MétaCan
Menu
Retour à la cohorte
Enregistrement W2781767269 · doi:10.20381/ruor-21359

Understanding Collaboration in the Context of Loosely- and Tightly-Coupled Complex Adaptive Systems

2018· dissertation· en· W2781767269 sur OpenAlexaboutno aff
Nathaniel Leduc

Notice bibliographique

RevueuO Research (University of Ottawa) · 2018
Typedissertation
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComplex adaptive systemContext (archaeology)Computer scienceCognitive scienceData sciencePsychologyBiologyArtificial intelligencePaleontology

Résumé

récupéré en direct d'OpenAlex

Many of the technological and social systems our society has come to depend on can be classified as complex adaptive systems (CAS). These systems are made of many individual parts that self-organize to respond and adapt to changing outside and inside influences affecting the system and its actors. These CAS can be placed on a spectrum ranging from loosely- to tightly-coupled, depending on the degree of interrelatedness and interdependence between system components. This research has explored how the process of collaboration occurs in both a loosely- and tightly-coupled setting using one exemplar of each system. The loosely-coupled exemplar related to disaster risk reduction in two Canadian communities while the tightly-coupled one involved the implementation of a surgical information management system in a Canadian hospital. A list of core elements of collaboration that should be considered essential to the success of all collaborative endeavours was developed as a result: Engagement, Communication, Leadership, Role Clarity, Awareness, Time, and Technical Skills and Knowledge. Based on observing how the core elements of collaboration interacted with one another within each of these example systems, two models were created to represent their relationships. A list of considerations that collaborative tool designers should consider was also developed and the implications of these considerations were discussed. As businesses and other organizations increasingly incorporate team-based work models, they will come to depend more heavily on technology-based solutions to support collaboration. By incorporating collaborative technologies that properly support the activity of these teams—based on the specific type of complex adaptive system in which their organization exists—organizations can avoid wasting time and resources developing tools that hinder collaboration.

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)0,009
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0070,021
Communication savante0,0140,018
Science ouverte0,0020,011
Intégrité de la recherche0,0040,003
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 Opus0,474
Tête enseignante GPT0,448
Écart entre enseignants0,025 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueuO Research (University of Ottawa)Même sujetComplex Systems and Decision MakingTravaux en français237 207