Impact of Managers’ Coaching Conversations on Staff Knowledge Use and Performance in Long‐Term Care Settings
Notice bibliographique
Résumé
BACKGROUND: Extended lifespans and complex resident care needs have amplified resource demands on nursing homes. Nurse managers play an important role in staff job satisfaction, research use, and resident outcomes. Coaching skills, developed through leadership skill-building, have been shown to be of value in nursing. AIMS: To test a theoretical model of nursing home staff perceptions of their work context, their managers' use of coaching conversations, and their use of instrumental, conceptual and persuasive research. METHODS: Using a two-group crossover design, 33 managers employed in seven Canadian nursing homes were invited to attend a 2-day coaching development workshop. Survey data were collected from managers and staff at three time points; we analyzed staff data (n = 333), collected after managers had completed the workshop. We used structural equation modeling to test our theoretical model of contextual characteristics as causal variables, managers' characteristics, and coaching behaviors as mediating variables and staff use of research, job satisfaction, and burnout as outcome variables. RESULTS: = 58, df = 43, p = .06) indicating no significant differences between data and model-implied matrices. Resonant leadership (a relational approach to influencing change) had the strongest significant relationship with manager support, which in turn influenced frequency of coaching conversations. Coaching conversations had a positive, non-significant relationship with staff persuasive use of research, which in turn significantly increased instrumental research use. Importantly, coaching conversations were significantly, negatively related to job satisfaction. LINKING EVIDENCE TO ACTION: Our findings add to growing research exploring the role of context and leadership in influencing job satisfaction and use of research by healthcare practitioners. One-on-one coaching conversations may be difficult for staff not used to participating in such conversations. Resonant leadership, as expected, has a significant impact on manager support and job satisfaction among nursing home staff.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».