Job satisfaction in sport science and sports medicine, an international cross-sectional survey
Notice bibliographique
Résumé
Background/Aim: Job satisfaction (JS) and professional burnout among health professionals have been shown to affect several factors: healthcare quality, patient safety, patient satisfaction, turnover/reduction of work effort, healthcare costs and other personal consequences. In general, factors that impact JS for health professionals include professional autonomy, workplace conditions, rewards/recognition, compensation and work-life balance. However, less is known about JS of professions working in sport science and sports medicine (SSSM) especially from an international perspective. This paper addresses JS among SSSM professionals in an international context. Methods: In a cross-sectional study design, the Interprofessional Collaboration (IPC) in SSSM survey, an online survey which included the Warr-Cook-Wall JS questionnaire for international respondents working in fields associated with SSSM, was distributed globally to persons working in SSSM. Data from 320 respondents with complete data sets from USA (n=83), Canada (n=179) and Europe (n=58) were collected. Results: High values were detected in the overall JS of the total sample with some differences in variables relevant for JS internationally and a relationship between positive perceptions of IPC and overall JS. The most important determinant for overall JS in professionals working in SSSM is the opportunity to use abilities. Conclusion: JS has an important influence on the work and services provided by SSSM professionals and experience with IPC can have a positive effect on JS which, in turn, can improve quality of life for clients, patients and professionals. Employers should regard most impactful determinants of overall JS when designing working conditions for their employees.
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 | 0,024 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».