Emotional Intelligence and Burnout of Teachers of Higher Education Institutions
Notice bibliographique
Résumé
Emotional intelligence is an important resource for overcoming professional stress in members of socionomic professions. The research objective is to determine the role of its components in the development of emotional burnout. A natural experiment was conducted, which determined the manifestations of emotional burnout of 56 university teachers at the end of the academic year. The author used the questionnaire. Two experimental groups were identified in the general sample: teachers with burnout and those resistant to burnout (16 and 30 people, respectively). At the end of the academic year, signs of burnout were detected in one-third of university teachers. The leading symptoms are emotional exhaustion and depersonalisation, with no reduction in professional achievement. The dynamics of emotional life during the annual professional cycle are shown. The integrated indicator of emotional intelligence (EI) remains at the same level, but there are structural changes in the components of intrapersonal intelligence. At the end of the year, teachers' attention to their emotional states, work roles, and communication increase significantly. At the same time, there is a decrease in the ability to manage their own emotions. Resistance to burnout is accompanied by a high ability to realise and control their own emotions with a relatively vague focus on the emotional states of others. It was concluded that individual components of EI (intrapersonal and interpersonal, understanding and management) have different effects on burnout symptoms.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».