Inclusion of Indigenous workers in workplace mental health
Notice bibliographique
Résumé
Purpose This paper highlights inclusion issues Indigenous people experience maintaining their mental health in the workplace. Design/methodology/approach Using a grounded theoretical approach, five sharing circles were conducted with the Nokiiwin Tribal Council's community members to better understand inclusivity issues related to workplace mental health. Findings Five themes emerged from the data related to enhancing inclusivity and workplace mental health for Indigenous workers: (1) connecting with individuals who understand and respect Indigenous culture; (2) respecting Indigenous traditions; (3) hearing about positive experiences; (4) developing trusting relationships and (5) exclusion is beyond the workplace. Research limitations/implications The next step is to finalize development of the Wiiji app and evaluate the effectiveness of the app in helping Indigenous workers feel included at work and to improve workplace mental health. If effective, the Indigenous-developed e-mental health app will be promoted and its benefits for helping Indigenous workers feel included at work and also for providing accessible mental health resources, will be known. In the future, other Indigenous groups may be potentially interested in adopting a similar application in their workplace(s). Originality/value There is very little known about inclusivity issues related to Indigenous workers' maintaining their mental health. This paper identifies major issues influencing the exclusion and inclusion of Indigenous workers.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,013 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,021 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».