Notice bibliographique
Résumé
Virtual teams are now being used by many organizations to enhance the productivity of their employees and to bring together a diversity of skills and resources (Gignac, 2005; Majchrzak, Malhotra, Stamps, & Lipnack, 2004), and it has been suggested that this will become the normal way of working in teams in the near future (Jones, Oyund, & Pace, 2005). Virtual teams are groups of individuals who work together from different locations (i.e., are geographically dispersed), work at interdependent tasks, share responsibilities for outcomes, and rely on technology for much of their communication (Cohen & Gibson, 2003). While the use of virtual teams is more common in today’s organization, working in these teams is more complex and challenging than working in traditional, collocated teams (Dewar, 2006), and success rates in virtual teams are low (Goodbody, 2005). This article suggests best practices that organizations and virtual team members can follow to help their virtual teams reach their full potential. In this article, virtual team best practices are identified from three perspectives: organizational best practices, team leadership best practices, and team member best practices. Ideas for best practices were identified from three sources: six case studies of actual virtual teams (Staples, Wong, & Cameron, 2004); the existing literature on virtual teams; and the existing literature on traditional (i.e., collocated) teams and telecommuting (i.e., research on virtual work at the individual level).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».