Employee Mental Health, Interpersonal Discrimination at Work, and How Human Resources Can Help
Notice bibliographique
Résumé
Poor mental health, such as depression, anxiety disorder, and substance abuse disorder, is a common health impairment across the world. For example, since 2019, 50 million adults in the U.S. have experienced poor mental health, and in Canada, approximately 500,000 working adults are unfit to work each week due to poor mental health. Given the prevalence and costs associated with mental health conditions, there is an increasing need to better understand the work experiences of employees experiencing poor mental health. The papers in our symposium join the bourgeoning body of research studying mental health, with an emphasis on the interpersonal dynamics that surround mental health at work. Each considers various forms of interpersonal or subtle discrimination employees might encounter at work as a result of stigma towards mental health. Together the papers represent different lens, including how leaders respond to their employees’ disclosure of a mental health identity, how employees respond to their leaders’ poor mental health, and how employees’ respond to coworkers’ mental health accommodations. The symposium will conclude on a more positive note with a discussion around what organizations can do to help alleviate some of these detrimental interpersonal dynamics. Under Pressure: Exploring Mental Health Disclosures and Supervisor Reactions Author: Ekonkar Kaur; U. of Washington, Seattle Author: Ryan Fehr; U. of Washington, Seattle Employees’ Perceptions of Fairness towards Coworkers’ Accommodations for Mental Health Conditions Author: Daniel James Quintal-Curcic; Telfer School of Management, U. of Ottawa Author: Jane O'Reilly; Telfer School of Management, U. of Ottawa Author: Laurent Lapierre; Telfer School of Management, U. of Ottawa Author: Silvia Bonaccio; Telfer School of Management, U. of Ottawa Mental Illness Stigma Towards Leaders: Consequences for Followers’ Motivation and Performance Author: Michaela Scanlon; Smith School of Business, Queen's U. Author: Julian Barling; Queen's U. Senior Leaders’ Perceptions of the National Standard for Psychological Health and Safety at Work Author: Amanda J. Hancock; U. of Regina Author: Kara Anne Arnold; Memorial U. of Newfoundland Author: Ivy Bourgeault; U. of Ottawa
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,010 |
| Communication savante | 0,016 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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 ».