Examining burnout in employed university students
Notice bibliographique
Résumé
Purpose Burnout has been studied by organizational researchers for nearly 50 years (Maslach and Schaufeli, 2017; Schaufeli et al. , 2009); however, little attention is given to burnout experienced by employed students who may be prone to the symptoms of burnout as they juggle multiple demanding roles. Burnout in employed students has previously been conceptualized as a bi-factor model consisting of three dimensions: general burnout, apathy and exhaustion (see Rauti et al., 2019 for further information). The purpose of this paper is to develop and validate a novel and theoretically driven tool to assess burnout in employed students. Design/methodology/approach A sample of 239 employed undergraduate students from a university in southwestern Ontario completed an online survey which included the University of Windsor Employed Student Burnout Survey. Participants also completed six additional measures for scale validation purposes. Findings Confirmatory factor analysis supported a four-factor model of the employed student burnout scale: apathy toward employment, exhaustion toward employment, apathy toward academics and exhaustion toward academics. The findings also supported a bi-factor version of the four-factor model. Correlation analyses provided evidence for convergent and divergent validity. Originality/value The experience of burnout for employed students is unique as employed students balance the demands of work and school simultaneously. This research suggests that experiences of burnout from work and burnout from school may be distinct from one another and that burnout is context specific.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».