Political Considerations in Implementing Initiatives to Improve the Mental Well-Being of Employees in the Workplace
Notice bibliographique
Résumé
Relatively recently governments have begun to show some of the leadership required to incorporate well-being within their calculations about work-related behaviour. This is important not only for fulfilling our individual potential, but also in signalling recognition of the central role of well-being – both physical and psychological – within equations about productivity and performance. This article considers notable national examples of good practice from Denmark, UK and Canada, as well as highlighting a range of organisational factors that help explain slow progress within workplaces, even when government-level support for improving mental well-being of employees already exists. Such organisational factors include political considerations and so this paper shines a spotlight on organisational politics surrounding mental well-being at work. In this way, I describe the potential for practitioners in occupational psychology, health and well-being roles and in human resources to develop further and utilise positive political skills to facilitate positive change. Furthermore, examples of political skills in action at all levels of an organisation are considered, ranging from harnessing the active commitment of senior management teams, to campaigning for appropriate training for middle managers, as well as raising awareness of mental health across all employees in the workplace. There is great potential for positive economic as well as individual health outcomes where organisations give far greater priority to psychological health than previously. The emergence of research-based guidance to improve psychological health at work, as well as recent commitment by some governments around the world to well-being priorities, has signposted new directions for mental well-being in the workplace. What remains concerning is that uptake of such guidance varies and its implementation often lags behind awareness. This paper considers a range of readily applicable and cost-effective organisational strategies which can be championed by practitioners for improving the mental well-being of the workforce, while it also makes explicit the role of political behaviour in seeking improvements to psychosocial aspects of the workplace.
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 | 0,051 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,017 |
| Communication savante | 0,022 | 0,009 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,010 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».