کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7538378 1488852 2016 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Effects of competition on collective learning in advice networks
ترجمه فارسی عنوان
اثرات رقابت در یادگیری جمعی در شبکه های مشاوره
کلمات کلیدی
مدل بلوک تصادفی چندگانه، شبکه های مشاوره زیرساخت ارتباطی، رقابت برش گلو، رقابت دوستانه یادگیری جمعی،
ترجمه چکیده
این مقاله به بررسی تأثیر شناسایی تغییرات به عنوان رقبای مستقیم در انتخاب آنها به عنوان مشاوران می پردازد. ما بین دو نوع رقابت تفاوت می کنیم: برش گلو در مقابل دوستانه. ما استدلال می کنیم که بر خلاف رقابت برش گلو، رقابت دوستانه باعث می شود که یادگیری جمعی به عنوان یک فرآیند اجتماعی تبدیل شود: زمانی که دانش در تعاملات ایجاد شده است که می توانند تاثیر منفی رقابت وضعیت را کاهش دهند و در نیش های اجتماعی همجنسگرا قرار گیرند؛ و هنگامی که کیفیت این دانش توسط اعضا با وضعیت معرفتی در این نیش ها تضمین شده است. نیش های اجتماعی و وضعیت کمک به مشاوره و یادگیری جمعی را تسهیل می کنند، زیرا مشاوره بین رقبای مستقیم، حتی زمانی که اعضا علاقه مشترکی به اشتراک گذاشتن مشاوره دارند - معضل مربوط به یادگیری اقدام جمعی، آشکار نیست. ما این استدلال را به یک مجموعه داده شبکه متصل می کنیم که ترکیبی از شناسایی رقبای مستقیم و انتخاب مشاوران در میان نخبگان محققان سرطان در فرانسه است. ما از یک روش مدل بلوک تصادفی چندگانه که توسط باربیون و همکاران طراحی شده است استفاده می کنیم. (2015) برای اندازه گیری اثر این شناسایی رقبای مستقیم بر ساختار شبکه مشاوره. نتایج حاصل از این مجموعه داده، نظریه ما را پشتیبانی می کند.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی
This paper looks at the effect of identifying alters as direct competitors on their selection as advisors. We differentiate between two kinds of competition: cut-throat vs friendly. We argue that, unlike cut-throat competition, friendly competition makes collective learning possible as a social process: when knowledge is built in interactions that are able to mitigate the negative effects of status competition and take place in homophilous social niches; and when the quality of this knowledge is guaranteed by members with epistemic status in these niches. Social niches and status facilitate advice seeking and collective learning because advice seeking between direct competitors is not obvious even when members have a common interest in sharing advice - a learning-related dilemma of collective action. We apply this reasoning to a network dataset combining identification of direct competitors and selection of advisors among the elite of cancer researchers in France. We use a procedure of multiplex stochastic block-modeling designed by Barbillon et al. (2015) to measure the effect of these identifications of direct competitors on the structure of the advice network. Results obtained with this dataset support our theory.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Social Networks - Volume 47, October 2016, Pages 1-14
نویسندگان
, , , ,