The effect of perceived person–job fit on employee attitudes toward change in trauma centers
Notice bibliographique
Résumé
BACKGROUND: Employee attitudes toward change are critical for health care organizations implementing new procedures and practices. When employees are more positive about the change, they are likely to behave in ways that support the change, whereas when employees are negative about the change, they will resist the changes. PURPOSE: This study examined how perceived person-job (demands-abilities) fit influences attitudes toward change after an externally mandated change. Specifically, we propose that perceived person-job fit moderates the negative relationship between individual job impact and attitudes toward change. METHODOLOGY: We examined this issue in a sample of Level 1 trauma centers facing a regulatory mandate to develop an alcohol screening and brief intervention program. A survey of 200 providers within 20 trauma centers assessed perceived person-job fit, individual job impact, and attitudes toward change approximately 1 year after the mandate was enacted. RESULTS: Providers who perceived a better fit between their abilities and the new job demands were more positive about the change. Further, the impact of the alcohol screening and brief intervention program on attitudes toward change was mitigated by perceived fit, where the relationship between job impact and change attitudes was more negative for providers who perceived a worse fit as compared with those who perceived a better fit. PRACTICAL IMPLICATIONS: Successful implementation of changes to work processes and procedures requires provider support of the change. Management can enhance this support by improving perceived person-job fit through ongoing training sessions that enhance providers' abilities to implement the new procedures.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».