Trajectories of Canadian Workers’ Well-Being During the Onset of the COVID-19 Pandemic
Notice bibliographique
Résumé
Abstract Research regarding workers’ well-being over time during COVID-19 has primarily used variable-centered approaches (e.g., ANOVA) to explore changes in negative well-being. However, variable-centered approaches provide insufficient information on the different well-being experiences that diverse workers may have experienced during COVID-19. Furthermore, researchers have understudied positive well-being in workers’ general lives and work during COVID-19. We used latent trajectory analysis, a person-centered analysis, to explore diverse well-being trajectories Canadian workers experienced during the first few months of COVID-19 across distress, flourishing, presenteeism, and thriving at work measures. We hypothesized that: H1) Intragroup differences would be present on each well-being indicator at study onset; H2) Different longitudinal trajectories would emerge for each well-being indicator (i.e., some workers’ scores would get better, some would get worse, and some would remain the same); and H3) Factors at different ecological levels (self, social, workplace, pandemic) would predict membership to the different trajectories. Canadian workers (N = 648) were surveyed March 20-27th, April 3rd-10th, and May 20-27th of 2020. Depending on the well-being indicator, and supporting H1, three to five well-being trajectories were identified. Providing some support for H2, distress and presenteeism trajectories improved over time or stayed stagnant; flourishing and thriving at work trajectories worsened or stayed stagnant. Providing some support for H3, self- (gender, age, disability status, trait resilience), social- (family functioning), workplace- (employment status, financial strain, sense of job security), and pandemic-related (perceived vulnerability to COVID-19) factors significantly predicted well-being trajectory membership. Recommendations for diverse stakeholders (e.g., employers, mental health organizations) are discussed.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».