MARC

 008260203s2023        us                              c    eng  d
■001000017365874
■00520260209102844
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798288816116
■035    ▼a(MiAaPQ)AAI32200924
■035    ▼a(MiAaPQ)Stanfordbh892gq2402
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a000
■1001  ▼aCooperman,  Alissa.
■24512▼aA  Systematic  Study  of  Meetings  in  AEC/FM  From  the  Language/Action  Perspective
■260    ▼a[Sl]▼bStanford  University▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a299  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-02,  Section:  B.
■500    ▼aAdvisor:  Fischer,  Martin.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2023.
■520    ▼aObserving  conversations  during  meetings  held  as  part  of  a  year-long  pilot  program  on  Building  Information  Modeling  and  Facility  Management  revealed  the  presence  of  communication  inefficiencies  among  meeting  participants.  Although  meeting  participants  voiced  their  unmet  needs  and  misunderstandings  during  meetings,  these  breakdowns  often  went  unnoticed  and  unresolved  for  months,  slowing  the  progress  of  the  pilot  program.  This  showed  that  meeting  participants  cannot  systematically  understand  what  breakdowns  were  voiced  and  whether  and  how  they  were  handled  during  meeting  conversations.  This  thesis  contributes  a  formalized  method  for  systematically  analyzing  conversations  in  meetings  from  the  Language  Action  Perspective  (LAP)  so  that  breakdown  handling  can  be  observed  and  analyzed.  This  method  is  composed  of  three  elements:  1)  A  method  to  convert  meeting  conversations  into  structured  data,  2)  A  method  that  uses  structured  meeting  conversation  data  to  identify  breakdowns  and  their  details,  and  3)  A  method  for  using  structured  meeting  conversation  data  to  study  how  meeting  participants  handle  breakdowns  using  the  four  conversation  types  from  the  LAP.  The  first  contribution  is  a  method  that  converts  a  meeting  transcript  into  structured  meeting  conversation  data  that  captures  1)  how  individual  meeting  participants  use  language  2)  what  meeting  activities  take  place,  and  3)  what  types  of  content  are  discussed  during  a  meeting.  It  was  formalized  by  following  a  deductive  qualitative  coding  methodology  and  by  taking  the  LAP.  The  second  contribution  is  a  method  that  finds  and  details  breakdowns  using  structured  meeting  conversation  data.  It  was  formalized  by  creating  an  operational  definition  for  the  LAP's  conceptualization  of  a  breakdown.  The  third  contribution  is  a  method  that  provides  a  data-based  and  visual  way  to  represent  breakdown  handling  using  structured  meeting  conversation  data.  This  method  was  developed  by  operationalizing  the  four  LAP  conversation  types  and  qualitative  data  analysis.  Application  of  the  first  contribution  to  13  meetings  held  by  three  different  teams  shows  that  the  method  to  convert  meetings  into  structured  data  is  applicable  to  multiple  meetings:  the  method  converts  over  90%  of  the  utterances  made  into  structured  data.  Validation  of  this  method  using  four  meetings  demonstrates  that  the  method  is  reliable.  Two  researchers  could  independently  and  consistently  convert  meeting  conversations  into  structured  data.  Application  of  the  second  contribution  to  nine  meetings  resulted  in  finding  18  to  42  breakdowns  per  meeting.  This  shows  that  breakdowns  can  be  found  from  structured  meeting  conversation  data.  Similar  to  the  first  contribution,  two  researchers  could  independently  apply  the  method  to  the  same  meeting  data  and  agree  on  whether  part  of  a  conversation  voiced  a  breakdown  in  85%  of  the  cases.  Application  of  the  third  contribution  shows  that  structured  meeting  conversation  data  can  be  used  to  identify  whether  and  how  a  breakdown  is  handled  during  a  meeting  conversation  and  across  multiple  meeting  conversations.  These  contributions  create  the  foundation  for  future  research  that  automates  the  creation  of  structured  meeting  conversation  data  to  analyze  conversation  patterns  so  that,  e.g.,  the  patterns  of  teams  with  incentivized  versus  disincentivized  actors  can  be  understood,  and  that  develops  metrics  for  meeting  success  related  to  specific  conversation  patterns.
■590    ▼aSchool  code:  0212.
■650  4▼aTerminology
■650  4▼aConstruction
■650  4▼aBreakdowns
■650  4▼aSoftware  upgrading
■650  4▼aBuilding  management  systems
■650  4▼aSpeaking
■650  4▼aSpeech
■650  4▼aBuilding  information  modeling
■650  4▼aEnvironmental  engineering
■653    ▼aLanguage  Action  Perspective
■653    ▼aBuilding  Information  Modeling
■653    ▼aFacility  Management
■690    ▼a0729
■690    ▼a0543
■690    ▼a0775
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g87-02B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17365874▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서