MétaCan
Menu
Retour à la cohorte
Enregistrement W3010097143 · doi:10.1522/radm.no3.1103

Leadership et santé et mieux-être au travail : quelles leçons peut-on tirer pour les travailleurs en assignation internationale?

2020· article· fr· W3010097143 sur OpenAlexaffvenue
Marie-Pierre Leroux, Marie‐Claude Gaudet, Nancy Beauregard

Notice bibliographique

RevueAd machina l avenir de l humain au travail · 2020
Typearticle
Languefr
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensUniversité de MontréalHEC MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

La présente étude vise à dresser un survol des principaux constats tirés des revues systématiques et des méta-analyses portant sur l’effet du leadership sur la santé mentale et le mieux-être au travail, et de proposer une analyse critique de leur application au contexte des travailleurs expatriés. Les bases de données Medline, EMBASE, EBM et Web of Knowledge ont été consultées avec des mots-clés spécifiques au leadership, à la santé mentale et au mieux-être. Les résultats montrent que malgré l’augmentation des études examinant les effets du leadership sur la santé mentale en contexte organisationnel, la problématique demeure sous-étudiée en gestion internationale des ressources humaines. À cet effet, des recommandations sont formulées afin que les superviseurs soient mieux outillés pour répondre aux situations dans un contexte où leurs subordonnés sont déployés à l’étranger.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,587
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,096
Tête enseignante GPT0,395
Écart entre enseignants0,299 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAd machina l avenir de l humain au travailMême sujetResilience and Mental HealthTravaux en français237 207