MétaCan
Menu
Retour à la cohorte
Enregistrement W4321485280 · doi:10.1017/9781009268332.018

Effective Employee-Targeted Stress and Well-Being Interventions

2023· book-chapter· en· W4321485280 sur OpenAlexaff
Kimberly E. O’Brien, Terry A. Beehr

Notice bibliographique

RevueCambridge University Press eBooks · 2023
Typebook-chapter
Langueen
DomainePsychology
ThématiqueStress and Burnout Research
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionCoachingAttendanceMindfulnessPsychologyHarmApplied psychologyMedical educationBusinessMedicineClinical psychologyPsychotherapistSocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Preventative, adequately funded, high effort occupational stress interventions have better returns on investment. Conversely, the delivery of training to employees who will never use the knowledge, or already have those skills, wastes their time and organizational resources. Instead, training should start with a needs assessment to diagnose what potential problems should be addressed before they inflict lasting harm. Once these objectives are identified, the program should be designed and delivered, preferably by an expert to ensure transfer of training and minimize liability. Job stress interventions include mindfulness, EAPS, psychotherapy (e.g., acceptance and commitment therapy, exposure therapy; to be delivered by a licensed professional), relaxation, mild physical exercise, and coaching, among others. Some are commercially available, and others are freely available online. Participation should be incentivized, but not mandatory, even though poor attendance is an obstacle to program outcomes.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,035
Tête enseignante GPT0,289
Écart entre enseignants0,254 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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 revueCambridge University Press eBooksMême sujetStress and Burnout ResearchTravaux en français237 207