MétaCan
Menu
Retour à la cohorte
Enregistrement W2896307113 · doi:10.1108/joepp-02-2018-0007

To be or not to be…at work while ill

2018· article· en· W2896307113 sur OpenAlexaff
James MacGregor, John Cunningham

Notice bibliographique

RevueJournal of Organizational Effectiveness People and Performance · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésPresenteeismAbsenteeismCLARITYOperationalizationProductivityOriginalityPsychologyTest (biology)Public healthPublic relationsValue (mathematics)Social psychologyPublic sectorWork (physics)Sample (material)NursingMedicinePolitical scienceEconomicsEconomic growthEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to analyze the results from two public sector organizations to test a model of the organizational antecedents and health consequences of sickness presenteeism (SP) in the workplace. Design/methodology/approach The study reports on two surveys of public employees, one including 237 respondents and another of 391 employees. The combined sample allowed for the testing of a model of organizational antecedents and the health consequences of SP. Findings The results supported the model, indicating that increased leader support and goal clarity decrease SP indirectly through increased trust. Decreasing presenteeism is associated with decreased sickness absence and better health. Practical implications The key practical application is in encouraging managers and scholars to recognize that the costs of presenteeism are as higher or higher than the costs of absenteeism. Social implications The social implications are clear in helping us recognize that when people come to work sick, they are not productive and are endangering the productivity of others. Originality/value This is the first time that research had defined and operationalized a causal model linking antecedents such as leader-member relations, goal clarity and trust with SP and absenteeism.

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)0,011
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 enseignants0,009
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,027
Tête enseignante GPT0,350
Écart entre enseignants0,323 · 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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Organizational Effectiveness People and PerformanceMême sujetWorkplace Health and Well-beingTravaux en français237 207