MétaCan
Menu
Retour à la cohorte
Enregistrement W1963582651 · doi:10.1108/er-11-2013-0166

Time affluence, material affluence and work experiences of professional women in Russia

2014· article· en· W1963582651 sur OpenAlexaff
Ronald J. Burke, Marina Astakhova, Parbudyal Singh

Notice bibliographique

RevueEmployee Relations · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWork-Family Balance Challenges
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésWork (physics)OriginalityTurkishPsychologyJob satisfactionValue (mathematics)Investment (military)Social psychologySample (material)Demographic economicsPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Purpose – The purpose of this paper is to examine the role of time affluence (TA) and material affluence (MA) in work and extra-work experiences of a sample of professional women working in Russia. Design/methodology/approach – Data were collected form 168 women using anonymously completed questionnaires. Measures included personal demographic and work situation characteristics, work outcomes, indicators of work investment and extra-work outcomes. Findings – TA and MA were significantly and positively correlated (r=0.22), with women indicating similar levels of TA and MA. Women reporting higher levels of MA generally indicated more favorable work outcomes (higher job satisfaction, lower intent to quit). Women reporting lower levels of TA generally indicated higher levels of work investment. However, neither TA nor MA predicted family satisfaction. Research limitations/implications – This study highlights the importance to take steps to increase TA and MA of Russian women to positively influence their work and extra-work experiences. Originality/value – These findings replicate and extend earlier USA, Egyptian and Turkish results to Russia. Unlike previous studies, the authors simultaneously included TA and MA constructs, thus providing important comparisons of their relationships with different outcomes. The authors also respond to the call to study TA and MA in different cultural contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,278
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmployee RelationsMême sujetWork-Family Balance ChallengesTravaux en français237 207