Team-Flow und Team-Effektivität in virtuellen Teams

Hintergrund:Fortschritte in der Informations- und Kommunikationstechnologie haben die Möglichkeit zur virtuellen (Team-)Arbeit geschaffen und - bedingt durch die Globalisierung - arbeiten immer mehr Teams virtuell zusammen. Darüber hinaus hat die COVID-19-Pandemie die Verbreitung virtueller Teamarbeit gefördert. Allerdings gibt es einige Herausforderungen für virtuelle Teams - wie z. B. die reduzierte informelle Kommunikation - mit Auswirkungen auf die Teameffektivität einschließlich der Zufriedenheit der Teammitglieder. Forschungsziele:Team-Flow ist ein Konzept mit hohem Potenzial für die Förderung der Teameffektivität, weshalb wir dies im Rahmen des Projekts näher untersuchen wollen. Zunächst identifizieren mit Hilfe eines qualitativen Ansatzes die Bedingungen von Team Flow im Kontext virtueller Teams. Wir berücksichtigen dabei Bedingungen auf sozialer, individueller und Aufgaben-Ebene sowohl in selbstverwalteten Teams als auch in von einer Führungskraft geleiteten Teams. Um Teamprozesse zu verstehen, ist die Messung ihrer Dynamik essentiell. Weiterhin betrachten wir daher die Dynamik des Team-Flows während des virtuellen Teamarbeitsprozesses. Die Erfassung der Team-Flow-Dynamik ist jedoch eine Herausforderung, da traditionelle Flow-Messungen auf Selbstbericht-Fragebögen beruhen, die eine Unterbrechung des Teamprozesses erfordern. Daher möchten wir mittels maschinellem Lernen einen Algorithmus identifizieren, der auf Verhaltens- und Sensordaten basiert und in der Lage ist, Team-Flow vorherzusagen und seine Dynamik über die Zeit zu erfassen.Methodik:Studie 1 dient der Identifikation von Bedingungen virtueller Teamarbeit. In einer qualitativen Feldstudie werden wir 400 Beschäftigte (200 aus Polen, 200 aus Deutschland) online befragen. Zur Extraktion der Bedingungen verwenden wir Text-Mining-Tools auf Basis von maschinellem Lernen. In Studien 2 und 3 konzentrieren wir uns auf die Erfassung der Team-Flow-Dynamik und ihrer Effekte auf Team-Effektivität in virtuellen selbstverwalteten Teams (Studie 2, 100 Teilnehmende) und in Teams, die von einer Führungskraft geleitet werden (Studie 3, 100 Teilnehmende). Die Dynamik wird mit Hilfe des maschinellen Lernalgorithmus erfasst. In der Folge werden wir ein Input-Prozess-Output-Modell der Team-Flow-Bedingungen (Input), des Team-Flows (Prozess / Mediator) und der Teameffektivität (Output) entwickeln. Erwarteter Nutzen:Unser Projekt trägt dazu bei, Bedingungen, Dynamik und Konsequenzen von Team-Flow in virtuellen Teams zu verstehen, was gerade in Zeiten von Globalisierung und COVID-19 Pandemie vielversprechende Erkenntnisse zur Steigerung der Team-Effektivität einschließlich der Zufriedenheit der Teammitglieder liefern wird. Darüber hinaus wird die virtuelle Team-Zusammenarbeit von Teilnehmer:innen aus Polen und Deutschland einen realistischen internationalen Kontext für unsere Projektziele schaffen und den deutsch-polnischen Austausch auch auf der Ebene der Teilnehmer:innen fördern.