A Multilevel Analysis of Changes in Psychological Demands over Time on Employee Burnout
Notice bibliographique
Résumé
In pursuing this study, we were interested in the effect of changes in psychological demands over time on burnout. We were also interested in examining the moderating role resources could play between changes in job demands over time and employee burnout. Multilevel regression analyses of repeated measures were conducted to capture the hierarchical structure of the data (time (Level 1, n = 537 (12-month period between T1 and T2)); employees (Level 2, n = 289)) nested in firms (Level 3, n = 34). To measure change in psychological demands, the distribution of psychological demands at T1 and T2 were dichotomized at the T1 median. Following this dichotomization, four groups were created: low T1 and low T2; high T1 and low T2; low T1 and high T2, high T1 and high T2. In terms of direct associations, an increase in psychological demands over time was associated with emotional exhaustion and cynicism but not professional efficacy. Locus of control, self-esteem, and social support from supervisors were also directly associated with burnout. As for interaction effects, social support from coworkers attenuated the effect of changes in psychological demands over time (i.e., increasing psychological demands) on cynicism. In other words, employees facing greater psychological demands over time (increasing psychological demands) and benefitting from social support from their coworkers had less cynicism. Our findings offer meaningful insights into possible ways of lowering burnout levels. Based on the results obtained, psychological demands, social support, locus of control, and self-esteem should be considered valuable intervention targets.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».