Team-level Resources: The Answer to Today's Organizational Challenges
Notice bibliographique
Résumé
To advance our understanding of the mechanisms required to support teams under today's unstable and unpredictable conditions, this symposium explores team-level resources under various external (high perceived team virtuality, adopted agile methodology) and internal challenging conditions (membership change, high team diversity, autonomous technology as a team member). Bringing together five high-quality empirical papers that use a range of methodologies, we present evidence on emergent states (e.g., mutual trust, psychological safety) and team processes (e.g., feedback seeking behavior, coordination) as important team-level resources in various team types and contexts. Building on our findings, organisations can create teamwork-supportive conditions and environments to reduce stress, improve processes, and increase effectiveness. Are all virtual teams created equally? Work characteristics and Team Perceived Virtuality Presenter: Patricia Costa; UCP - Católica Lisbon School of Business & Economics Presenter: Lisa Handke; Freie U. Berlin Presenter: Thomas Alexander O'Neill; U. of Calgary Unpacking the relationship between psychological safety and feedback seeking in agile teams Presenter: Jan B. Schmutz; ETH Zürich Presenter: Mirko Antino; Instituto U. de Lisboa (ISCTE-IUL) Presenter: Denniz Dönmez; Swisscom AG When a Team Member Leaves: Adapting to Compositional Disruptions Presenter: Jennifer Feitosa; Claremont McKenna College Presenter: Alicia Davis; Claremont Graduate U. Presenter: Fabrice Delice; Brooklyn College, City U. of New York Presenter: Reggie Romain; Accenture Crisis Management Teams during the COVID-19 pandemics: Demands and Resources Presenter: Meinald Thielsch; U. of Muenster Presenter: Stefan Röseler; U. of Münster Presenter: Julia Kirsch; U. of Münster Presenter: Christoph Lamers; State Fire Service Institute NRW Presenter: Guido Hertel; U. of Muenster Affective Team Trust in Human-Agent Teams: The Importance of Benevolence Presenter: Eleni Georganta; TUM School of Management, Technical U. of Munich Presenter: Anna-Sophie Ulfert; Goethe U. Presenter: Lilian Marie Friedrich; TUM School of Management, Technical U. of Munich Presenter: Katharina Piehlmeier; Ludwig Maximilian U. of Munich (LMU)
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».