Team Building Through Team Video Games: Randomized Controlled Trial
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.
Notice bibliographique
Résumé
Background Organizations of all types require the use of teams. Poor team member engagement costs billions of US dollars annually. Objective This study aimed to explain how team building can be accomplished with team video gaming based on a team cohesion model enhanced by team flow theory. Methods In this controlled experiment, teams were randomly assigned to a team video gaming treatment or a control treatment. Team productivity was measured during both pretreatment and posttreatment team tasks. After the pretest, teams who were involved in the team video gaming treatment competed against other teams by playing the Halo or Rock Band video game for 45 minutes. After the pretest, teams in the control treatment worked alone for 45 minutes. Then, all teams completed the posttest team activity. This same experimental protocol was conducted on 2 different team tasks. Results For both tasks, teams in the team video gaming treatment increased their productivity significantly more (F1=8.760, P=.004) on the posttest task than teams in the control treatment. Our flow-based theoretical model explained team performance improvement more than twice as well (R2=40.6%) than prior related research (R2=18.5%). Conclusions The focused immersion caused by team video gaming increased team performance while the enjoyment component of flow decreased team performance on the posttest. Both flow and team cohesion contributed to team performance, with flow contributing more than cohesion. Team video gaming did not increase team cohesion, so team video gaming effects are independent of cohesion. Team video gaming is a valid practical method for developing and improving newly formed teams.
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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découle