Team Creativity and Innovation Research: Introducing Diverse Perspectives and Novel Insights
Notice bibliographique
Résumé
In recent years, there has been a growing interest in understanding team creativity and team innovation. Despite the advances we have made in understanding the drivers of creativity and innovation at the team level, research calls for new perspectives to gain a better understanding of team creativity and innovation (Gilson et al., 2015). The current symposium showcases four pieces of research on team creativity/innovation and aims to provide a comprehensive understanding of current developments in this area of study. In this symposium, we aim to facilitate communication between team creativity and innovation researchers using different methodologies to fill the gaps in current knowledge and inform the latest research interests on this topic. A Dynamic Goal Perspective on Team Innovative Performance. Author: Jie Li; Wilfrid Laurier U. Author: Yaping Gong; The Hong Kong U. of Science and Technology Author: Jingzhou Pan; Tianjin U. Sustaining Group Creativity over Time: The Case of the Monty Python. Author: Pier Vittorio Mannucci; Bocconi U. Author: Lorenzo Bertocchi; Department of Management and Technology, Bocconi U. Leaders’ dominance- and prestige-orientations and team innovative performance Author: Wookje Sung; Hong Kong Baptist U. Author: Inseong Jeong; Lingnan U. Author: Sejin Keem; Portland State U. Author: Shungjae Shin; Portland State U. Author: Wen Wu; Beijing Jiaotong U. A Meta-Analysis of Team Climate and Team Innovation Author: Claire Zhang; Georgia State U. Author: Kris Byron; Georgia State U. Author: Sejin Keem; Portland State U. Author: Tanja R. Darden; Towson U.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».