Biofeedback in team settings: A systematic review of applications and outcomes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Biofeedback has shown great potential for enhancing individual performance, yet its application in team contexts remains underexplored. This systematic review examines how biofeedback functions within teams, identifying key design components and their impact on team effectiveness. We propose a framework that categorizes biofeedback into three phases: physiological data collection, processing, and feedback delivery. Our analysis of 30 empirical studies reveals that biofeedback can improve team processes by promoting balanced communication, enhancing awareness of team dynamics, and facilitating collaboration. Additionally, biofeedback fosters emergent team states such as connectedness, empathy, and social presence, supporting team cohesion. While evidence indicates that biofeedback enhances dyadic team performance, its impact on larger teams remains limited to subjective performance evaluations. The review identifies key research gaps, including limited study of autonomic nervous system activity, insufficient team-level data processing methods, and a narrow focus on visual feedback. We outline practical considerations for designing biofeedback systems that enhance team effectiveness across contexts. Future research should refine biofeedback designs, extend applications beyond the lab, and incorporate interdisciplinary insights to strengthen theoretical models. This review lays the groundwork for advancing team biofeedback research and practice. • Reviews 30 studies on biofeedback applications in team settings • Presents framework for data collection, processing, and feedback delivery • Shows biofeedback enhances team communication, coordination, and collaboration • Biofeedback improves team states like connectedness, empathy, and social presence • Finds biofeedback improves dyad performance and subjective outcomes in larger 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 découle