論文の概要: My Team Will Go On: Differentiating High and Low Viability Teams through Team Interaction

• arxiv url: http://arxiv.org/abs/2010.07292v2
• Date: Tue, 3 Nov 2020 22:30:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 13:56:11.390924
• Title: My Team Will Go On: Differentiating High and Low Viability Teams through Team Interaction
• Title（参考訳）: 私のチームは続けます: チームインタラクションを通じて、ハイ・バイラビリティ・チームとロー・バイラビリティ・チームを区別する
• Authors: Hancheng Cao, Vivian Yang, Victor Chen, Yu Jin Lee, Lydia Stone, N'godjigui Junior Diarrassouba, Mark E. Whiting, Michael S. Bernstein
• Abstract要約: オンラインチームの669の10分間のテキスト会話のデータセット上で、生存可能性分類モデルをトレーニングする。 その結果,ラッソ回帰モデルにより,可視性スコアの分類のしきい値が異なる.74--.92 AUC ROCの精度が得られることがわかった。
• 参考スコア（独自算出の注目度）: 17.729317295204368
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding team viability -- a team's capacity for sustained and future success -- is essential for building effective teams. In this study, we aggregate features drawn from the organizational behavior literature to train a viability classification model over a dataset of 669 10-minute text conversations of online teams. We train classifiers to identify teams at the top decile (most viable teams), 50th percentile (above a median split), and bottom decile (least viable teams), then characterize the attributes of teams at each of these viability levels. We find that a lasso regression model achieves an accuracy of .74--.92 AUC ROC under different thresholds of classifying viability scores. From these models, we identify the use of exclusive language such as `but' and `except', and the use of second person pronouns, as the most predictive features for detecting the most viable teams, suggesting that active engagement with others' ideas is a crucial signal of a viable team. Only a small fraction of the 10-minute discussion, as little as 70 seconds, is required for predicting the viability of team interaction. This work suggests opportunities for teams to assess, track, and visualize their own viability in real time as they collaborate.
• Abstract（参考訳）: チームの生存性 - 持続性と将来の成功のためのチームの能力 - を理解することは、効果的なチームを構築する上で不可欠である。 本研究では,組織行動文献から得られた特徴を集約し,オンラインチームの10分間の会話669のデータセット上で実行可能性分類モデルを学習する。 分類器を訓練して、最上位(最も実行可能なチーム)、50パーセント(中央値の分割)、ボトム・デシアル(least viable teams)のチームを特定し、それらの実行可能性レベルごとにチームの属性を特徴付けます。 ラッソ回帰モデルは .74--.92 の精度を達成している。 auc roc はviability scoreの分類のしきい値が異なる。 これらのモデルから,「ボタン」や「例外」などの排他的言語の使用,および第2の人称代名詞の使用を,最も有効なチームを検出する最も予測可能な特徴として認識し,他者のアイデアへの積極的な関与が,実行可能なチームの重要なシグナルであることを示唆する。 チームインタラクションの可能性を予測するためには、わずか70秒で10分間の議論のごく一部しか必要ありません。 この作業は、チームが協力しながら、自分の生存性をリアルタイムで評価し、追跡し、視覚化する機会を示唆する。

関連論文リスト

• ML-SPEAK: A Theory-Guided Machine Learning Method for Studying and Predicting Conversational Turn-taking Patterns [25.049072387358244]
  自己組織化チーム内で対話型ターンテイクの計算モデルを開発する。 個人の性格特性とチームのコミュニケーションパターンのギャップを埋めることで、私たちのモデルはチームプロセスの理論を伝えることができるのです。
  論文  参考訳（メタデータ） (2024-11-23T01:27:01Z)
• Law of the Weakest Link: Cross Capabilities of Large Language Models [102.91861246827797]
  我々は,Large Language Models (LLMs) が "Law of the Weakest Link" を示すことを示した。 これらの結果は, クロスキャパビリティタスクにおけるLLMの低性能化を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-09-30T05:12:01Z)
• About latent roles in forecasting players in team sports [47.066729480128856]
  チームスポーツは、チームメイトと相手とのインタラクションに影響を与える重要な社会的要素を含んでいる。 RolForはロールベースのForecastingのための新しいエンドツーエンドモデルです。
  論文  参考訳（メタデータ） (2023-04-17T13:33:23Z)
• Detecting and Optimising Team Interactions in Software Development [58.720142291102135]
  本稿では,ソフトウェア開発チームの機能的相互作用構造を検出するためのデータ駆動型手法を提案する。 このアプローチでは、チームメンバのアクティビティレベルの違いを考慮し、ブロック制約設定モデルを使用します。 我々のアプローチは、チームが合成されたベンチマークシナリオと機能的な相互作用構造を比較するのにどのように役立つかを示します。
  論文  参考訳（メタデータ） (2023-02-28T14:53:29Z)
• Informational Diversity and Affinity Bias in Team Growth Dynamics [6.729250803621849]
  情報多様性の利点は親和性バイアスと緊張関係にあることを示す。 本結果は,情報多様性を促進するためのユーティリティベースのモチベーションの基本的な制限を定式化した。
  論文  参考訳（メタデータ） (2023-01-28T05:02:40Z)
• Group Activity Recognition in Basketball Tracking Data -- Neural Embeddings in Team Sports (NETS) [10.259254824702554]
  チームスポーツにおけるグループ活動認識(GAR)のための新しい深層学習手法である.NETSを提案する。 NBAの632試合の大規模追跡データを用いて,そのアプローチを評価した。 以上の結果から,NETS はグループ活動の学習を高い精度で行うことができ,自己指導と弱監督の訓練が GAR の精度に肯定的な影響を与えることが示唆された。
  論文  参考訳（メタデータ） (2022-08-31T01:22:38Z)
• Kill Chaos with Kindness: Agreeableness Improves Team Performance Under Uncertainty [0.0]
  Agreeablenessは、チームパフォーマンスと重要でない、非常に可変的な関係を示している。 エージェントベースモデル(ABM)は、チームワークに対する性格特性の影響を予測するために使用される。 遺伝的アルゴリズムを用いてABMの限界を探索し、どの特性が最高のチームと最悪のチームと相関しているかを発見する。
  論文  参考訳（メタデータ） (2022-08-09T16:04:32Z)
• Unifying Language Learning Paradigms [96.35981503087567]
  データセットやセットアップ全体にわたって普遍的に有効である事前学習モデルのための統一的なフレームワークを提案する。 本研究では, 事前学習対象を相互に配置し, 異なる対象間の補間を効果的に行う方法を示す。 また,テキスト内学習において,ゼロショットSuperGLUEで175B GPT-3,ワンショット要約でT5-XXLの性能を3倍に向上させた。
  論文  参考訳（メタデータ） (2022-05-10T19:32:20Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• Predicting the outcome of team movements -- Player time series analysis using fuzzy and deep methods for representation learning [0.0]
  我々は、より拡張された一連の動きや戦術計画において、短い戦術と宇宙占領の有用なエンコーディングのためのフレームワークを提供する。 本稿では,2015-16シーズンのプロバスケットボールSportVUデータセットにおける予測・認識タスクに対する提案手法の有効性について検討する。
  論文  参考訳（メタデータ） (2021-09-13T18:42:37Z)
• Evaluating and Rewarding Teamwork Using Cooperative Game Abstractions [103.3630903577951]
  我々は、協調ゲーム理論を用いて、プロスポーツから、人工RLエージェントのチームと現実世界のチームを研究する。 データからCFを推定するための協調ゲーム抽象化(CGA)と呼ばれるパラメトリックモデルを導入する。 CGAモデルに対する識別結果とサンプル境界の複雑さと、CGAを用いたShapley値の推定における誤差境界を提供する。
  論文  参考訳（メタデータ） (2020-06-16T22:03:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。