Daily challenge-hindrance stress and work engagement in preschool teacher: the role of affect and mindfulness
Notice bibliographique
Résumé
BACKGROUND: The engagement of preschool teachers in their work is pivotal for maintaining teaching quality, ensuring teacher well-being, and fostering children's development. Despite its significance, there is limited knowledge regarding the daily fluctuations in work engagement and the underlying factors influencing it. This study, guided by the Job Demands-Resources model and Affect Event Theory, utilized an experience sampling methodology to investigate the impact of challenge and hindrance stressors on daily work engagement, as well as the mediating role of affect and the moderating effect of mindfulness. METHODS: Utilizing an experience sampling method, this study collected data from 220 preschool teachers in Shanghai over five consecutive workdays, conducting surveys once daily. Data analysis was performed using multilevel linear models. RESULTS: The results from multilevel regression indicated that: (1) daily challenge stressors were positively related to work engagement, (2) daily hindrance stressors were negatively related to work engagement, (3) daily positive affect mediated the relationship between challenge stressors and work engagement, (4) daily negative affect mediated the relationship between hindrance stressors and work engagement, and (5) daily mindfulness played a crucial moderating role by alleviating the adverse effects of hindrance stressors on daily negative affect. CONCLUSIONS: This study provides valuable insights into the daily experiences of preschool teachers and the factors that influence their work engagement. Understanding the impact of stressors, affect, and mindfulness on work engagement can inform the development of interventions and strategies to improve teacher well-being and work engagement.
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 | 0,002 | 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 ».