MétaCan
Menu
Retour à la cohorte
Enregistrement W2492819940 · doi:10.7748/nr.2016.e1405

An examination of envy and jealousy in nursing academia

2016· article· en· W2492819940 sur OpenAlexaff
Michelle Cleary, Garry Walter, Elizabeth Halcomb, Violeta López

Notice bibliographique

RevueNurse Researcher · 2016
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésJealousyFeelingCompetition (biology)RivalryPsychologyProductivitySocial psychologyAffect (linguistics)Economics

Résumé

récupéré en direct d'OpenAlex

AIM: To discuss envy and jealousy and how their positive and negative aspects among nurse academics affect the workplace. BACKGROUND: In nursing academia, jealousy and envy are common emotions, engendered by demands for high productivity, intense competition for limited resources, preferences for particular assignments and opportunities for promotions. When these feelings are moderate and part of everyday rivalry, competition and ambition benefit the organisation. However, jealousy and envy can have serious consequences including damaged relationships and communication, and the undermining of colleagues' performance. DISCUSSION: Strategies are recommended to provide opportunities for self-reflection and consideration of how the workplace affects nursing academics' wellbeing and professional performance. CONCLUSION: Jealousy and envy can be damaging emotions in the workplace. The embittered, hostile person can undermine and damage relationships, disrupt teams and communication, and undermine organisational performance. Discussing the positive and negative effects of envy and jealousy provides an opportunity for nursing academics to self-reflect and to consider others and their own personal and professional performance. IMPLICATIONS FOR PRACTICE: Understanding how jealousy and envy impact on the work environment, workplace relationships and individual/team performance is important especially for early career and seasoned nursing academics alike.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devislow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0030,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,047
Tête enseignante GPT0,419
Écart entre enseignants0,373 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeObservationnel · Autre devis
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

Citations23
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNurse ResearcherMême sujetNursing education and managementTravaux en français237 207