MétaCan
Menu
Retour à la cohorte
Enregistrement W2022032292 · doi:10.1108/02610150810916749

Gender differences in engineers’ burnout

2008· article· en· W2022032292 sur OpenAlexaff
Sigalit Ronen, Ayala Malach Pines

Notice bibliographique

RevueEqual Opportunities International · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare professionals’ stress and burnout
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBurnoutPsychologyOriginalityCoping (psychology)Social psychologyPeer mentoringApplied psychologyClinical psychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to investigate gender differences in burnout, style of coping and the availability of peer support among high‐tech engineers Design/methodology/approach A longitudinal study investigated gender differences in burnout, style of coping and the availability of peer support among high‐tech engineers, an interesting occupational group from a gender perspective both because of the masculine culture of the engineering profession and the many prejudices against women engineers. Both the masculine culture and the prejudices help explain the paucity of women engineers and predict high levels of burnout among them. Findings The paper's findings supported this prediction. They revealed a significant gender difference in burnout, with women engineers reporting higher levels of burnout than men. The gender differences in burnout were interpreted as related to other findings: women's greater tendency to utilize emotion‐focused coping, their smaller peer support and greater work–family conflict. Originality/value In addition to their implications for gender theory and research and for burnout theory and research, the paper's findings point to the need to encourage and support the small and unique group of women engineers.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,322
Tête enseignante GPT0,431
Écart entre enseignants0,109 · 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

Citations36
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEqual Opportunities InternationalMême sujetHealthcare professionals’ stress and burnoutTravaux en français237 207