MétaCan
Menu
Retour à la cohorte
Enregistrement W3091181887 · doi:10.12688/f1000research.26626.1

A framework for building and maintain trust in remote and virtual teams

2020· preprint· en· W3091181887 sur OpenAlexaff
Zaheera Soomar

Notice bibliographique

RevueF1000Research · 2020
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésReputationBusinessPublic relationsWork (physics)Knowledge managementOrganizational cultureNorm (philosophy)Set (abstract data type)Computer sciencePolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Trust is an important concept in assessing and measuring business behaviour from an organisational performance and culture lens, and has become a source of competitive advantage for organisations especially within the knowledge economy. Studies show that organizations with a high level of trust have increased employee morale, more productive workers, and lower staff turnover. Most organisations factor and measure trust as part of keeping a pulse on their organisational culture and design their initiatives around building and maintaining trust. While it is not impossible to build trust virtually, it certainly is harder and requires a different set of considerations. There has been a big shift by organizations catering for more remote and flexible work conditions over the past decade with the “virtual team” becoming the norm. The recent impacts of the COVID-19 pandemic have forced most, if not all, organizations to move in that direction faster than planned. With this movement to more remote working conditions, that are likely to have longer-term impacts, companies will be faced with challenges that virtual teams typically face in establishing and maintaining trust. This paper sought to highlight a framework that organisations, with remote and virtual teams, can use as a guideline to build and maintain trust. The framework suggests that trust is reliant on components from three key areas, namely 1) Foundational, 2) Organisational and 3) Individual. Components related to external aspects that contribute to trust, such as laws, reputation and society, have not been factored in. It is acknowledged that this will play a role in organisational and team trust but has been excluded from the scope of this research.

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)0,020
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0080,025
Communication savante0,0150,017
Science ouverte0,0050,011
Intégrité de la recherche0,0080,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,042
Tête enseignante GPT0,345
Écart entre enseignants0,303 · 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
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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetCollaboration in agile enterprisesTravaux en français237 207