MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386888393 · doi:10.32920/24156573

Multilevel Analysis of the Impact of Cognitive Styles on Group Performance: The Role of Group Cohesion, Group Conflict, and Conflict Handling Styles

2023· preprint· en· W4386888393 sur OpenAlexaff
Farzana Farah Aziz

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueAttachment and Relationship Dynamics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPsychologyCohesion (chemistry)Group cohesivenessSocial psychologyCognitionGroup (periodic table)Path analysis (statistics)Diversity (politics)SociologyComputer science

Résumé

récupéré en direct d'OpenAlex

This research examines the impact of cognitive style (CS), group cohesion and conflict, and group performance, and moderating role of conflict handling strategies (CHS) in the relationship between group conflict and performance. Specifically, this study applies the viewpoint that individual differences, such as CS, vary across groups and impact functioning of groups. Existing literature in group dynamics and diversity links constructs at individual level with group level, however, investigation of these concepts all together and simultaneously through one theoretical model, has not been performed yet. Based on extensive literature review, a research model hypothesizing relationship between these concepts, is proposed. Data collected from a sample of 163 individual students in 34 groups are analyzed by using PLS path modeling. Consistent with existing literature, results indicate that both conflicts have negative association with groups’ performance, and groups’ CHS does moderate that influence. Moreover, CS are found to have a significant positive impact on group task and social cohesion. Support has also been found for group cohesion and conflict as mediators between CS and performance.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,051
Tête enseignante GPT0,394
Écart entre enseignants0,343 · 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.

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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAttachment and Relationship Dynamics→Travaux en français237 207→