Interpretive structural model of trust factors in construction virtual project teams
Notice bibliographique
Résumé
Purpose Organisational dependence on virtual project teams (VPTs) is growing dramatically due to the substantial benefits they offer, such as efficiently achieving objectives and improving organisational performance. One of the major issues that influence the effectiveness of VPTs is trust building. This study aims to determine the key factors of trust in VPTs and design a model by identifying the interrelationships among the trust factors. Design/methodology/approach Focus group discussion was used to gather data on factors affecting trust in VPTs and their interrelationships. Interpretive structural modelling (ISM) was used to establish the relationship among the factors. Cross-impact matrix multiplication applied to classification analysis was conducted to identify the driving power and the dependence power towards effective VPTs in the construction sector. Findings The finding revealed that “characteristics of team members” (such as ability, integrity, benevolence, competence, reliability and professionalism) is the most significant factor for building trust in virtual team members. Some factors were further identified as having high driving power, while others were defined as having high dependence variables. Practical implications The findings will assist construction managers and practitioners dealing with VPTs identify the factors influencing trust among team members. Taking cognisance of the factors that influence trust will enable them to design more effective virtual team arrangements. Originality/value As the first research of its kind using ISM technique, the study offers insights into interrelationships between trust factors in the construction VPTs. It provides guides for construction managers on the effective management of trustworthy VPTs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».