Auto-effi cacité émotionnelle et épuisement professionnel de directions d'établissement d'enseignement
Notice bibliographique
Résumé
Cette etude evalue le role de l’auto-effi cacite emotionnelle (AEE) sur les symptomes de l’epuisement professionnel (EP). Trois hypotheses sont verifi ees en lien avec des etudes anterieures, soit que l’AEE est negativement liee a l’epuisement emotionnel, a la perte d’accomplissement personnel au travail et a la depersonnalisation. Les 406 participants dirigent des etablissements d’enseignement de la province de Quebec au Canada. L’echelle d’AEE (α = ,92) de Deschenes, Dussault, & Fernet (2011) et le MBI-GS de Schaufeli, Leiter, Maslach, & Jackson (1996) (epuisement emotionnel : α = ,91, depersonnalisation : α = ,78 et perte d’accomplissement personnel : α = ,87) ont ete utilises pour mesurer les construits a l’etude. Le modele verifi e comprend sept indicateurs pour le facteur de l’AEE et deux indicateurs pour chaque symptome de l’epuisement professionnel. Il presente de bonnes statistiques d’ajustement du modele aux donnees qui confi rment les hypotheses : χ2 = 113,61, p < ,001, χ2/dl = 1,93, NNFI = ,97, CFI = ,98 et RMSEA = ,05.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».