On the nature, predictors, and outcomes of work passion profiles: A generalisability study across distinct types of employees
Notice bibliographique
Résumé
Thus far, little research has adopted a person-centred approach to investigate the nature of work passion profiles. As a result, our understanding of the most commonly occurring combinations of harmonious passion (HP) and obsessive passion (OP) in the workplace remains limited. To achieve a more refined understanding of the nature of these work passion profiles, our first aim was thus to identify the configurations of HP and OP for work observed among five samples, including 11 subsamples, of employees (N = 7258). Then, we also considered the extent to which these profiles and their associations with theoretically-relevant predictors (work-home segmentation and organisational support) and outcomes (work engagement, work-family conflict, turnover intentions, presenteeism, and counterproductive work behaviours) generalised across all subsamples. We identified a total of five profiles with a structure that differed slightly across samples: High OP Dominant, High HP Dominant, Average HP Dominant, Low HP Dominant (i.e., low levels of passion dominated by higher levels of HP relative to OP), and Moderately Low Passion. The High OP Dominant profile was systematically the most prevalent (37.5%-54.1% of the sample), whereas the High HP Dominant was the least prevalent (2.1%-7.7%). Across all samples, work-home segmentation was related to a higher likelihood of membership into the profiles characterised by higher, relative to lower or moderate, levels of passion (HP and OP), whereas organisational support also helped employees to stay away from the High OP Dominant profile. Lastly, the least desirable outcomes were observed in the High OP Dominant profile, whereas the most desirable outcomes were observed in the High HP Dominant profile. Interestingly, work engagement levels where comparable in these two profiles. Beyond their theoretical implications for research on work passion, these results highlight how work passion has highly similar implications across contexts.
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 | 0,021 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».