Notice bibliographique
Résumé
Remote work or hybridized work has come to stay post COVID-19 pandemic, though not without both benefits and drawbacks. Work-life balance represents an essential need of remote workers, which could either be hindered or promoted during remote work. The continuous adoption of remote work warrants that the crucial challenge of work-life balance facing remote workers be addressed. Therefore, this study offers insights regarding the work-life balance processes of remote workers by following a research approach that involves synthesizing literature about remote work and work-life balance in an integrative way. This article upholds that the work-life balance processes of remote workers involve a work-life cognitive system that is responsible for maintaining equilibrium in the work-life system. The work-life system of remote workers includes elements, resources, forces, useful work, and output. Achieving balance between work and non-work domains is a function of the relative processes among the elements, resources, and forces within the work-life system. This article refers to the work-life balance cognitive system as ‘the work-life balance machine’. The work-life balance machine provides knowledge about how and what remote workers need to learn, adapt to, and change in the environment in order to develop an optimally balanced work and life. Thus, based on the blending of theories and concepts with the synthesized evidence from literature, this article offers a model; the work-life balance machine and a definition of work-life balance. In addition, this paper highlights actionable insights critical for human resource management in developing, supporting, and maintaining remote workers’ work-life balance.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».