An Evaluation of Stress and Burnout in Education and Its Impact on Job Performance and Work Life Quality
Notice bibliographique
Résumé
Stress and burnout in education is the result of a teacher experiencing unpleasant, negative emotions—such as anger, anxiety, tension, frustration, or depression—that have an impact on their job performance (Carroll et al., 2021). Job performance is identified as the actions or behaviors that are relevant to an organization’s goal and is measured by each individual’s proficiency (Conte & Landy, 2019). Campbell identified multiple factors that contribute to job performance that are declarative knowledge, procedural knowledge, and motivation (Conte & Landy, 2019). Variables can impact and have a direct impact on one’s performance if one of the factors are changed (Conte & Landy, 2019). One of the biggest factors of job performance is burnout and stress and its impact on a teacher’s motivation. Burnout is described as prolonged or chronic job stress that happens over time and is consistent and repeated (Hills, 2019). Burnout is marked by exhaustion; feeling emotionally drained; cynicism/less identification with the job; alienation; and feelings of reduced professional ability. This reduced capacity means that some people do not see any value to what they are doing or contributing (Hills, 2019). What happens to an individual who becomes burned out is that there is the extinction of motivation or incentive to a cause (i.e., the organization) (Hills, 2019). When looking at reasons for burnout/demotivating conditions, several areas of concern are highlighted that include a lack of control, lack of resources, unclear or impossible job expectations, dysfunctional workplace, a mismatch in workplace values, poor job fit, and work–life imbalance (Hills, 2019).
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».