Organization specific predictors of job satisfaction: findings from a Canadian multi-site quality of work life cross-sectional survey
Notice bibliographique
Résumé
BACKGROUND: Organizational features can affect how staff view their quality of work life. Determining staff perceptions about quality of work life is an important consideration for employers interested in improving employee job satisfaction. The purpose of this study was to identify organization specific predictors of job satisfaction within a health care system that consisted of six independent health care organizations. METHODS: 5,486 full, part and causal time (non-physician) staff on active payroll within six organizations (2 community hospitals, 1 community hospital/long-term care facility, 1 long-term care facility, 1 tertiary care/community health centre, and 1 visiting nursing agency) located in five communities in Central West Ontario, Canada were asked to complete a 65-item quality of work life survey. The self-administered questionnaires collected staff perceptions of: co-worker and supervisor support; teamwork and communication; job demands and decision authority; organization characteristics; patient/resident care; compensation and benefits; staff training and development; and impressions of the organization. Socio-demographic data were also collected. RESULTS: Depending on the organization, between 15 and 30 (of the 40 potential predictor) variables were found to be statistically associated with job satisfaction (univariate analyses). Logistic regression analyses identified the best predictors of job satisfaction and these are presented for each of the six organizations and for all organizations combined. CONCLUSIONS: The findings indicate that job satisfaction is a multidimensional construct and although there appear to be some commonalities across organizations, some predictors of job satisfaction appear to be organization and context specific.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».