MétaCan
Menu
Retour à la cohorte
Enregistrement W4367323467 · doi:10.3390/bs13050361

The Role of Cohesion and Productivity Norms in Performance and Social Effectiveness of Work Groups and Informal Subgroups

2023· article· en· W4367323467 sur OpenAlexaff
Andrey V. Sidorenkov, Eugene Borokhovski

Notice bibliographique

RevueBehavioral Sciences · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensConcordia University
Organismes subventionnairesRussian Science Foundation
Mots-clésCohesion (chemistry)PsychologyNorm (philosophy)Social psychologyGroup cohesivenessProductivityEconomicsPolitical scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

The study addresses the direct and indirect relationship of group cohesion and productivity norm with the perceived performance effectiveness (plan and current tasks implementation and performance success in challenging conditions) and social effectiveness (satisfaction with the group/subgroup and psychological comfort in the group/subgroup) at the levels of work groups and informal subgroups. Thirty-nine work groups from fifteen Russian organizations of different activity profiles, namely services, trade, and manufacturing, took part in the study. The vast majority of them were characterized by relatively low task interdependence. Within the work groups, informal subgroups (from one to three per group) were identified. The cohesion of groups and subgroups was positively and significantly stronger associated with their social effectiveness than with performance effectiveness. The cohesion of subgroups was also indirectly related to social effectiveness of the work groups, i.e., this association was mediated by the subgroup social effectiveness. The index of productivity norm was positively related to perceived performance effectiveness only at the subgroup level, but not at the group level. The productivity norm of the subgroups was also indirectly related to the perceived performance effectiveness of the groups, i.e., this association was mediated by the subgroup performance effectiveness. The indirect relationship between subgroup productivity norm and group performance effectiveness was more complex when cohesion within subgroups was taken into account.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,288

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,023
Tête enseignante GPT0,311
Écart entre enseignants0,289 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral SciencesMême sujetTeam Dynamics and PerformanceTravaux en français237 207