Motivational pathways of occupational and organizational turnover intention among newly registered nurses in Canada
Notice bibliographique
Résumé
BACKGROUND: Staff turnover is a major issue for health care systems. In a time of labor shortage, it is critical to understand the motivational factors that underlie turnover intention in newly licensed nurses. PURPOSE: To examine whether different forms of motivation (the reasons for which nurses engage in their work) predict intention to quit the occupation and organization through distinct forms (affective and continuance) and targets (occupation and organization) of commitment. METHODS: Cross-sectional data were collected from a sample of 572 French-Canadian newly registered nurses working in public health care in the province of Quebec, Canada. The hypothesized model was tested by structural equation modeling. FINDINGS: Autonomous motivation (nurses accomplish their work primarily out of a sense of pleasure and satisfaction or because they personally endorse the importance or value of their work) negatively predicts intention to quit the profession and organization through target-specific affective commitment. However, although controlled motivation (nurses accomplish their work mainly because of internal or external pressure) is positively associated with continuance commitment to the occupation and organization, it directly predicts, positively so, intention to quit the occupation and organization. CONCLUSION: These results highlight the complexity of the motivational processes at play in the turnover intention of novice nurses, revealing distinct forms of commitment that explain how motivation quality is related simultaneously to intention to quit the occupation and organization. Health care organizations are advised to promote autonomous over controlled motivation to retain newly recruited nurses and sustain the future of the nursing workforce.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».