MétaCan
Menu
Retour à la cohorte
Enregistrement W2932513400 · doi:10.24251/hicss.2019.805

ICT, Permeability Between the Spheres of Life and Psychological Distress Among Lawyers

2019· article· en· W2932513400 sur OpenAlexaff
Nathalie Cadieux, Elaine Mosconi, Nancy Youssef

Notice bibliographique

RevueProceedings of the ... Annual Hawaii International Conference on System Sciences/Proceedings of the Annual Hawaii International Conference on System Sciences · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueTechnostress in Professional Settings
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésInformation and Communications TechnologyTechnostressDistressPacePsychologyWorkloadPsychological distressThematic analysisThe InternetQualitative researchMisinformationApplied psychologySocial psychologyPublic relationsAnxietySociologyPolitical scienceClinical psychologyComputer scienceSocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

The pervasiveness of information and communications technologies (ICT) has changed the nature of work in recent decades. Positive and negative impacts of ICT have been identified in every profession, including among lawyers. This paper examines the impact of ICT on the working conditions, stress and psychological distress experienced by lawyers, based on a qualitative study. Twenty-two (22) interviews were conducted with the aim of gaining a deep understanding of this issue. A thematic content analysis of the interviews revealed that factors related to ICT appear to contribute to the overall stress (technostress and other stress) experienced by lawyers, in turn leading to psychological distress. Moreover, the growing permeability between the different spheres of life caused by ICT and their particular characteristics has increased the workload of lawyers and accelerated their pace of work. Participants also identified frequent technological problems, as well as clients’ misinformation on the Internet, as risk factors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte
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 enseignants0,808
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,006
Communication savante0,0000,001
Science ouverte0,0110,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,059
Tête enseignante GPT0,347
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... Annual Hawaii International Conference on System Sciences/Proceedings of the Annual Hawaii International Conference on System SciencesMême sujetTechnostress in Professional SettingsTravaux en français237 207