologyVignetteOrder (exchange)CognitionStrong tiesBusinessGenetics

Résumé

récupéré en direct d'OpenAlex

Prior research shows multiplex ties to be consequential for many outcomes. The potential path dependencies of multiplex tie formation, and their effects on these outcomes, have not yet been examined. Original qualitative research suggests that the order of tie formation may influence the type of trust dominating a multiplex tie. Categorizing workplace ties as either instrumental or expressive, multiplex ties originating as instrumental ties (i.e., I-E ties) are likely to be dominated by cognition-based trust, and multiplex ties originating as expressive ties (i.e., E-I ties) by affect-based trust. Given the known effects of trust on knowledge sharing, we examine whether multiplex ties can have different knowledge sharing consequences, depending on the initial tie type. We test for distinctive effects of I-E versus E-I ties on knowledge seeking and giving using an online vignette study. Although we find no differences between I-E versus E-I multiplex ties, we do find significant differences in the importance of multiplex ties on knowledge sharing. Multiplex ties yield higher likelihoods of knowledge giving than instrumental or expressive ties alone. Surprisingly, only the presence of an instrumental tie - independent from the presence or absence of other ties - yields higher probabilities of knowledge seeking.

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)0,006
score de la tête « metaresearch » (Gemma)0,057
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 enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,057
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,000

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 Opus0,029
Tête enseignante GPT0,300
Écart entre enseignants0,271 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetKnowledge Management and SharingTravaux en français237 207