MétaCan
Menu
Retour à la cohorte
Enregistrement W3034973671 · doi:10.1080/07421222.2020.1759938

Too Busy to Be Manipulated: How Multitasking with Technology Improves Deception Detection in Collaborative Teamwork

2020· article· en· W3034973671 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Management Information Systems · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésHuman multitaskingDeceptionTeamworkComputer scienceVirtual teamPsychologyKnowledge managementHuman–computer interactionSocial psychologyCognitive psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Deception is an unfortunate staple in group work. Guarding against team members’ deceptive tactics and alternative agendas is difficult and may seem even more difficult in technology-driven business environments that have made multitasking during teamwork increasingly commonplace. This research develops a foundation for a nuanced theoretical understanding of deception detection under these conditions. The intersection of information technology multitasking and deception detection theories is shown to produce various and sometimes competing ideas about how this type of multitasking might affect truthfulness assessments in real-time teamwork. A laboratory study involving a collaborative game helped evaluate the different ideas using manipulated deception and multitasking behaviors in a real-time, virtual group environment. The results provide evidence that information multitasking can actually improve deception detection, likely because multitaskers engage less in the team conversation, making themselves less manipulable. As understanding of multitasking benefits increases, managers and designers can incorporate effective multitasking into collaborative processes.

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.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,810
Score d'incertitude au seuil0,599

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,269
Écart entre enseignants0,251 · 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