MétaCan
Menu
Retour à la cohorte
Enregistrement W3211089521 · doi:10.7202/1095893ar

Une analyse des profils motivationnels afin de mieux comprendre l’effet des contraintes et ressources professionnelles en emploi

2023· preprint· fr· W3211089521 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueHumain et Organisation · 2023
Typepreprint
Languefr
DomainePsychology
ThématiqueMotivation and Self-Concept in Sports
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésPolitical science

Résumé

récupéré en direct d'OpenAlex

La recherche basée sur la théorie de l’autodétermination met de l’avant l’importance de la présence simultanée de quatre types de motivation (intrinsèque, identifiée, introjectée, et extrinsèque) au sein des individus. La présente étude a pour objectif de découvrir comment les contraintes (p.ex., charge de travail) et les ressources (p.ex., soutien du superviseur) au travail sont liées à différents profils motivationnels. Un deuxième but de l’étude est d’identifier les conséquences des différents profils motivationnels pour le bien-être des employés (stress). Des analyses de profil latent réalisées sur un vaste échantillon de gestionnaires et d’employés (n = 1914) ont révélés la présence de quatre profils motivationnels. En outre, des analyses de régression logistiques ont démontré que le profil motivationnel élevé (niveau élevé des quatre formes de motivation) est plus fortement associé aux ressources, tandis que les profils très faible et faible (niveau faible des quatre types de motivation) sont plus fortement associés à la présence de conditions de travail considérées comme des contraintes. Finalement, le profil élevé démontre une association négative avec le niveau de stress. Les résultats amènent des recommandations pratiques quant aux manières les plus efficaces de favoriser une motivation élevée chez les employés.

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.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, 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 enseignants0,413
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,090
Tête enseignante GPT0,374
Écart entre enseignants0,284 · 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