A modelação Bayesiana de equações estruturais (BSEM) tem vindo a receber crescente interesse principalmente devido à sua capacidade de resolver alguns dos problemas encontrados na abordagem frequencista convencional (por exemplo, não convergência, casos de Heywood, tamanho da amostra, soluções inadmissíveis) e porque permite ajustar modelos complexos que os métodos clássicos de máxima verossimilhança podem ter dificuldades para estimar (Merkle & Rosseel, 2018). No entanto, a BSEM pode ser computacionalmente intensiva. De facto, o custo computacional da análise Bayesiana prejudicou o uso mais frequente da estatística Bayesiana. O uso de métodos Bayesianos tem melhorado, principalmente devido aos avanços computacionais, fornecendo aos investigadores ferramentas mais flexíveis e poderosas. Atualmente, a análise Bayesiana é um ramo estabelecido da metodologia para estimação de modelos (van de Schoot et al., 2021). Em parte, isso deve-se a dois aspetos: o aumento da popularidade da metodologia Bayesiana e o advento dos métodos Monte Carlo via cadeias de Markov (MCMC; Depaoli, 2021). A estatística Bayesiana beneficia dos métodos MCMC, pois a análise Bayesiana depende muito da integração multidimensional. O MCMC compreende um conjunto de algoritmos computacionais que podem ajudar a resolver situações de modelagem complexas e de elevada dimensionalidade (South et al., 2022). O MCMC pode ajudar a estatística Bayesianas — por exemplo — reconstruindo a distribuição posterior (Depaoli, 2021). O MCMC pode beneficiar muito de um ambiente de computação paralelo, que permita realizar cálculos extensos simultaneamente. Os avanços no hardware do computador de consumo tornam a computação paralela amplamente disponível para a maioria dos utilizadores. Muitas placas gráficas de vídeo de computador suportam computação paralela. O uso das unidades de processamento gráfico (GPU) geralmente proporcionam ganhos significativos em termos de desempenho (Češnovar et al., 2019). Não há dúvida...

Desde suas origens até a explosão relativa da investigação em equipas na psicologia aplicada e comportamento organizacional, surgiram vários avanços nos métodos usados para estudar a dinâmica das equipas (Mathieu et al., 2018). É necessário um paradigma capaz de capturar a natureza complexa e dinâmica do novo padrão das equipas de trabalho de modo avançar no entendimento do fenómeno (Mathieu et al., 2008). Uma vez que os indivíduos trabalham em equipas, a dinâmica social está em causa, criando propriedades emergentes que se inter-relacionam com os processos das equipas, tendo impacto no desempenho das equipas (Waller et al., 2016). Uma perspetiva transversal ou uma medição simples não são suficientes para capturar um processo tão complexo (Humphrey & Aime, 2014). Processos complexos exigem métodos de pesquisa complexos (Boist & McKelvey, 2011). As equipas de investigação não podem continuar a ignorar tais complexidades, arriscando o seu desenvolvimento e avanços futuros. A avaliação das evidências de validade dos instrumentos ao nível das equipas é realizada principalmente por meio de procedimentos projetados para medidas ao nível do indivíduo. No entanto, o estudo de instrumentos ao nível das equipas deve incluir a possível desigualdade na estrutura nos níveis inter- e intra- e também deve considerar informações sobre a capacidade dos itens instrumentos para diferenciar grupos (Bliese et al., 2019). Este projeto baseia-se nas propostas mais recentes da teoria multinível, mensuração e evidências de validade. O primeiro objetivo é adaptar construtos multinível, ou seja, construtos que emergem das interações entre indivíduos, mas que existem em ambos os níveis (equipa e sujeito). O segundo objetivo diz respeito à avaliação e adaptação de construtos de equipa emergentes, que podem ser diferentes na sua natureza (Mathieu & Luciano, 2019) e também em sua mensuração (Jebb et al., 2019). O último objetivo é avaliar as evidências de validade longitudinal dos con...

O PROJETO DTE vai disponibilizar um conjunto de funcionalidades inovadoras, que recorrerá a tecnologias nas áreas de inteligência artificial e blockchain, permitindo designadamente a seleção e avaliação de candidatos com motores e ferramentas muito especificas e diferenciadas

A adaptação a ambientes instáveis e dinâmicos é um desafio para as organizações e requer melhorias contínuas nos produtos e serviços, bem como no funcionamento em geral. As rápidas mudanças exigem que os indivíduos e equipas de trabalho se adaptem rapidamente às novas condições e exigências das tarefas (e.g., Kozlowski & Bell, 2008). Esta nova realidade tem originado um conjunto de modelos teóricos e investigação empírica que tenta explicar a adaptação (e.g. Rosen et al., 2011). As equipas têm que ajustar os seus processos cognitivos e comportamentais, e os estados emergentes para se adaptarem a situações inesperadas (e.g., Burke et al. 2006). Contudo, a falta de integração teórica e empírica entre as diferentes abordagens tem impedido o avanço na área da adaptação de equipas. Ao nível empírico, existe claramente uma falta de estudos experimentais e de investigação que analise a adaptação como um processo dinâmico assim como de desenhos longitudinais que mostrem como é que os processos de adaptação ocorrem ao longo do tempo (Baard et al., 2014). Por fim, apesar das organizações se basearem cada vez mais em sistemas multiequipas (MTS) para atingirem os seus objetivos (Mathieu et al, 2001), a investigação não tem analisado como é que estas equipas coordenam as suas atividades para se adaptarem e atingirem desempenhos de excelência ao longo do tempo.  Propomos quatro estudos empíricos que combinam métodos de investigação e abordagens teóricas para captar as dinâmicas da cognição de equipa na adaptação e nas trajetórias de desempenho. Procuramos também investigar a cognição de equipa e a liderança como dois mecanismos de coordenação que facilitam a adaptação das MTS. No estudo 1 manipulamos experimentalmente os modelos mentais (MM) de equipa e a flexibilidade cognitiva de equipa para avaliar os efeitos causais destas variáveis nos processos de adaptação e nas mudanças no desempenho ao longo do tempo. Este estudo é inovador porque combina uma abordagem experimental ...