Linking workplace burnout theories to the project management discipline
Notice bibliographique
Résumé
Purpose Given the demanding and stressful nature of project work, with a view to explore established concepts of burnout within the project management context, the purpose of this paper is to examine two instruments: the Maslach Burnout Inventory (MBI) and the Areas of Worklife Survey (AWS). Since there is a paucity of literature in project management anchored within the MBI and the Areas of Worklife Survey (AWS), this paper proposes a high-level model on burnout in project management, drawing on the literature underlying these two instruments. Design/methodology/approach Using a conceptual approach, the paper reviews the social psychology literature on burnout and then the narrow stream of literature on burnout in project management. The paper develops and proposes a conceptual model as a foundation to explore the links between the determinants of project manager burnout/engagement and turnover/retention. Findings This paper contributes to an improved understanding of the determinants of project manager burnout, engagement, turnover, and retention. Practical implications The driver for this research is to contribute to the emerging literature on burnout in project management and strategies to help improve engagement and retention of project managers in the discipline – specifically, their tenure in organizations and/or the profession. Originality/value This paper contributes to the topic of burnout in the project management context. An improved understanding of the stressors in project management contexts, and the mechanisms to mitigate the stress, can add to our understanding of project manager well-being, engagement and retention, improved project success, and healthier work environments.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».