MétaCan
Menu
Retour à la cohorte
Enregistrement W258828231 · doi:10.1093/oxfordhb/9780199211913.003.0012

Work Hours, Work Intensity, and Work Addiction

2009· book-chapter· en· W258828231 sur OpenAlexaff
Ronald J. Burke, Lisa Fıksenbaum

Notice bibliographique

RevueOxford University Press eBooks · 2009
Typebook-chapter
Langueen
DomainePsychology
ThématiqueWorkaholism, burnout, and well-being
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Work IntensityAutonomyPsychologyWork scheduleWork–life balanceAddictionWorking timeSocial psychologyApplied psychologyPolitical sciencePsychiatryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract This article reviews the literature on the antecedents and consequences of working hours, work intensity, and work addiction particularly among managers and professionals. The dependent variables associated with these include health-related illnesses, injuries, sleep patterns, fatigue, heart rate, and hormone level changes, as well as several work/non-work life balance issues. Motives for working long hours such as joy in work, avoiding job insecurity or negative sanctions from a superior, and employer demands, are addressed in detail, and a multitude of moderators shown to have affected the work hours and well-being relationship are reviewed. These include reasons for working long hours, work schedule autonomy, monetary gain, and choice in working long hours. This article suggests a need for more research to understand better the effects of work hours, work intensity, and workaholism, as well as providing a number of implications and organizational and societal suggestions for addressing work-hour concerns.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,857
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,219
Écart entre enseignants0,200 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooksMême sujetWorkaholism, burnout, and well-beingTravaux en français237 207