MétaCan
Menu
Retour à la cohorte
Enregistrement W4389092320 · doi:10.1177/00218863231216724

Team Readiness to Change: Reflexivity, Tenure, and Vision in Play

2023· article· en· W4389092320 sur OpenAlexaffabout
Patrick Groulx, Kevin Johnson, Jean‐François Harvey

Notice bibliographique

RevueThe Journal of Applied Behavioral Science · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésReflexivityTeam effectivenessOrganizational changePsychological safetyPsychologyTeam compositionPublic relationsKnowledge managementBusinessSociologySocial psychologyPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

How can teams make sense of a complex organizational transformation and be ready to change? These questions must be addressed as organizations turn towards team-based structures to become more reactive. During organizational transformations, we argue team reflexivity enables team members to share interpretations of changes, leading to the development of team change vision—the overarching sense of direction for simultaneous change initiatives. We further argue that team reflexivity is more effective for teams with greater team tenure dispersion and additive team tenure. We tested and found support for our theory using time-lagged, survey-based data from 70 teams at a Canadian governmental organization. Overall, our study contributes to team readiness to change literature by identifying team reflexivity as a central information-processing activity enabling teams to develop a team change vision during an organizational transformation and by clarifying the effect of team tenure on such activity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,210

Scores Codex et Gemma par catégorie

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

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 Opus0,077
Tête enseignante GPT0,449
Écart entre enseignants0,371 · 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 tête enseignante, 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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Applied Behavioral ScienceMême sujetTeam Dynamics and PerformanceTravaux en français237 207