A contextual work‐life experiences model to understand nurse commitment and turnover
Notice bibliographique
Résumé
AIMS: The aim of this study was to present a discussion and model depicting most effecting work-life experience contextual factors that influence commitment and turnover intentions for nurses in Sri Lanka. BACKGROUND: Increasing demand for nurses has made the retention of experienced, qualified nursing staff a priority for healthcare organizations and highlights the need to capture contextual work-life experiences that influence nurses' turnover decisions. DESIGN: Discussion paper. DATA SOURCES: This discussion paper and model is based on our experiences and knowledge of Sri Lanka and represents an integration of classic turnover research and commitment theory and others published between 1958 - 2017, contextualized to reflect the reality faced by Sri Lanka nurses. IMPLICATIONS FOR NURSING: The model presents a high-level view of intrinsic, extrinsic, personal and professional antecedents to nurse turnover where relevance can be used by researchers, policy makers, clinicians and educators to establish focused and limited scope models and examine comprehensive contexts. CONCLUSION: This model emphasizes the role that work-life experiences play to fortify (or weaken) nurses' motivation to remain committed to their organization, profession, family, and country. Understanding of contextual work-life influences on nurses' intent to stay should lead to evidence-based strategies that result in a higher number of nurses wanting to remain in the nursing profession and work in the health sector in Sri Lanka.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».