Does Synchronous Collaboration Improve Collaborative Computer-Aided Design Output: Results From a Large-Scale Competition
Notice bibliographique
Résumé
Abstract With the growing demand for distributed collaboration for large and complex design in modern engineering, the collaboration inefficiencies of traditional computer-aided design (CAD) tools are increasingly conspicuous. Emerging cloud-based multi-user computer-aided design (MUCAD) platforms bring a new working style for CAD in the form of real-time synchronous collaboration. Little research exists to characterize collaboration in CAD, and specifically the synchronicity of collaboration has yet to be examined. In this study, we analyzed the backend action logs of 101 teams’ design processes from a large-scale virtual robotic design competition, where all designs were modelled in a commercially available MUCAD platform. Metrics of interest were analyzed with regression and mediation analyses to uncover factors that correlated to a team’s success in the competition. Results show that team size is a positive predictor of team performance. Large teams, which tend to see a large amount of time commitment from members, were more likely to perform more CAD actions and achieve high scores from the competition. This suggests that the benefits of collaboration (e.g., economies of division of labor, learning) outweigh the potential downsides (e.g., coordination overhead, free riding) in this context. While controlling for team size, increased synchronous collaboration occurrences were observed to negatively correlate to teams’ performance — a novel finding which we discuss in detail. Thus, we conclude that although large teams benefited from the MUCAD environment, a tendency for synchronous real-time collaboration did not coincide with higher performance. This study provides important evidence in the ongoing design and innovation research fields aiming to better understand collaboration. Future research should investigate the characteristics of effective collaboration strategies in MUCAD environments to develop best practice for the increasing number of design teams moving to such tools.
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 | 0,009 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».