Neurodiverse Teams: Conflict and Creativity
Notice bibliographique
Résumé
Neurodiversity at work is a rapidly advancing area of DEI which values capitalizing on the range of unique neurological styles within the work group, including both neurotypical and neurodivergent individuals. Arguably, practice in workplace neurodiversity is outpacing empirical research on the phenomenon. Tech firms like SAP, Microsoft, Auticon and Dell are actively recruiting employees on the autism spectrum (Brinzea, 2019; Longmire & Taylor, 2023), and large corporations like Facebook, HSBC, and Hewlett Packard are seeking to harness unique strengths of employees affected by dyslexia or ADHD (Brinzea, 2019). And yet, research on diverse work teams tells us that balancing diverse perspectives, effectiveness, and team cohesion is complicated. Diverse work teams can be creative and innovative (such as top management teams, O’Reilly & Flatt, 1989) and enhance firm performance (Murray, et al., 1989), but subtle group processes determine whether diverse teams have a positive relationship climate (Homan, et al., 2007) versus a stressful and conflictual one (Kößler, et al., 2022). Further, some neurodivergent traits such as alexithymia, autism spectrum, and ADHD come with social perception and expression challenges that tend to escalate interpersonal friction (Brinzea, 2019; Longmire & Taylor, 2023). In this proposed symposium, we will present an up-to-the-minute review of theory and research on neurodiverse work teams, including their mental model of efficacy, creativity, conflict dynamics, and ultimately what supports they need to ensure their individual and collective success. Neurodivergent Team Mental Model: Components and Determinants Author: Michal T. Tomczak; Gdansk University of Technology Author: Pawel Ziemianski; Gdansk University of Technology Team Creativity in Neurodivergent Teams Author: Gamze Koseoglu; University of Melbourne Author: G. James Lemoine; Author: Burak Oc; Singapore Management University Author: Stacey Robin Kessler; Kennesaw State University How Do Alexithymic Traits Predict Perceptions of Conflict in Work Teams? Author: Matthew Hall; Saint Mary's University Author: Debra Gilin; Saint Mary's University Examining Task Conflict Perceptions in Individuals with ADHD Author: Samantha Hancock; Western University Author: Samuel L Plotnick; Western University Author: Sarah Cappellaro; University of Western Ontario Workplace Neurodiversity: A Scoping Review of Team Processes and Outcomes Author: Muhammad Ali; Queensland University of Technology Author: Mirit K. Grabarski; Lakehead University Author: Marzena Baker; Australian Catholic University Author: Maria Hameed Khan; Queensland University of Technology
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) | 0,000 | 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 ».