Farmer Burnout in Canada
Notice bibliographique
Résumé
While farmers in several countries worldwide are reported to be at higher risk for poor mental health outcomes like chronic stress, depression, and anxiety, there is a paucity of research on burnout in farmers. This cross-sectional study used an online survey administered between September 2015 and February 2016 to investigate burnout (as measured by the Maslach Burnout Inventory-General Survey (MBI-GS)) amongst farmers in Canada. The specific objectives were to measure the three components of burnout (exhaustion, cynicism, and professional efficacy), and to explore potential associated risk factors, as well as to determine the prevalence of the different burnout profiles (engaged, ineffective, overextended, disengaged, and burnout). MBI-GS results were obtained from 1075 farmers. Approximately 70% of the study sample identified as male and 30% as female, and participants were from a variety of farming commodities. Scores for exhaustion, cynicism, and professional efficacy were all higher than international norms. While 43% of participants were classified as engaged, 44% were classified in the ineffective, overextended, or disengaged profiles (i.e., intermediate profiles on the engagement - burnout continuum), and 12% were classified in the burnout profile. Risk factor results highlighted the positive effects of farmer support from spouse/romantic partner, friends, and industry. Overall, the results from this study demonstrate cause for concern with respect to farmer burnout, suggest potential avenues for intervention, and serve as a call to action to better support farmers in Canada.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».