MétaCan
Menu
Retour à la cohorte
Enregistrement W4311786220 · doi:10.3390/su142416362

Heavy-Work Investment, Its Organizational Outcomes and Conditional Factors: A Contemporary Perspective over a Decade of Literature

2022· article· en· W4311786220 sur OpenAlexaff
Edna Rabenu, Or Shkoler

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueWorkaholism, burnout, and well-being
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésConstruct (python library)Investment (military)Work (physics)Perspective (graphical)JoinsPrime (order theory)Investment decisionsComputer scienceKnowledge managementEconomicsManagement scienceRisk analysis (engineering)Data scienceMarketingOperations researchBusinessMicroeconomicsPolitical scienceEngineeringPoliticsBehavioral economics

Résumé

récupéré en direct d'OpenAlex

The construct of heavy-work investment (HWI) is bi-dimensional, revolving around the investment of both time and effort at work. The current paper expands the research thinking and joins the pioneering studies that explore HWI as a relatively new concept in the work-related literature (since 2012). The prime aim of this conceptual paper is to develop a model regarding the intricate relationships between the dimensions of HWI and their work outcomes (with emphasis on possible conditional factors). In particular: (1) we refine the definition of HWI by accounting for the different levels of time and effort investment and (2) we outline multiplex propositions with regard to possible (positive and negative) outcomes of HWI, considering different moderators that can potentially impact these associations. Finally, we offer practical implications for human resource management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,305
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetWorkaholism, burnout, and well-beingTravaux en français237 207