Moral injuries and wellbeing: evidence from the Canadian Defence
Notice bibliographique
Résumé
Mentally dissociating from Potential Moral Injurious Events (PMIEs) is important in building resilience. It eliminates the unnecessary guilt, shame, and emotions associated with moral injuries. This chapter aims to improve the effectiveness of military forces’ resilience-building efforts in the context of Moral Injury (MI) for their well-being and work-life balance. Specifically, this study synthesizes knowledge about soldiers with guilt, shame and loss of trust and how committal or non-committal to an act harms in battle conflict. We used qualitative study and triangulation methodology to develop a framework based on a literature review synthesis, anecdotal evidence and years of the author’s interviews, experience and insight. Our framework indicates that the mental ability to dissociate from PMIE is an essential component of resilience, which serves as a buffer and moderates the relationship between PMIE exposure and MI occurrence. The soldiers should not have long-lasting self-blame, regret, and anger, as they are irrelevant due to the nature of the combatant’s role. This study has two implications for human resource training managers. First, this study develops a framework that can be used to identify factors that contribute to the effectiveness of the resilience-building process. Second, an inverse correlation between dissociation from PMIEs and the mental status of soldiers’ MI diagnosis outcome is a ground for pre-deployment training to include the particular strength in resilience building, which results in striking a work-life balance. For future research, the proposed framework can be empirically tested internationally for its effectiveness across cultures.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».