Unraveling Job Stress, Burnout, and Psychological Capital among Chinese EFL Teachers in Higher Institutions
Notice bibliographique
Résumé
This study delves into the status quo, variations based on demographic information, and the relationship between job stress, burnout, and Psychological Capital (PsyCap) among Chinese English as Foreign Language (EFL) teachers in higher institutions. The investigation utilized a questionnaire for data collection and analysis. 297 EFL teachers from various institutions in China were recruited between July and October 2023. The data underscores that Chinese EFL instructors in higher institutions experience moderately high levels of stress, burnout, and PsyCap. However, when compared to stress and burnout levels, PsyCap emerges as relatively lower. The statistical results revealed that male teachers report significantly higher stress levels than their female counterparts; no difference was identified in job burnout indicators; among four indicators in PsyCap, male teachers exhibit significantly higher self-efficacy compared to female teachers. Private school teachers face elevated levels of stress and increased burnout compared to their public school counterparts, alongside possessing lower levels of PsyCap than those in public schools. Positive correlations exist between job stress and burnout, and negative correlations with PsyCap. PsyCap partially mediates the stress-burnout relationship, with indicators like hope and resilience playing a mediating role. This research may offer some guidance for educators, institutions, policymakers, and researchers to enhance the well-being of Chinese EFL teachers in various educational settings.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».