Learning teams in higher education executing a collaborative assignment are not always effective. To remedy this, there is a need to determine and understand the variables that influence team effectiveness. This study aimed at developing a conceptual framework, based on research in various contexts on team effectiveness and specifically team and task awareness. Core aspects of the framework were tested to establish its value for future experiments on influencing team effectiveness. Results confirmed the importance of shared mental models, and to some extent mutual performance monitoring for learning teams to become effective, but also of interpersonal trust as being conditional for building adequate shared mental models. Apart from the importance of team and task awareness for team effectiveness it showed that learning teams in higher education tend to be pragmatic by focusing primarily on task aspects of performance and not team aspects. Further steps have to be taken to validate this conceptual framework on team effectiveness.
DOCUMENT
Using a multi-wave, multi-level design, this study unravels the impact of subjective (dis)similarities in teams on team effectiveness. Based on optimal distinctiveness theory and the social inclusion model, we assume combined effects of individual and shared perceptions of supplementary and complementary person–team fit on affective and performance-based outcomes. Furthermore, at the team level, we expect this relationship to be mediated by team cohesion. In a sample of 121 participants (across 30 teams), we found that teams in which members share perceptions of high supplementary as well as high complementary fit outperform those in which they do not. In addition, members of such teams report higher levels of team satisfaction and viability. Both of these occur through positive effects on the cohesion within the team. Thereby, our results support the central tenet of the social inclusion model. At the individual level, this enhancing effect of the interaction was not supported, providing additional evidence for considering perceived person–team fit as a collective construct.
LINK
Background: Non-technical errors, such as insufficient communication or leadership, are a major cause of medical failures during trauma resuscitation. Research on staffing variation among trauma teams on teamwork is still in their infancy. In this study, the extent of variation in trauma team staffing was assessed. Our hypothesis was that there would be a high variation in trauma team staffing. Methods: Trauma team composition of consecutive resuscitations of injured patients were evaluated using videos. All trauma team members that where part of a trauma team during a trauma resuscitation were identified and classified during a one-week period. Other outcomes were number of unique team members, number of new team members following the previous resuscitation and new team members following the previous resuscitation in the same shift (Day, Evening, Night). Results: All thirty-two analyzed resuscitations had a unique trauma team composition and 101 unique members were involved. A mean of 5.71 (SD 2.57) new members in teams of consecutive trauma resuscitations was found, which was two-third of the trauma team. Mean team members present during trauma resuscitation was 8.38 (SD 1.43). Most variation in staffing was among nurses (32 unique members), radiology technicians (22 unique members) and anesthetists (19 unique members). The least variation was among trauma surgeons (3 unique members) and ER physicians (3 unique members). Conclusion: We found an extremely high variation in trauma team staffing during thirty-two consecutive resuscitations at our level one trauma center which is incorporated in an academic teaching hospital. Further research is required to explore and prevent potential negative effects of staffing variation in trauma teams on teamwork, processes and patient related outcomes.
DOCUMENT
Big data spelen een steeds grotere rol in de (semi)professionele sport. De hoeveelheid gegevens die opgeslagen wordt, groeit exponentieel. Sportbegeleiders (coaches, inspanningsfysiologen, sportfysiotherapeuten en sportartsen) maken steeds vaker gebruik van sensoren om sporters te monitoren. Tijdens trainingen en wedstrijden worden de hartslagen, afgelegde afstanden, snelheden en versnellingen van sporters gemeten. Het analyseren van deze data vormt een grote uitdaging voor het begeleidingsteam van de sporters. Sportbegeleiders willen big data graag inzetten om meer grip te krijgen op sportblessures. Blessures kunnen namelijk desastreuze gevolgen hebben voor teamprestaties en de carrière van (semi)professionele sporters. In totaal stopt maar liefst 33% van de topsporters door blessures met hun sportloopbaan. Daarnaast is uitval door blessures een belangrijke oorzaak van stagnatie van talentontwikkeling. Het lectoraat Sportzorg van de Hogeschool van Amsterdam heeft veel expertise op het gebied van blessurepreventie in de sport. Sportbegeleiders hebben het lectoraat Sportzorg benaderd om antwoord te krijgen op de onderzoeksvraag: Wat zijn op data gebaseerde indicatoren om sportblessures te voorspellen? Deze onderzoeksvraagstelling is opgesplitst in de volgende deelvragen: 1. Hoe kan met sensoren relevante data van sporters verzameld worden om de sportbelasting in kaart te brengen? 2. Welke parameters kunnen blessures voorspellen? 3. Hoe kunnen deze parameters op betekenisvolle en eenvoudige wijze naar sportbegeleiders en sporters teruggekoppeld worden? Het project resulteert in de volgende projectresultaten: - Een overzicht van nauwkeurige en gebruiksvriendelijke sensoren om sportbelasting in kaart te brengen - Een overzicht van relevante parameters die blessures kunnen voorspellen - Een online tool dat per sporter aangeeft of de sporter wel of niet training- of wedstrijdfit is Bij dit project zijn de volgende organisaties betrokken: Hogeschool van Amsterdam, Universiteit Leiden, VUmc, Rijksuniversiteit Groningen (RuG), Amsterdam Institute of Sport Science (AISS), Johan Sports, Centrum voor Topsport en Onderwijs (CTO) Amsterdam, Koninklijke Nederlandse Voetbalbond (KNVB), de Nederlandse Vereniging voor Fysiotherapie in de Sport (NVFS), VV Noordwijk (voetbalclub) en Black Eagles (basketbalclub).
Er ontstaan in Nederland veel blessures als gevolg van overbelasting in alle lagen van de sport. Hoe kunnen deze blessures worden voorkomen? Insteek van dit project is het gebruik van (sensor)technologie en big data analyse voor het vroegtijdig detecteren van signalen van overbelasting en daarmee het voorkomen van blessures. Een grote hoeveelheid technologie wordt momenteel al gebruikt voor het meten aan sporters (quantified self). Professionele sportclubs investeren in dure systemen. Diepte-interviews tonen echter aan dat er twee grote problemen zijn: ten eerste de grote hoeveelheid data en ten tweede de kennis voor een juiste interpretatie van de data benodigd voor een omzetting naar een trainingsadvies. Computermodellen opgebouwd uit systematische data-analyse van de enorme hoeveelheden trainingsdata en aangevuld met domeinkennis kunnen deze problemen oplossen. Er is behoefte aan een systeem waarin informatie uit verschillende bronnen in één systeem wordt opgeslagen en toegankelijk gemaakt om vervolgens geïntegreerd geanalyseerd te kunnen worden. Individuele profielen moeten gebouwd worden uit de data voor een snelle, automatische interpretatie. Hiermee kan grensbewaking voor overbelasting plaatsvinden en kunnen trainingsaanpassingen gedaan worden waar nodig. Vanuit deze behoefte richt het project zich op de praktijkvraag “Hoe kunnen we een praktisch toepasbaar gereedschap ontwikkelen dat valide de externe en interne trainingsbelasting kan meten, de (para)medische staf en/of fysiek trainer helpt bij het detecteren van (potentiële) overbelasting en daarmee helpt bij het plegen van de juiste interventies voor het voorkomen van blessures?”. Het principe van een dergelijke ‘belastingmonitor’ is al aangetoond. Voor een volwaardig prototype zal echter zowel het computermodel als de gebruikersapplicatie technisch gezien moeten worden doorontwikkeld, geoptimaliseerd, uitgebreid en vooral getest. Daar richten de onderzoeksvragen van dit project zich op. De focus ligt in eerste instantie op het (betaalde) voetbal, maar kan ook naar andere teamsporten en de breedtesport vertaald worden.
Plastic products are currently been critically reviewed due to the growing awareness on the related problems, such as the “plastic soup”. EU has introduced a ban for a number of single-use consumer products and fossil-based polymers coming in force in 2021. The list of banned products are expected to be extended, for example for single-use, non-compostable plastics in horticulture and agriculture. Therefore, it is crucial to develop sustainable, biodegradable alternatives. A significant amount of research has been performed on biobased polymers. However, plastics are made from a polymer mixed with other materials, additives, which are essential for the plastics production and performance. Development of biodegradable solutions for these additives is lacking, but is urgently needed. Biocarbon (Biochar), is a high-carbon, fine-grained residue that is produced through pyrolysis processes. This natural product is currently used to produce energy, but the recent research indicate that it has a great potential in enhancing biopolymer properties. The biocarbon-biopolymer composite could provide a much needed fully biodegradable solution. This would be especially interesting in agricultural and horticultural applications, since biocarbon has been found to be effective at retaining water and water-soluble nutrients and to increase micro-organism activity in soil. Biocarbon-biocomposite may also be used for other markets, where biodegradability is essential, including packaging and disposable consumer articles. The BioADD consortium consists of 9 industrial partners, a branch organization and 3 research partners. The partner companies form a complementary team, including biomass providers, pyrolysis technology manufacturers and companies producing products to the relevant markets of horticulture, agriculture and packaging. For each of the companies the successful result from the project will lead to concrete business opportunities. The support of Avans, University of Groningen and Eindhoven University of Technology is essential in developing the know-how and the first product development making the innovation possible.
