MétaCan
Menu
Retour à la cohorte
Enregistrement W4402067579 · doi:10.1177/10711813241276480

Assessing Team Performance in Complex Team-Based Command and Control Missions Through Information Sharing and Team Cohesion

2024· article· en· W4402067579 sur OpenAlexafffund
Chrissy M. Chubala, Aren Hunter, Lori Dithurbide, Heather F. Neyedli

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensDalhousie UniversityDefence Research and Development Canada
Organismes subventionnairesDalhousie University
Mots-clésCohesion (chemistry)Team effectivenessCommand and controlKnowledge managementProcess managementTeam compositionInformation sharingControl (management)TeamworkPsychological safetyComputer scienceEngineering managementEngineeringManagementWorld Wide WebAerospace engineering

Résumé

récupéré en direct d'OpenAlex

In complex command and control (C2) scenarios, effective team performance depends on the development of shared situation awareness (SA) among team members with heterogeneous expertise. Civilians were assigned heterogeneous roles in ad hoc emergency management teams responding to a fictional hurricane scenario, such that mission success would require effective sharing of their unique knowledge during a team discussion session. Whereas previously published work using this dataset found relationships between SA and self-reported team cohesion, the current work compared team decisions against a benchmark “expert” team, where each expert received all information from all roles prior to the discussion session. Results showed that greater similarity between civilian and expert team decisions, indicating more effective information sharing, was related to higher team cohesion, more updating of individual SA, and greater overlap in shared SA. Facilitating information sharing and promoting team cohesion may be valuable methods for improving team effectiveness in C2 scenarios.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,687

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,029
Tête enseignante GPT0,294
Écart entre enseignants0,265 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetTeam Dynamics and PerformanceTravaux en français237 207