Comparative Analysis of Communication, Team Cohesion, Flexibility, and Productivity in Virtual and In-person Project Management: Evidence from Germany
Notice bibliographique
Résumé
The study compares virtual and in-person project management based on major dimensions such as communication, team cohesiveness, flexibility, work-life balance, and efficiency. With the shift to remote work, understanding the dynamics of communication, team cohesion, flexibility, and productivity in these environments has become crucial for organisations. The study employed a cross-sectional comparative research design to administer a questionnaire to 420 participants in Germany. The study used Mann-Whitney U Tests to test the two environments. The Mann-Whitney U Test found a statistically significant difference between the in-person and virtual groups (U=329, p = 0.002), showing that in-person teams communicate more often than virtual groups with a large effect size (r=−0.536). The analysis of team-building activities found that virtual teams engage more frequently than in-person teams, with a much larger effect size (p=0.024, r=-0.830). Moreover, the results regarding privacy show a statistically significant difference between the virtual and in-person project management environments (p = 0.002, r=0.534), implying that in-person project management environments provide a higher level of privacy than virtual environments. The study concludes that structured communication and team-building activities in a virtual environment enhance trust and collaboration among team members. Organisations are recommended to promote greater communication in virtual teams, address methods for forming virtual teams, address privacy issues in virtual workplaces, encourage work flexibility to reduce working pressure and work on schedules and collaboration of traditional in-person teams.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,007 |
| 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 ».