Challenging (-Hindering) Employment and Employee Health
Notice bibliographique
Résumé
Research has struggled with the task of distinguishing high from low-quality employment. Making the distinction between challenging and hindering job demands in a context of social exchange, our study develops a generalizable heuristic for employment quality research. Latent class analysis with mixture modelling was applied to a sample of 2,143 adults from a diversity of occupations. A two-factor model provided substantial support for the distinction between challenging and hindering employment. Challenging employment was characterized by hard and emotionally demanding work and by provision of greater resources. Hindering employment involved several hindering demands and fewer resources. As predicted, challenging employment was associated with better self-reported general health and less psychological distress. The positive associations between higher education levels and longer work experience and challenging employment also supported the challenging/hindering heuristic. Abstract Research has struggled with the task of distinguishing high from low-quality employment. Making the distinction between challenging and hindering job demands in a context of social exchange, our study develops a generalizable heuristic for employment quality research. Latent class analysis with mixture modelling was applied to a sample of 2,143 adults from a diversity of occupations. A two-factor model provided substantial support for the distinction between challenging and hindering employment. Challenging employment was characterized by hard and emotionally demanding work and by provision of greater resources. Hindering employment involved several hindering demands and fewer resources. As predicted, challenging employment was associated with better self-reported general health and less psychological distress. The positive associations between higher education levels and longer work experience and challenging employment also supported the challenging/hindering heuristic.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».