MétaCan
Menu
Retour à la cohorte
Enregistrement W2783757012

L'engagement affectif mutuel dans la relation superviseur-supervisé et ses conséquences sur la performance au travail, les comportements de citoyenneté organisationnelle et l'intention de quitter l'organisation

2017· article· fr· W2783757012 sur OpenAlexaboutno aff
Aïcha Ghorzi

Notice bibliographique

RevueArchipelago (University of Quebec in Montreal) · 2017
Typearticle
Languefr
DomainePsychology
ThématiqueWorkaholism, burnout, and well-being
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceSociologyPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

En s'appuyant sur les modèles théoriques de l'échange social (Blau, 1964), de l'échange leader-membre (Graen et Uhl-Bien, 1995) et de la mutualité de l'engagement de Weigel (2010), ce mémoire examine dans un premier temps la présence de divers types de mutualité d'engagement au sein de la relation supérieur-employé. De plus, on y examine l'impact de l'engagement affectif mutuel entre le superviseur et le supervisé sur les attitudes et comportements au travail de ce dernier. Plus précisément, nous nous concentrons sur l'influence que peut avoir l'engagement affectif mutuel, entre le superviseur et son supervisé, sur la performance au travail, les comportements de citoyenneté organisationnelle, et l'intention de quitter l'organisation du supervisé. Une recherche empirique a été conduite dans plusieurs entreprises du Québec auprès d'un échantillon de dyades superviseur-supervisé dans une variété d'occupations. Sur 395 questionnaires du supervisé et 126 questionnaires du superviseur distribués, un total de 126 a pu être traité pour les supervisés et 101 pour les superviseurs, ce qui représente respectivement un taux de participation de 33 et 80 %, permettant la formation de 101 dyades. Le traitement de l'enquête s'est effectué en utilisant les logiciels Lisrel 8.80 et SPSS 24. Pour vérifier nos hypothèses, nous avons dans un premier temps mesuré l'engagement affectif (EA) auto-rapporté (réel) et perçu de chacun des partenaires. Ces EA (auto-rapportés et perçus) nous les avons par la suite croisés pour former quatre types de mutualité (réelle, supposée, empathique, et réciproque) et calculé leurs scores en utilisant la différence absolue en concordance avec le modèle de Weigel (2010) tiré de la littérature sur les relations intimes. Nos résultats révèlent que l'ensemble des mutualités possèdent un coefficient positif. Toutefois, seules les mutualités supposées de l'employé et du superviseur sont vérifiées : ainsi, nous en concluons que les employés et les supérieurs tendent à projeter leur propre engagement sur leur partenaire. Concernant la performance au travail, aucune mutualité n'a démontré de relation significative. Aussi, nous démontrons que la mutualité réelle prédit significativement les CCO de l'employé, alors que la mutualité supposée de l'employé les prédit dans le sens contraire. Enfin, seule la mutualité empathique du superviseur prédit significativement l'intention de quitter l'organisation. Cette recherche explore de façon détaillée et approfondie, à travers l'engagement affectif (EA), la nature complexe des relations interpersonnelles entre l'employé et son supérieur immédiat. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : engagement affectif mutuel, superviseur, supervisé, performance au travail, comportements de citoyenneté organisationnelle, intention de quitter.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,446

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,020
Tête enseignante GPT0,260
Écart entre enseignants0,240 · 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'étudeObservationnel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchipelago (University of Quebec in Montreal)Même sujetWorkaholism, burnout, and well-beingTravaux en français237 207