MétaCan
Menu
Retour à la cohorte
Enregistrement W3122687854 · doi:10.55016/ojs/ajer.v61i1.56004

Relationships between Language Teachers’ Time-management Skills, Creativity, and Burnout: A Mediation Analysis

2015· article· en· W3122687854 sur OpenAlexvenueno aff
Masoud Mahmoodi‐Shahrebabaki

Notice bibliographique

RevueAlberta Journal of Educational Research · 2015
Typearticle
Langueen
DomainePsychology
ThématiquePerfectionism, Procrastination, Anxiety Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDepersonalizationBurnoutCreativityPsychologyEmotional exhaustionMediationStructural equation modelingTime managementIntervention (counseling)Developmental psychologySocial psychologyClinical psychologyApplied psychologyManagementSocial science

Résumé

récupéré en direct d'OpenAlex

The present study aimed to investigate the effects of language teachers` time management and creativity skills on their burnout levels. The sample consisted of 213 Iranian language teachers. The Maslach Burnout Inventory (MBI), Creative Behavior Inventory (CBI) and Time Management Skills Questionnaire (TMSQ) were employed for data collection. By taking a Structural Equation Modeling approach, the study proposed a model that explored the direct effects of teacher creativity on burnout level of language teachers. Additionally, the study investigated the mediating role of time management skills on the correlations between teacher creativity and burnout levels. The results revealed that the total effects of creativity on all aspects of burnout dimensions were significant; however, after the intervention of time management as a variable, the effect of depersonalization proved insignificant; and, although still significant, for the other two subscales of burnout (emotional exhaustion and depersonalization), the effect markedly decreased. Therefore, the mediation role of time management was rejected.

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)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,091
Tête enseignante GPT0,436
Écart entre enseignants0,345 · 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'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

Citations20
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlberta Journal of Educational ResearchMême sujetPerfectionism, Procrastination, Anxiety StudiesTravaux en français237 207