Finding Your Totem: A Digital Intervention to Promote Strengths-Oriented Feedback Within Work Teams
Notice bibliographique
Résumé
Workplace strengths interventions have been linked to improved worker well-being and performance, but their accessibility and sustainability are often questioned. This research examined the impact of an online strengths-based activity, the Totem activity, on need satisfaction, autonomous motivation, psychological well-being, and perceived team effectiveness. Using a mixed-methods approach combining quasi-experimental and longitudinal design features, we studied the outcomes of this activity on a sample of full-time workers (n = 395) and contrasted them to those of a control group (n = 61). Data was gathered pre- and post-intervention for both groups, with the experimental group providing additional feedback three weeks post-intervention. The findings revealed that the experimental group displayed notable increases in all of the outcome variables post-intervention compared to the control group, with effect sizes varying from low to medium. Longitudinal analyses via a latent change score model (LCSM) indicated that changes in need satisfaction post-intervention were predictive of shifts in work motivation, psychological well-being, and team effectiveness over three weeks. Additionally, autonomous motivation appears to partially mediate the link between changes in need satisfaction pre- and post-activity and the shifts in perceived team effectiveness over three weeks. However, variations in need satisfaction consistently emerged as the sole significant predictor of well-being during the same period.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».