MétaCan
Menu
Retour à la cohorte
Enregistrement W4232697855 · doi:10.1093/acrefore/9780190224851.013.60

Faultlines

2017· reference-entry· en· W4232697855 sur OpenAlexaff
Keith Murnighan, Dora C. Lau

Notice bibliographique

RevueOxford Research Encyclopedia of Business and Management · 2017
Typereference-entry
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésHomogeneousEthnic groupPsychologyGroup (periodic table)Post hocFocus groupSocial psychologyBusinessPolitical scienceMarketingMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Group faultlines are hypothetical dividing lines that may split a group into subgroups based on one or more attributes. An example of a strong faultline is a group of two young female Asians and two senior male Caucasians. Members’ alignment of age, sex, and ethnicity facilitates the formation of two homogeneous subgroups. On the other hand, when a group consists of a young female Asian, a young male Caucasian, a senior female Caucasian, and a senior male Asian, the group faultline is considered weak because subgroups, regardless of how they are formed, are diverse. As a relatively new form of group compositional pattern, the group faultline is associated with subgroup formation, and these subgroups, rather than the whole group, can easily become the focus of attention. When members strive to obtain more resources and protect their subgroups, between-subgroup conflict, behavioral disintegration, lack of trust, lack of willingness to share information, and communication challenges are likely. As a result, group performance is often negatively affected, and sometimes groups may even be dissolved. These results were repeatedly found in studies of experimental groups, ad-hoc project groups, organizational teams, top management teams, global virtual teams, family businesses, international joint ventures, and strategic alliances.

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)0,001
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,323
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,001
Communication savante0,0050,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,3230,094

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 Opus0,068
Tête enseignante GPT0,384
Écart entre enseignants0,316 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford Research Encyclopedia of Business and ManagementMême sujetTeam Dynamics and PerformanceTravaux en français237 207