Notice bibliographique
Résumé
This symposium includes four papers that provide diverse yet complementary perspectives on mental health challenges at work. Whereas many employees face mental health challenges in the course of their employment—underscored by the fact that one in six employees have a mental illness—mental health challenges are persistently under-examined in management research. The papers in this session are diverse in their contextual focus, temporal focus (e.g., short-term challenges versus chronic mental illness) and analytic approach, yet have commonalities that serve to promote a cohesive multifaceted view of this topic. For instance, multiple papers in this session investigate the role of work-related antecedents to mental health challenges and the role of support in helping—or failing to help—those with mental health challenges. Of note, all these studies uncover nuanced and complex dynamics that underscore the futility of merely trying to “fix” employees’ mental health challenges with simplistic interventions. Following presentation of the papers, integrative commentary will be provided that suggests fruitful opportunities for future research on mental health challenges at work. Anger Trajectories and Resilience Among Combat-Deployed Soldiers Presenter: Jason Kautz; U. of Texas at Dallas Presenter: Laura Campbell-Sills; U. of California, San Diego Presenter: Paul Bliese; Darla Moore School of Business, U. of South Carolina Presenter: Robert Ursano; Uniformed Services U. Hidden from View: Leading with Depression and Anxiety Presenter: Sally Maitlis; U. of Oxford Consequences of Work Injuries on Mental Health: The Role of Social Support Presenter: Steve Granger; U. of Calgary Presenter: Nick Turner; U. of Calgary Presenter: Sandy Hershcovis; U. of Calgary Presenter: Patrick Bruning; U. of New Brunswick Social Support of Employees with Mental Illness Presenter: Emily Rosado-Solomon; California State U., Long Beach Presenter: Sherry M. B. Thatcher; U. of South Carolina Presenter: Sam Strizver; U. of South Carolina Presenter: Ron Capistrano; California State U., Long Beach
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,005 |
| Communication savante | 0,012 | 0,007 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,008 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,003 |
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 ».