MétaCan
Menu
Retour à la cohorte
Enregistrement W4206153069 · doi:10.1109/smc52423.2021.9658800

Team Performance due to Agent Conflicts: E-CARGO Simulations

2021· article· en· W4206153069 sur OpenAlexaff
Haibin Zhu, Zhe Yu

Notice bibliographique

Revue2021 IEEE International Conference on Systems, Man, and Cybernetics (SMC) · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueMulti-Agent Systems and Negotiation
Établissements canadiensNipissing University
Organismes subventionnairesnon disponible
Mots-clésTask (project management)Computer scienceKnowledge managementIntelligent agentTeam effectivenessArtificial intelligenceEngineeringSystems engineering

Résumé

récupéré en direct d'OpenAlex

Team management is a highly complex decision-making procedure, which is normally accomplished by highly intelligent human personnel based on their knowledge, experience, communication skills, and wisdom. Task (Role) assignment is a crucial element of team management and can help decision-makers understand or predict future team performance.From the standpoint of the Environments – Classes, Agents, Roles, Groups, and Objects (E-CARGO) model as well as the Role-Based Collaboration (RBC) methodology, this paper uses four different approaches to conducting task assignment respectively: Group Role Assignment (GRA), GRA with Conflicting Agents on Roles (GRACAR), Best Agents for each Role (BAR), and BAR with Conflicting Agents (BARCA). After formalizations, we provide a comprehensive comparison among these methods of role assignments by simulations.The simulation results reveal interesting conclusions that help decision-makers understand the complexity of the assignment and choose a pertinent way when conducting team management.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,880
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,069
Tête enseignante GPT0,298
Écart entre enseignants0,229 · 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.

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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2021 IEEE International Conference on Systems, Man, and Cybernetics (SMC)Même sujetMulti-Agent Systems and NegotiationTravaux en français237 207