Exploring Work and Non-Work Recovery: Dynamics Across Individuals, Couples, and Contexts
Notice bibliographique
Résumé
In alignment with the theme for AOM 2023, our symposium seeks to put the individual worker at the forefront and focus on how we can help essential workers recover from workplace challenges that affect them both at work and outside of work. As workers take part in intense work intervals, it necessitates a recovery period in which they can relax and recover from workplace strains and demands (Sonnentag, Mojza, Demerouti, & Bakker, 2012). Researchers have proposed four different experiences of recovery (psychological detachment, mastery, control, and relaxation; Sonnentag & Fritz, 2007), and empirical work has begun to examine how workers use these processes individually and in tandem (Bennett, Gabriel, Calderwood, Dahling, & Trougakos, 2016; Sonnentag, Binnewies, & Mojza, 2008). The prevailing assumption is that when workers recover, it not only benefits the worker’s level of strain from workplace stress but also prompts other positive outcomes for the worker. Yet, our understanding of recovery experiences has been relatively limited in terms of outcomes. While research has connected recovery processes to outcomes such as job performance (Liu, Ji, & Dust, 2021) and job engagement (Sonnentag, 2003), there remain a great deal of personal and professional outcomes that our papers seek to connect directly to recovery processes. Our symposium investigates the ways that recovery practices can enhance personal and workplace outcomes by examining both common and novel recovery processes (including sleep, leisure time, social support, and coping) and considering their impacts on individual work behavioral outcomes. Specifically, the papers in our symposium explore behavioral outcomes of physiological and psychological resource replenishment, career outcomes from dyadic leisure practices, employee voice outcomes from discussing work at home, and well-being outcomes from collections of individual coping strategies. Across these papers, we also take a dynamic approach to consider how recovery processes and subsequent effects can differ across time. Understanding Parallel & Synchronized Leisure Practices for Couples & Influence on Career Outcomes Author: Katelyn Zipay; Purdue U. Author: Catherine Kleshinski; Indiana U., Bloomington Author: Savannah Conder; Indiana U. “How Was Work Today?” An Enrichment Model of Spouse Voice Cultivation to Propel Voice at Work Author: Nathan Black; U. of Iowa Author: Daniel Newton; U. of Iowa Author: Amy Bartels; U. of Nebraska, Lincoln Author: Brandon Mathew Fogel; U. of Nebraska, Lincoln Author: Stephen Hyrum Courtright; Tippie College of Business, U. of Iowa Latent Transitions of Coping with Work-Nonwork Stressors Author: Catherine Kleshinski; Indiana U., Bloomington Author: Kelly Schwind Wilson; Purdue U., West Lafayette Author: Julia Stevenson-Street; Purdue U., West Lafayette Author: Lindsay Mechem Rosokha; Purdue U., West Lafayette
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 | 0,014 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,014 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,022 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».