Investigation of Factors That May Affect the Commitment of Healthcare Professionals to Their Works During the COVID-19 Pandemic Period
Notice bibliographique
Résumé
The environment of uncertainty created by the COVID-19 pandemic period has caused difficulties especially for healthcare professionals in their work activities. The purpose of this research is to find out which variables might affect the commitment of healthcare professionals to their works during this COVID-19 period. Based on the data announced by the Ministry of Health during the pandemic in the first quarter of 2021, it was decided to conduct a research on doctors, nurses, caregivers, and medical secretaries working in hospitals in the cities of the Eastern Black Sea Region of Turkey which generally show high risk. In the developed research model, satisfactory conditions (SC), emotional commitment to change (ECC), and psychological ownership (PO) as variables that may directly or indirectly affect the commitment of healthcare professionals to their works (CW) were used. The Smart PLS program was used in the analysis of the research model and hypothesis. It was seen that the ECC of healthcare professionals has a positive and significant (.694; p < .000) effect on SC. It was understood that the PO of healthcare professionals has positive and significant effects on their CW (.394; p < .000). It was also observed that the presence of SC has positive and significant effects on the PO of the healthcare professionals in the current situation (.796; p < .000). It was observed that only the effect of ECC of healthcare professionals on their CW is insignificant (.097; p > .086). Looking at the indirect (intermediary) effects obtained as a result of the research, it was seen that all of the hypotheses consist of positive coefficients. This situation reveals that the mediating variables have complementary effects on the obtained results.
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 | 0,003 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».