How psychosocial safety climate (PSC) gets stronger over time: A first look at leadership and climate strength.
Notice bibliographique
Résumé
Psychosocial safety climate (PSC) reflects the priority an organization sets for the psychological health and safety of its employees, important to predict future job design and worker health. PSC is assessed by aggregating employee perceptions to determine PSC level (mean scores) and strength (converging perceptions). Theoretically, the ideal climate is when PSC is high and strong, yet we do not know how to build these fundamentals. Since team leaders may transmit and shape PSC as set down by senior management, we explore their role (i.e., PSC and transformational leadership) in increasing and converging PSC perceptions in a team. We used three-wave longitudinal data (6-month lags) from 49 team leaders and 281 Australian health care workers nested in 49 teams. Multilevel analysis showed that team PSC levels increased over time. Using the consensus emergence model, PSC strength was moderated by PSC leadership. Considering PSC starting levels, when low, high PSC leaders were associated with increasing PSC, but if starting levels were high, low PSC leaders were associated with decreasing PSC levels and strength while high PSC leaders were associated with sustaining PSC strength. Transformational leaders had smaller effects than PSC leaders on PSC levels and no effect on strength. Mid-leaders' values and actions for employee psychological health are important to build PSC level and sustain strength. In this, they can reinforce PSC certainty and its safety signal effect which is shown to be important for reducing psychological problems. (PsycInfo Database Record (c) 2022 APA, all rights reserved).
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».