Predictors of trivialization of workplace violence among healthcare workers and law enforcers.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aims to identify individual and organizational predictors of trivialization of violence in 2 work sectors: healthcare and law enforcement. On the basis of data from a survey conducted among 1,141 workers from healthcare (e.g., nurses, orderlies.) and law enforcement (e.g., police, security agents), individual (sex, age, exposure to violence), and organizational factors (violence prevention training, support from colleagues and supervisors, presence of a “zero tolerance” policy and safety of physical environment) were used to predict trivialization of violence. Analyses were also conducted separately for women and men, and post hoc comparisons of regression estimates were performed to assess sex differences. Men were more likely than women to think that violence is normal in their workplace. Law enforcers were more likely than healthcare workers to perceive a taboo associated with complaining about workplace violence. This last result was most salient in the model with women, where the odds of perceiving a taboo associated with complaining about workplace violence were 2 times higher among law enforcers. Organizational factors were all significant negative predictors of perceiving a taboo associated with complaining about workplace violence. Trivialization was also positively associated with witnessing violent acts, not with being direct victim of workplace violence. By identifying factors that hinder work-related threat assessment and management, this study showed that organizations can decrease or prevent trivialization of workplace violence. Organizations may counter underreporting of this threat, which will increase capacity to assess the real magnitude of this problem and to better manage it
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle