Research on Telework Changes Employees’ Stress Levels during the COVID-19 Pandemic - Specific Potential Stressors are Influencing the General Well-being of Employees
Notice bibliographique
Résumé
Due to the expansion of COVID-19, a growing number of employees are forced to use telework as a new strategy to cope with the problem of continuing work during this sudden and serious pandemic.Though the research was to investigate the influences of telework on people's well-being in general, the question is under this special pandemic situation, how this sudden transition in the working environment will lead to changes in employees' stress levels specifically.Therefore, this article concentrated on the stress levels and aims to figure out how exactly telework influences employees' stress levels during the COVID-19 pandemic.Furthermore, this article also tries to shed light on whether corporations could consider telework as a work-mode choice for employees to better improve their working efficiency.To a global extent, meta-analysis is used in this article to assess the detailed evidence of the ways that the stress level of emplyees were influenced by telework during this pandemic.Three main factors were summarized that largely affect stress levels by combing 6171 participants.Results showed a positive correlation between telework and the stress level of employees during the COVID-19 pandemic.In addition, stress levels of employees during forced telework were mainly determined by work-life balance, work-home conflicts, and social interactions, which were significantly correlated with their working efficiency.
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 | 0,021 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,022 | 0,028 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».