MétaCan
Menu
Retour à la cohorte
Enregistrement W2118248635 · doi:10.1111/j.1365-2834.2010.01168.x

Generational differences in distress, attitudes and incivility among nurses

2010· article· en· W2118248635 sur OpenAlexafffund
Michael P. Leiter, Sheri Price, Heather K. Spence Laschinger

Notice bibliographique

RevueJournal of Nursing Management · 2010
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensWestern UniversityUniversity of TorontoAcadia University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésIncivilityCollegialityCivilityDistressNursingNursing managementPsychologyBurnoutMedicineClinical psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

AIMS: The first research objective was to replicate the finding of Leiter et al. [(2008)Journal of Nursing Management, 16, 100-109.] of Generation X nurses (n=338) reporting higher levels of distress than Baby Boomer nurses (n=139). The second objective was to test whether Generation X nurses reported more negative social environments at work than did Baby Boomer nurses. BACKGROUND: Negative social environments can influence the quality of work and the experience of distress for nurses. Generational differences in the experience of distress and collegiality have implications for the establishment of healthy workplaces, recruitment and retention. METHODS: A questionnaire survey of nurses was organized by generation. Analyses of variance contrasted the scores on burnout, turnover intention, physical symptoms, supervisor incivility, coworker incivility and team civility. RESULTS: The results confirmed the hypotheses of Generation X nurses reporting more negative experiences than did Baby Boomer nurses on all measures. CONCLUSIONS: The negative quality of social encounters at work contributes to nurses' experience of distress and suggest conflicts of values with the dominant culture of their workplaces. IMPLICATIONS FOR NURSING MANAGEMENT: Proactive initiatives to enhance the quality of collegiality can contribute to retention strategies. Building collegiality across generations can be especially useful.

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)0,005
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,021
Tête enseignante GPT0,318
Écart entre enseignants0,297 · 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

Citations195
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing ManagementMême sujetNursing education and managementTravaux en français237 207