The predictors of absenteeism due to psychological disability: A longitudinal study in the education sector
Notice bibliographique
Résumé
BACKGROUND: Being absent from work because of a psychological disability is costly for both individuals and organizations and frequent in employees working in the field of education. Absenteeism from work has been mostly studied as an organizational withdrawal behavior related to negative factors. OBJECTIVE: The purpose of this longitudinal study is to define the predictors of absenteeism due to psychological disability by taking into account resources, such as Self-determined work motivation and Subjective well-being, as well as symptoms of Psychological distress. PARTICIPANTS: The sample consisted of 261 employees from a Canadian public school organization. METHODS: Independent sample t-tests were conducted to compare the mean scores of participants who were not absent from work and participants who were absent due to psychological disability. Logistic regression analyses were computed for the dependent variable to assess the contribution of the three independent variables. RESULTS: Participants who were absent from work due to psychological disability in the year following the data collection scored significantly lower on resources, and higher on symptoms than those participants who were not absent. The three-predictor model was found to be significant. However, only Self-determined work motivation and Psychological distress significantly predicted absenteeism due to psychological disability. CONCLUSIONS: Results are discussed in terms of psychological processes regulating the relationships between the work-related factors (i.e., work motivation) and life-related factors (i.e., psychological distress and subjective well-being) of personal adjustment and accomplishment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».