MétaCan
Menu
Retour à la cohorte
Enregistrement W4410538724 · doi:10.1145/3710915

Remote Workplace Interactions and Extraversion: A Field Study on Wellbeing and Productivity Among Knowledge Workers

2025· article· en· W4410538724 sur OpenAlexaff
Anastasia Ruvimova, Alexander Lill, Lauren Howe, Elaine M. Huang, Gail C. Murphy, Thomas Fritz

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueTechnostress in Professional Settings
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésExtraversion and introversionProductivityPersonalityField (mathematics)PsychologyBig Five personality traitsKnowledge managementSocial psychologyApplied psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Since the COVID-19 Pandemic, the knowledge workplace has seen a dramatic transition from collocated-first to hybrid or fully-remote arrangements, the implications of which are yet to be fully understood. One of the biggest unknowns is how remote team communication impacts the individual worker, especially in consideration of personality type. The aim of this study is to investigate the effects of remote workplace interactions on productivity and wellbeing, and how these effects are moderated by extraversion. The study lasted for 2-3 months and involved 60 knowledge workers. The data was analyzed using a combination of quantitative and qualitative methods. We present novel findings on how remote communication affects individuals differently depending on the type of interaction, interaction agent, and personality of the individual, showing that the impact of communication on workers is far from straightforward. We contextualize these findings with an in-depth analysis of communication patterns and experiences in the remote workplace, adding to existing literature. Finally, we present suggestions for a more individualized communication approach in industry and future research.

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)0,000
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 enseignants0,463
Score d'incertitude au seuil0,746

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,038
Tête enseignante GPT0,387
Écart entre enseignants0,349 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetTechnostress in Professional SettingsTravaux en français237 207