MétaCan
Menu
Retour à la cohorte
Enregistrement W4318274776 · doi:10.3917/th.854.0289

Discrimination liée à l’âge et burnout : des effets différenciés selon l’âge à travers la perspective temporelle future professionnelle

2023· article· fr· W4318274776 sur OpenAlexaff
Donatienne Desmette, Patrizia Villotti

Notice bibliographique

RevueLe travail humain · 2023
Typearticle
Languefr
DomainePsychology
ThématiquePsychological and Temporal Perspectives Research
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésBurnoutHumanitiesPsychologyPolitical sciencePhilosophyClinical psychology

Résumé

récupéré en direct d'OpenAlex

La discrimination liée à l’âge est un facteur de risque susceptible de conduire au burnout, en particulier chez les travailleurs âgés (Volpone & Avery, 2013). Cependant, peu d’études se sont attachées à examiner les processus explicatifs des effets de la discrimination liée à l’âge sur le burnout. Cette recherche analyse les effets de la discrimination liée à l’âge sur le burnout à travers la perspective temporelle future au travail (Zacher & Frese, 2009), selon l’âge des travailleurs. Une étude cross-sectionnelle par questionnaire en ligne a été menée auprès de 231 travailleurs tout venants. Les résultats mettent en évidence que la discrimination liée à l’âge est positivement associée au burnout chez les travailleurs âgés mais pas chez les travailleurs jeunes, à travers la réduction de leur perspective temporelle future professionnelle. Il apparaît en outre que les travailleurs d’âge médian sont également affectés par la discrimination liée à l’âge via la réduction de leur perspective temporelle future, posant la question des effets de la menace identitaire liée à l’appartenance future stigmatisée. Enfin, les résultats contribuent aux études récentes utilisant le Burnout Assement Tool (BAT, Schaufeli et al., 2020) comme outil de mesure du burnout. Des pistes de recommandation sont proposées pour lutter contre la discrimination liée à l’âge et prévenir le burnout.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,437
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,048
Tête enseignante GPT0,384
Écart entre enseignants0,335 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLe travail humainMême sujetPsychological and Temporal Perspectives ResearchTravaux en français237 207