Navigating Representational Gaps: Traversing Construal Levels and Investing in Uncertainty
Notice bibliographique
Résumé
ABSTRACT Representational gaps (rGaps), which refer to inconsistencies in definitions of a group's problem, are notoriously pernicious and enduring. Team cognition research has primarily focused on increasing similarity and sharedness among members. However, this emphasis is insufficient when an rGap is present, as teams must retain and integrate diverse, and often conflicting, perspectives even as they converge on a solution. In this study, we build new theory on how groups navigate rGaps by embedding incompatible problem definitions in a simulation and recording 23 groups completing the simulation to examine the navigation process from before members are aware that an rGap exists to implementing a concrete solution to a given task. Qualitative analysis revealed a three‐phase process (i.e., Realizing, Integrating, Aligning) of navigating rGaps in which groups traverse multiple construal levels (i.e., Concrete, Problem, Comprehensive). We then explored why some groups ceased progression through the process and how this influenced the representations in their final solution (i.e., neither, single, bifurcated, integrated). Notably, investing in disruptive and generative uncertainty was critical to facilitating progression, challenging the assumption that uncertainty should be reduced, rather than invested in, to avoid harming performance. Our findings yielded important insights for the rGaps, uncertainty, and construal level literatures.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».