MétaCan
Menu
Retour à la cohorte
Enregistrement W4250061929 · doi:10.4018/978-1-61350-459-8.ch009

Self-Regulation in Instant Messaging (IM)

2011· book-chapter· en· W4250061929 sur OpenAlexaff
Anabel Quan‐Haase

Notice bibliographique

RevueIGI Global eBooks · 2011
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésInstant messagingHuman multitaskingProductivityPsychologySocial capitalBusinessKnowledge managementPublic relationsComputer sciencePolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Despite the advantages of using instant messaging (IM) for collaborative work, concerns about negative consequences associated with its disruptive nature have been raised. In this paper, the author investigates the mediating role of self-regulation, using a mixed methods approach consisting of questionnaires, focus groups, and interviews. The findings show that these concerns are warranted: IM is disruptive, and multitasking can lead to losses in productivity. Despite these negative consequences, users are active participants in IM and employ a wide range of self-regulation strategies (SRS) to control their overuse. The study found three key SRS: ignoring incoming messages, denying access, and digital or physical removal. The study also found two different approaches to self-regulation. The preventive approach, consisting of creating routines and practices around IM use that would help regulation, and the recuperative approach, consisting of changing behaviors after overuse had occurred. Communication via IM helps in the development of social capital by strengthening social ties among users, which can be useful for information exchange and cooperation. These positive effects provide a balance to the potential negative impact on productivity. Implications for theories of self-regulation of technology and for managerial practice are also discussed.

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)0,001
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,271
Écart entre enseignants0,236 · 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
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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetKnowledge Management and SharingTravaux en français237 207