MétaCan
Menu
← Retour à la cohorte
Enregistrement W2329663561 · doi:10.15415/jmrh.2014.11004

Psychological Injuries at Work – What Every Manager Should Know

2014· article· en· W2329663561 sur OpenAlexaboutno aff
A.T. Resmi, Mercy Anu Mathew, Gemini V. Joy, Paul Silvian Samuel

Notice bibliographique

RevueJournal of Multidisciplinary Research in Healthcare · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Work (physics)Emotional distressPsychological distressPsychologyCognitionDistressApplied psychologyPsychological stressPsychological researchSocial psychologyClinical psychologyMental healthPsychiatryEngineeringAnxiety

Résumé

récupéré en direct d'OpenAlex

A psychological injury is a diagnosable illness that affects a person’s thinking, emotional state and behavior. It can disrupt their ability to work and carry out other daily activities, and to engage in satisfying personal relationships. Unlike a physical injury, a psychological injury cannot be easily recognized and understood. This research document is a conceptual work, which tries to define and isolate stress and stress related injuries, as well as psychological injuries at work. Such an understanding would help the top management to cater and prevent injuries of such extent. Based on literature, a model has been developed for the study and the research document has defined “Psychological injury as an employee’s explicit manifestation of distress in the form of affective behavioral and cognitive dysfunction in work context”. This research document can be considered a seminal work done in Indian context. This works gains importance in the light of increasing number of lawsuits in Indian courts on work- related stress and agony. India still does not have any laws that deal with emotional health and stress related injuries at work or psychological injuries as compared to other countries like Canada, U.K and the U.S.

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)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,004
Communication savante0,0070,017
Science ouverte0,0020,003
Intégrité de la recherche0,0080,015
Charge utile insuffisante (le modèle a refusé de juger)0,0150,009

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 Opus0,330
Tête enseignante GPT0,573
Écart entre enseignants0,243 · 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'étudeSans objet
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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Multidisciplinary Research in Healthcare→Même sujetEmployment and Welfare Studies→Travaux en français237 207→