Stress, Emotion Regulation, and Well-Being among Canadian Faculty Members in Research-Intensive Universities
Notice bibliographique
Résumé
Existing research reveals the academic profession to be stressful and emotion-laden. Recent evidence further shows job-related stress and emotion regulation to impact faculty well-being and productivity. The present study recruited 414 Canadian faculty members from 13 English-speaking research-intensive universities. We examined the associations between perceived stressors, emotion regulation strategies, including reappraisal, suppression, adaptive upregulation of positive emotions, maladaptive downregulation of positive emotions, as well as adaptive and maladaptive downregulation of negative emotions, and well-being outcomes (emotional exhaustion, job satisfaction, quitting intentions, psychological maladjustment, and illness symptoms). Additionally, the study explored the moderating role of stress, gender, and years of experience in the link between emotion regulation and well-being as well as the interactions between adaptive and maladaptive emotion regulation strategies in predicting well-being. The results revealed that cognitive reappraisal was a health-beneficial strategy, whereas suppression and maladaptive strategies for downregulating positive and negative emotions were detrimental. Strategies previously defined as adaptive for downregulating negative emotions and upregulating positive emotions did not significantly predict well-being. In contrast, strategies for downregulating negative emotions previously defined as dysfunctional showed the strongest maladaptive associations with ill health. Practical implications and directions for future research are also discussed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».