A multi-method approach to assessing deadlines and workload variation among newspaper workers
Notice bibliographique
Résumé
OBJECTIVES: Working under frequent deadlines was previously found to be associated with upper limb work-related musculoskeletal disorders (WMSDs) in newspaper workers. Further investigation was required so that concrete recommendations for change could be offered to the workplace parties (labour and management of a large metropolitan newspaper). STUDY DESIGN: The assessment was based on three methods. A questionnaire was used to clarify time-related aspects of work on deadlines for a larger group of workers. Experience sampling was used to document temporal variation in various aspects of physical and psychological demands over work shifts and deadline cycles. Focus groups were also conducted. RESULTS: Differences were found between the "High" and "Low" deadline groups: Those working with frequent deadlines more frequently were required: to work together with others, to perform tasks on a specific schedule and specific order, to work at a fast paced, to perceive their work as hectic and "hard". Experience sampling showed differential trends in workload across daily, weekly, and no deadline days. The lack of breaks for extended periods of time leading up to a deadline was noticeable. The focus groups were useful in highlighting issues not addressed by the other two methods and to understand the feasibility of various possible interventions. CONCLUSIONS: The integration of results from all methods lead to recommendations for issues upon which to focus prevention related activities where deadlines are present: delays in work flow from others, interruptions from technology related problems, excessive work, insufficient staff/insufficient time, extra/unexpected work, compromising of work quality for speed, and lack of time for breaks.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».