Team Resilience Training in the Workplace: E-Learning Adaptation, Measurement Model, and Two Pilot Studies
Notice bibliographique
Résumé
BACKGROUND: The majority of resilience interventions focus on the individual. Workplace resilience is a growing field of research. Given the ever-increasing interconnectedness in businesses, teamwork is a guarantee. There is also growing recognition that resilience functions at the team level. OBJECTIVE: The objective of our work was to address three shortcomings in the study of workplace resilience interventions: lack of interventions focusing on group-level or team resilience, the need for brief interventions, and the need for more theoretical precision in intervention studies. METHODS: The authors took an established evidence-based program (Team Resilience) and modified it based on these needs. A working model for brief intervention evaluation distinguishes outcomes that are proximal (perceptions that the program improved resilience) and distal (dispositional resilience). A total of 7 hypotheses tested the model and program efficacy. RESULTS: Two samples (n=118 and n=181) of engineering firms received the Web-based training and provided immediate reactions in a posttest-only design. The second sample also included a control condition (n=201). The findings support the model and program efficacy. For example, workplace resilience was greater in the intervention group than in the control group. Other findings suggest social dissemination effects, equal outcomes for employees at different stress levels, and greater benefit for females. CONCLUSIONS: This preliminary research provides evidence for the capabilities of e-learning modules to effectively promote workplace resilience and a working model of team resilience.
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 | 0,029 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».