MétaCan
Menu
Retour à la cohorte
Enregistrement W2159760712 · doi:10.5430/jnep.v4n11p66

Effects of job stress and coping behaviour on job satisfaction in Korean male nurses

2014· article· en· W2159760712 sur OpenAlexvenueno aff
Se‐Won Kang, Youngmi Kim

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueHealthcare Education and Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJob satisfactionCoping (psychology)Job stressPsychologyQuartileClinical psychologyDescriptive statisticsMedicineSocial psychologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Purpose : The purpose of this study was to investigate the effects of job stress and coping behaviour on job satisfaction in Korean male nurses. Methods : The structured questionnaires were used for the survey of 73 male nurses who worked in hospitals located in B and S City in South Korea. To measure job stress, we used a Korean job stress scale. To measure coping behaviour, we used an instrument developed by Han & Oh (1990), and for job satisfaction, an instrument developed by Kim (2010). The data were analysed using PASW 18.0 (Chicago, USA), including descriptive statistics, independent sample t-tests, and ANOVAs. Results : The results showed mean job stress score of 3.27, mean coping behaviour score of 3.14 and mean job satisfaction score of 3.28 (all scores on a 5-point scale). Job satisfaction was positively correlated with coping behaviour ( r = 0.426, p < .001), but was not correlated with job stress. In addition, job satisfaction was higher among subjects with coping behaviour scores in the highest quartile than among those with coping behaviour scores in the lowest quartile ( t = -2.881, p = .007). Conclusion: Coping behaviour was found to be a relevant factor influencing the job satisfaction of male nurses. Thus, an environment and workplace culture that allows male nurses to develop and apply their coping ability must be cultivated in order to promote job satisfaction.

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)0,002
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,037
Tête enseignante GPT0,424
Écart entre enseignants0,387 · 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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetHealthcare Education and Workforce IssuesTravaux en français237 207