Exploring psychological well‐being in business and economics arena: A bibliometric analysis
Notice bibliographique
Résumé
Background: Recent events like the global pandemic and geopolitics leading to war bring to bear the evergreen importance of psychological well-being (PWB) among workers and how it can further influence business growth and performance. Furthermore, the complexity of today's job requirements has created enormous life pressures for individuals, negatively hurting their PWB. Method: This article took the format of a literature review of existing research work by pursuing the keywords in the SCOPUS database to retrieve the articles published on PWB in the field of business and economics from 1978 to 2022. The data were analyzed to elaborate, interpret and graphically display the results, in particular, authors, sources, documents, and social structure of the existing bibliography. The Bibliometrix R package is used for robust analysis of retrieved data. Results: The findings showed that the last decade saw a rise in scholarly work on PWB. However, in 2021, its sharp expansion stalled. It further revealed that academics from four countries had a significant role in accessing PWB in the business and economics fields, namely the United States, the United Kingdom, Australia, and Canada. The reports also indicate themes such as mental health, coronavirus disease 2019 (COVID-19), and depression are emerging themes, whereas niche themes include unemployment, quality of life, and job loss. Conclusion: This study suggests these new areas be studied in contemporary literature to provide cogent room to improve policy decisions on PWB within the business world.
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 | 0,011 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,220 | 0,294 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».