THE GROUP DEVELOPMENT PROCESS SEEN THROUGH THE LENS OF COMPLEXITY THEORY 1
Notice bibliographique
Résumé
Complexity theory is used to develop a model of group development based on earlier research with social groups such as Tuckman and Jensen’s stages of forming, storming, norming, performing and adjourning (1977). The model shows how these stages correspond to Wolfram’s four attractor classes of order (point and periodic), chaos (strange) and complexity, and transitions among them. Kauffman’s NK models suggests several ways of moving networks among the attractor regions (1995). The theory was tested on data derived from observations by a Facilitator, and feedback from participants, who participated in a series of training workshops for other facilitators, and for members of a labour union. The results confirmed that these training groups made three clearly identifiable transitions among the regions of complexity theory. Initially, the Facilitator breaks down expectations of order, while establishing a multitude of interactions among group members to help the group make the transition from order into the realm of chaos. The result is great uncertainty and unpredictability for both the participants and the Facilitator. Later, through the establishment of goals and simple rules, the group begins to focus, uncertainty decreases, and the group makes a second transition from chaos to complexity, just within the region of order, at the ‘edge of chaos’. Complex groups resemble sports teams in the Zone during peak experiences. They are very creative and
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,040 |
| Communication savante | 0,014 | 0,014 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».