The Diversity Heuristic: How Team Demographic Composition Influences Judgments of Team Creativity
Notice bibliographique
Résumé
Despite mixed evidence for the relationship between demographic diversity and creativity, we propose that observers hold a lay belief that demographic diversity increases creativity and apply this lay belief in judgments about teams and their creative work. Across eight preregistered studies (n = 5,530), we find that observers judge teams diverse in terms of race and gender to be more creative than teams homogeneous in terms of race and gender, including in incentive-compatible predictions made about real teams competing in a creativity challenge. We also find that products attributed to demographically diverse teams are evaluated as more creative compared with identical products attributed to demographically homogenous teams. Mediation analyses provide evidence consistent with the notion that people perceive demographic diversity (i.e., social category differences) to be correlated with cognitive diversity (i.e., difference of perspectives), and this belief contributes to attributions of greater creativity to diverse teams and the ideas they generate. We can also turn off the perceived association between demographic diversity and creativity by directly manipulating people’s perceptions of team cognitive diversity. Furthermore, we find evidence of a curvilinear relationship between the proportion of racial minorities or women in a group and judgments of the group’s creativity. Together, our results suggest that the popular uptake of the belief that diversity boosts creativity may impact how creativity is identified in organizational contexts. This paper was accepted by Yuval Rottenstreich, behavioral economics and decision analysis. Funding: This research was supported by funds from the School of Industrial and Labor Relations, Cornell University, and Harvard Business School, Harvard University, including a grant from the Cornell Center for Advanced Human Resource Studies. Supplemental Material: The data files and online appendix are available at https://doi.org/10.1287/mnsc.2023.4862 .
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».