Analysis of Factors Affecting Quality of Life of Workers in Korea Participating in Leisure Activities Using Quantile Regression
Notice bibliographique
Résumé
INTRODUCTION: This study aimed to identify factors affecting the quality of life (QoL) of workers in Korea participating in leisure activities.METHODS: Cross-sectional survey data were collected from June 10 to June 20, 2013, examining QoL, job stress, social support, serious leisure, and health-related characteristics. Data from 101 participants were analyzed using t-tests, Pearson's correlation, multiple linear regression, and quantile regression.RESULTS: The workers’ mean QoL score was 23.10. Significant predictors of mean QoL score were job stress, social support, and serious leisure. Job stress correlated strongly with QoL in workers who were at 10% (QoL=17.00, p=.013) and 25% (QoL=20.00, p=.001) of the QoL distribution. Social support and serious leisure correlated significantly with QoL in workers who were at 50% (QoL=24.00) and 75% (QoL=27.00) of the QoL distribution.CONCLUSION: Quantile regression analysis identified factors affecting QoL in workers. Therefore, intervention strategies for increasing workers’ QoL should be tailored to workers’ QoL level.
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 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 | 0,023 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».