The Role of Grit and Zest for Life in Enhancing Work Engagement: A Cross-Sectional Study
Notice bibliographique
Résumé
This study aims to investigate the relationships between work engagement, grit, and zest for life among working adults. Specifically, it examines how grit and zest for life predict work engagement, providing insights into the psychological traits that foster employee motivation and productivity. A cross-sectional design was employed, involving 153 participants selected based on the Morgan and Krejcie table. Data were collected using three standardized tools: the Utrecht Work Engagement Scale (UWES) for measuring work engagement, the Grit Scale (Grit-O) for assessing grit, and the Zest for Life subscale from the Values in Action Inventory of Strengths (VIA-IS). Pearson correlation coefficients were calculated to examine relationships between variables, and linear regression analysis was used to determine the predictive power of grit and zest for life on work engagement. Analyses were conducted using IBM SPSS Statistics version 27. Descriptive statistics indicated moderate to high levels of work engagement (M = 4.52, SD = 1.12), grit (M = 3.84, SD = 0.76), and zest for life (M = 4.11, SD = 0.89). Correlation analysis revealed significant positive relationships between work engagement and grit (r = 0.62, p < .001) and zest for life (r = 0.58, p < .001). Regression analysis showed that grit (B = 0.45, p < .001) and zest for life (B = 0.39, p < .001) significantly predict work engagement, explaining 53% of its variance (R² = 0.53, F(2, 150) = 83.56, p < .001). The study demonstrates that both grit and zest for life are significant predictors of work engagement. These findings suggest that fostering perseverance and enthusiasm among employees can significantly enhance their engagement at work. The results have practical implications for organizational leaders and HR practitioners aiming to improve employee motivation and productivity.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».