Empathy training for service employees: A mixed-methods systematic review
Notice bibliographique
Résumé
Following the surge for empathy training in service literature and its increasing demand in service industries, this study systematically reviews empirical papers implementing and testing empathy training programs in various service domains. A mixed-methods systematic review was performed to identify and describe empathy training programs and discuss their effectiveness in service quality, service employees' well-being, and service users' satisfaction. Included papers met those eligibility criteria: qualitative, quantitative, or mixed-methods study; one training in empathy is identifiable; described training(s) developed for or tested with service employees dealing with service users. We searched health, business, education, and psychology databases, such as CINAHL, Medline ABI/Inform Global, Business Source Premier, PsycINFO, and ERIC. We used the Mixed-Method Assessment Tool to appraise the quality of included papers. A data-based convergent synthesis design allowed for the analysis of the data. A total of 44 studies published between 2009 to 2022 were included. The narrative presentation of findings was regrouped into these six dimensions of empathy training programs: 1) why, 2) who, 3) what, 4) how, 5) where, and 6) when and how much. Close to 50% of studies did not include a definition of empathy. Four main empathic competencies developed through the training programs were identified: communication, relationship building, emotional resilience, and counseling skills. Face-to-face and group-setting interventions are widespread. Our systematic review shows that the 44 papers identified come only from health services with a predominant population of physicians and nurses. However, we show that the four empathic skills identified could be trained and developed in other sectors, such as business. This is the first mixed-methods, multi-disciplinary systematic review of empathy training programs in service research. The review integrates insights from health services, identifies research limitations and gaps in existing empirical research, and outlines a research agenda for future research and implications for service research.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».