Striking a Balance between Work and Play: The Effects of Work-life Interference and Burnout on Faculty Turnover Intentions and Career Satisfaction
Notice bibliographique
Résumé
The interactions between work and personal life are important for ensuring well-being especially during COVID-19 where the lines between work and home are blurred. Work-life interference/imbalance can result in work-related burnout, which has been shown to have negative effects on faculty members’ physical and psychological health. Although our understanding of burnout has advanced considerably in recent years, little is known about the effects of burnout on nursing faculty turnover intentions and career satisfaction. Thus, this study aimed to test a hypothesized model examining the effects of work-life inference on nursing faculty burnout (emotional exhaustion and cynicism), turnover intentions and ultimately, career satisfaction. A predictive cross-sectional design was used. An online national survey of nursing faculty members was administered throughout Canada in Summer 2021. Nursing faculty who held full-time or part-time positions in Canadian academic settings were invited via email to participate in the study. Data was collected from an anonymous survey housed on Qualtrics. Descriptive statistics and reliability estimates were computed. The hypothesized model was tested using structural equation modeling. Data suggest that work-life interference significantly increase burnout which contribute to both higher turnover intentions and lower career satisfaction. Turnover intentions in turn was negatively associated with career satisfaction. The findings add to the growing body of literature linking burnout to turnover and dissatisfaction, highlighting key antecedents and/or drivers of burnout among nurse academics. These results provide suggestions for suitable areas for the development of interventions and policies within the organizational structure to reduce the risk of burnout during and post-COVID-19 and improve faculty retention.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| 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 | 0,000 |
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 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 ».