論文の概要: Team Power and Hierarchy: Understanding Team Success
- arxiv url: http://arxiv.org/abs/2108.04108v1
- Date: Mon, 9 Aug 2021 15:10:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-10 18:23:46.856274
- Title: Team Power and Hierarchy: Understanding Team Success
- Title（参考訳）: チームパワーと階層: チームの成功を理解する
- Authors: Huimin Xu, Yi Bu, Meijun Liu, Chenwei Zhang, Mengyi Sun, Yi Zhang,
Eric Meyer, Eduardo Salas, Ying Ding
- Abstract要約: 本研究は,コンピュータ科学分野におけるチームパワーとチームの成功との関係を深く検討する。
4,106,995のCSチームを分析することで、フラットな構造を持つハイパワーチームが最高のパフォーマンスを持つことがわかりました。
逆に、階層構造を持つ低パワーチームは、チームのパフォーマンスのファシリテータです。
- 参考スコア（独自算出の注目度）: 11.09080707714613
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Teamwork is cooperative, participative and power sharing. In science of
science, few studies have looked at the impact of team collaboration from the
perspective of team power and hierarchy. This research examines in depth the
relationships between team power and team success in the field of Computer
Science (CS) using the DBLP dataset. Team power and hierarchy are measured
using academic age and team success is quantified by citation. By analyzing
4,106,995 CS teams, we find that high power teams with flat structure have the
best performance. On the contrary, low-power teams with hierarchical structure
is a facilitator of team performance. These results are consistent across
different time periods and team sizes.
- Abstract（参考訳）: チームワークは協力的で、参加的で、力の共有です。
科学の分野では、チームパワーと階層性の観点からチームコラボレーションの影響を考察する研究はほとんどない。
本研究は,DBLPデータセットを用いて,計算機科学(CS)分野におけるチームパワーとチームの成功との関係を詳細に検討する。
チームの力と階層はアカデミックな年齢で測定され、チームの成功は引用によって定量化されます。
4,106,995のCSチームを分析することで、フラットな構造を持つハイパワーチームが最高のパフォーマンスを持つことがわかった。
逆に、階層構造を持つ低パワーチームは、チームのパフォーマンスのファシリテータです。
これらの結果は、異なる期間とチームサイズで一致しています。
関連論文リスト
- Collaborative Team Recognition: A Core Plus Extension Structure [10.842779758836219]
本研究では,学術的なグラフデータを用いた共同チーム認識と内部パターンの探索に焦点をあてる。
大規模ネットワークにおける協調型チーム認識のための「コア+拡張型」チーム構造を用いた協調型チーム認識モデルを提案する。
論文 参考訳（メタデータ） (2024-06-07T07:12:35Z) - Towards a Better Understanding of Learning with Multiagent Teams [4.746424588605832]
いくつかのチーム構造は、エージェントが特定の役割を専門化することを学ぶのに役立つことを示しています。
大規模なチームは、コーディネーションを減らすためのクレジット割り当ての課題を作成します。
論文 参考訳（メタデータ） (2023-06-28T13:37:48Z) - 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) - Individual and Collective Performance Deteriorate in a New Team: A Case
Study of CS:GO Tournaments [11.86905804972623]
本研究の目的は,eスポーツトーナメントにおけるチーム変更が個人的,集団的パフォーマンスに与える影響に答えることである。
人気1人シューティングゲームのプロトーナメントのデータを収集した。
選手が新しいチームに転向した後、個人と集団のパフォーマンスが低下し、徐々に回復した。
論文 参考訳（メタデータ） (2022-05-19T16:54:49Z) - Learning to Transfer Role Assignment Across Team Sizes [48.43860606706273]
チーム規模で役割の割り当てと移譲を学ぶためのフレームワークを提案する。
ロールベースの信用割当構造を再利用することで、より大きな強化学習チームの学習プロセスが促進されることを示す。
論文 参考訳（メタデータ） (2022-04-17T11:22:01Z) - 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) - Flat Teams Drive Scientific Innovation [43.65818554474622]
個人の活動が、研究の方向性とプレゼンテーションを通じて、リーダーシップの幅広い役割にどのように結びついているかを示す。
科学チームの隠された階層は、そのリード(またはL)比がチーム規模全体に対してリーダーシップの役割を担っているのが特徴です。
フラットで平等なチームと対照的に、背が高く階層的なチームは、より斬新さを減らし、より多く既存のアイデアを発達させます。
論文 参考訳（メタデータ） (2022-01-18T04:07:49Z) - Who/What is My Teammate? Team Composition Considerations in Human-AI
Teaming [1.3477333339913569]
本稿では,チームパフォーマンスやチーム状況の認識,チーム認知など,人間とAIのコラボレーションに欠かせない側面について考察する。
認識されたチームの認知は、人間のみのチームで最も高く、混合構成チームは、全チームの58%以下で認識されたチームの認知を報告した。
論文 参考訳（メタデータ） (2021-05-23T19:06:18Z) - Coach-Player Multi-Agent Reinforcement Learning for Dynamic Team
Composition [88.26752130107259]
現実世界のマルチエージェントシステムでは、異なる能力を持つエージェントがチーム全体の目標を変更することなく参加または離脱する可能性がある。
この問題に取り組むコーチ・プレイヤー・フレームワーク「COPA」を提案します。
1)コーチと選手の両方の注意メカニズムを採用し、2)学習を正規化するための変動目標を提案し、3)コーチが選手とのコミュニケーションのタイミングを決定するための適応的なコミュニケーション方法を設計する。
論文 参考訳（メタデータ） (2021-05-18T17:27:37Z) - 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。