MétaCan
Menu
Retour à la cohorte
Enregistrement W3090649411 · doi:10.1002/j.2334-5837.2020.00741.x

Experiments in Leading through Influence: Reflections from a Group of Emerging Technical Leaders

2020· article· en· W3090649411 sur OpenAlexaff
Chris Browne, Jeffrey A. Brown, John Cadigan, Heidi L. Davidz, David Fadeley, Heather Feli, Karl Geist, Myra Parsons Gross, Maz Kusunoki, Clement Lee, Al Meyer, Louis‐Emmanuel Romana, Brad Spencer, Lauren Stolzar, L. Stringhetti, Ming Wah Tham

Notice bibliographique

RevueINCOSE International Symposium · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingPerspective (graphical)Relevance (law)Power (physics)Leadership developmentKnowledge managementPublic relationsEngineering ethicsPolitical scienceSociologyEngineeringBusinessComputer scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract Technical leadership is a skill defined in the INCOSE professional competencies. This paper presents reflections on a shared learning journey about technical leadership from the perspective of a group of emerging technical leaders. These reflections provide insights around building awareness, navigating power and influence, benchmarking personal performance, developing capacity for change and establishing critical friends. The final section provides lessons for working as a global team in technical leadership. This paper is of relevance to any technical leader looking to develop this capacity across technical sectors.

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 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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,563

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,236
Tête enseignante GPT0,473
Écart entre enseignants0,237 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINCOSE International SymposiumMême sujetComplex Systems and Decision MakingTravaux en français237 207