MétaCan
Menu
Retour à la cohorte
Enregistrement W4385495624 · doi:10.9734/bpi/cidhr/v4/6845a

A Qualitative Descriptive Study: The Realities of Workplace Bullying

2023· book-chapter· en· W4385495624 sur OpenAlexaff
Carol Rocker

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueWorkplace Violence and Bullying
Établissements canadiensIsland Health
Organismes subventionnairesnon disponible
Mots-clésWorkplace bullyingLonelinessNursingSeclusionHarassmentPsychologyBurnoutStaffingHealth careWorkforceIsolation (microbiology)FeelingSocial psychologyMedicineClinical psychologyPolitical sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

This chapter decribes the narratives of individuals experiencing bullying in their workplace, significant to their understanding of solutions, perspectives, and attitudes toward bullying behaviors. Previous research outlined contributing factors-change in leadership, rigid bureaucracy, negative workplace culture pitting nurses against the nurse, loss of space, nursing the patients in hallways, and low healthcare quality linked to inadequate staffing. Develops a cost-benefit argument for organizations to deal with the issue and comments that despite the overwhelming benefits, few organizations appear to have workplace bullying on their agenda. Self-reported symptoms of healthcare professionals include depression, loneliness, isolation, and dread, as well as feelings of despair, helplessness, and job loss. The prior research's limitations prevent managers from finding effective solutions to the bullying problem. Bullying ought to be given the same legal standing as workplace violence and harassment. Nobody should have to endure the negative effects of being bullied at work by people of all ages. Findings suggest is no longer no longer fixed to older nurses eating their young, but the reversal is true of younger nurses skillfully suggesting that older nurses no longer belong in the workforce, asking them about their retirement plans. Future implications significant to this study are upcoming healthcare staffing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0120,007
Communication savante0,0040,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,159
Tête enseignante GPT0,396
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWorkplace Violence and BullyingTravaux en français237 207