Identifying the structure of within‐team variance in ratings of team constructs
Notice bibliographique
Résumé
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».