Les effets du technostress sur la performance du manager de proximité : Développement conceptuel et validation empirique
Notice bibliographique
Résumé
Cet article est la première étape dans l'étude du comportement adaptatif du manager dans le contexte du technostress. L'utilisation omniprésente de TIC peut créer "technostress". L'objet de notre recherche est d'examiner le cas de la spécificité du phénomène de technostress des managers de proximité. Nous développons ici nos questions de recherche sur les facteurs qui créent le technostress et le stress de rôle du manager de proximité ? Comment les créateurs de technostress influencent-ils la performance du manager de proximité ? Un questionnaire de plus 800 exemplaires a été distribué auprès d'un échantillon de managers de proximité français, canadien, marocain et chinois. Le taux de retour est de presque 40%. Nos résultats sont basés sur la modélisation par équation structurelle (SEM). Des facteurs créateurs de technostress des managers ont été ajustés grâce à l'analyse factorielle. Nous estimons que 1) le stress de rôle des managers de proximité peut être exploré par l'ambiguïté et la proximité de rôle. 2) le créateur de technostres influence négativement la performance de manager de proximité par stress de rôle.
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 | 0,033 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».