MétaCan
Menu
Retour à la cohorte
Enregistrement W2756282653 · doi:10.1017/idm.2017.3

Canadian Employee Perspectives on Disability Management

2017· article· en· W2756282653 sur OpenAlexafffundabout
Shannon L. Wagner, Henry G. Harder, Liz Scott, Nicholas Buys, Ignatius Yu, Thomas Geisen, Christine Randall, Karen Lo, Dan Tang, Alex Fraess‐Phillips, Benedikt Hassler, Caroline Howe

Notice bibliographique

RevueInternational Journal of Disability Management · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesUniversity of British ColumbiaUniversity of Northern British Columbia
Mots-clésJob satisfactionMental healthPsychological interventionPsychologySample (material)Work (physics)Applied psychologySocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

A Canadian sample was collected as an aspect of a large international project, with representation from Australia, Canada, China, and Switzerland. In each country, interview and survey data were collected using team-created research tools. Canadian survey data on disability management (DM) perceptions were collected from 218 employees in both public and private organisations. Our Canadian employee sample reported perceived influence of disability prevention on job satisfaction, physical health, mental health, and morale for both themselves and their coworkers. Return to work programs were seen as valuable for job satisfaction of both the employee and coworkers, as well as the physical health of coworkers. Similarly, stay at work programs were seen as valuable for mental health and morale of coworkers. There was no relationship between perceived influence of DM interventions and reduction of sickness absence. The influence of DM was perceived as more positive for private and/or nonunionised workplaces. No gender differences were evident.

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 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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,369

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0130,002
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,074
Tête enseignante GPT0,493
Écart entre enseignants0,419 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations5
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Disability ManagementMême sujetOccupational Health and Safety ResearchTravaux en français237 207