MétaCan
Menu
Retour à la cohorte
Enregistrement W4379986361 · doi:10.1111/peps.12609

Identifying the structure of within‐team variance in ratings of team constructs

2023· article· en· W4379986361 sur OpenAlexafffund
Joseph A. Schmidt, Patrick D. Dunlop, Tom O’Neill

Notice bibliographique

RevuePersonnel Psychology · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensUniversity of CalgaryUniversity of Saskatchewan
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychologyVariance (accounting)CLARITYReferentConstruct (python library)Team compositionCommon-method varianceSocial psychologyAcquiescenceTeam effectivenessPerceptionApplied psychology

Résumé

récupéré en direct d'OpenAlex

Abstract Researchers frequently assume some degree of consensus among team members' perceptions when aggregating individual survey responses to the team level. Literature reviews have routinely found, however, substantial within‐team variance in referent‐shift consensus measures of team constructs and that team member agreement is often lower than desired. To enhance our understanding of the structure of within‐team variance, using a sample of 20,183 individuals in 4,313 teams, we explored the proportion of variance attributable to different sources (response acquiescence, positivity bias, and rater variance specific to each construct) for five team constructs. We also examined the extent to which within‐team variance changed over time with a subsample of 3,720 individuals in 731 teams. The results indicated that constructs thought to be more observable, including role clarity and monitoring goal progress, appeared to be less prone to idiosyncratic perceiver effects and that the processes were widely experienced by all team members. Conversely, relationship conflict showed higher levels of within‐team variance and team consensus actually decreased over time. These findings indicate that perceptions of relationship conflict are influenced by the individual differences of team members and that conflict may be restricted to dyads or subgroups within teams. Overall, the findings indicate that stable perceiver effects and processes that are limited to a small proportion of team members may have a stronger influence on ratings of some team constructs than previously thought. We conclude with suggestions for theory development, team construct measurement, and advice to understand processes that lead to consensus in perceptions of team constructs.

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)0,026
score de la tête « metaresearch » (Gemma)0,089
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0260,089
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,032
Tête enseignante GPT0,346
Écart entre enseignants0,314 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePersonnel PsychologyMême sujetTeam Dynamics and PerformanceTravaux en français237 207