Understanding and Supporting Grief in the Professional Environment
Notice bibliographique
Résumé
This symposium contributes to the Academy of Management’s conference theme “Innovating for the Future: Policy, Purpose, and Organizations,” showcasing five papers that highlight the impact of personal and professional grief on work and personal well-being. Loss and grief are inevitable parts of personal and professional life. Despite how common, yet critical grief-related experiences may be in workers’ lives, management scholarship on the topic remains limited in its understanding of (1) the personal beliefs and understandings people within organizations hold about grief and the influence these beliefs may have on the experience of grief at work, (2) the nuanced varieties in grieving employees’ experiences with personal and professional loss contributing to how workers communicate, make sense of, and move forward with their grief and (3) how colleagues, leaders, and organizations can best support grieving employees. This symposium includes mixed methods, qualitative, and quantitative research perspectives that enrich the current understanding of grieving workers’ beliefs and experiences and provides research-based recommendations for organizations in managing and supporting grieving individuals. Together, with discussion led by Professor Olivia “Mandy” O’Neill, these papers aim to provide insights into the processes and outcomes of grief and mourning for employees, their colleagues, and organizations, engage an emerging community of scholars focused on issues related to grief, well-being, and the work-life interface, and generate a strong program of future academic research. How Lay Theories About Grief Influence Grieving Employees’ Work Experiences Author: Yu Tse Heng; U. of Virginia - McIntire School of Commerce Author: Elizabeth E. Stillwell; London School of Economics and Political Science Author: Samantha Dodson; Haskayne School of Business, U. of Calgary Grief in Fertility Treatment: Unintentional Childless Women’s IVF Challenges Author: Lara Bertola; Rennes School of Business Author: Esra Paca; Rennes School of Business Author: Ozlem Ozkok; Rennes School of Business Author: Tunyaporn Vichiengior; Rennes School of Business Author: Julia Roloff; Rennes School of Business Physicians’ worsened mental health in the face of end of life, death, trauma and pathological grief Author: Thibaud Damy; Henri Mondor Hospital, France Author: Rebecca DICKASON; CREM UMR 6211, U. of Rennes Author: Erwan Flécher; Rennes Hospital, France Author: Frédéric Pochard; Famirea Group, France Author: Sophie Provenchère; Bichat Hospital, France Author: Véronique Thoré; Nancy Hospital, France Employee Motivations to Return to Work Following Bereavement Author: Rebecca Cairns; Saint Mary’s U. Author: Stephanie Gilbert; Cape Breton U. Author: E Kevin Kelloway; St. Mary's U. Author: Jennifer Dimoff; Telfer School of Management, U. of Ottawa Author: Jane Mullen; Mount Allison U. Author: Michael Teed; Bishop’s U. An investigation into Employee Experiences of Bereavement Support in the Workplace Author: Emily Allan; Xtra Mile Marketing Author: Oluseyi Aju; Leeds Beckett U.
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 | 0,016 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,024 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».