Towards Inclusive Futures for Worker Wellbeing
Notice bibliographique
Résumé
The global COVID-19 pandemic has spurred on new collaborations across borders, and emphasized the importance of supporting wellbeing in the workplace, whether that workplace is hybrid, remote, or in-person. Work in CSCW, HCI, and organizational psychology has explored how people come to understand their wellbeing at work, and the role of identity, culture, and organizational factors in that process. In this study, we build on this past research and explore the importance of these factors when designing tools that support worker wellbeing for location-independent teams. We ask the question: how did organizational, cultural, and individual factors influence how workers understood their workplace wellbeing needs during the move to remote work? To investigate this question, we conduct a large scale linguistic analysis of 13,265 diary entries collected between 2020 - 2022, and complement it with in-depth interviews with 26 global employees, exploring intersections between technology, context, and wellbeing needs. We utilize this data to analyze the broader human infrastructure supporting hybrid and remote work, demonstrating how ideas around wellbeing are influenced by the (often technology-mediated) environment around both information and essential workers, and power differentials within it. Building on our findings, we provide recommendations for how technology design can better support more diverse and inclusive forms of worker wellbeing.
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 | 0,021 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,032 |
| Communication savante | 0,024 | 0,025 |
| Science ouverte | 0,002 | 0,040 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».