Transactive Memory Systems, Temporary Teams, and Conflict: Innovativeness During a Hackathon
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
The transactive memory system has been studied extensively, yet we still know little about how it influences the effectiveness of temporary teams. Additionally, little is known about the boundary conditions of the well-established benefits of transactive memory systems on team performance. Our primary goal in this study is to build and test a theory that investigates the influence of a transactive memory system on the performance of temporary teams while accounting for conditional effects of both task and relationship conflict. On the surface, a transactive memory systems perspective may seem incompatible with temporary teams. Transactive memory systems typically require time or team member familiarity to develop. However, team members on temporary teams often are selected because of their expertise, not team member familiarity, and often must quickly and effectively operate under time and outcome pressures. We present a theory that suggests transactive memory systems should have a meaningful influence on temporary teams, and its effect is accentuated in the presence of task conflict and attenuated in the presence of relationship conflict. We test our theory using a sample of 202 teams participating in the Global Game Jam, the world's largest hackathon devoted to designing and developing games within a 48-h period. In addition to implications for literatures on transactive memory systems and temporary teams, our study adds to a growing literature providing practical advice and insight regarding hackathons, a pervasive source of innovation and idea generation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle