Effects of Work-Life Balance Training Programs on Employee Job Motivation: A Quantitative Analysis
Notice bibliographique
Résumé
This study aims to evaluate the efficacy of work-life balance training on improving job motivation among employees, utilizing a controlled experimental design to assess changes over time and sustainment of these changes post-intervention. A total of 40 participants were divided equally into experimental and control groups. The experimental group received work-life balance training, while the control group did not. Job motivation was measured for both groups at three time points: pre-test, post-test, and follow-up (three months post-intervention), using standardized questionnaires. Descriptive statistics and Analysis of Variance (ANOVA) with repeated measurements, followed by Bonferroni Post-Hoc tests, were employed to analyze the data. The experimental group showed a significant increase in job motivation from the pre-test (M=92.40, SD=20.10) to the post-test (M=110.73, SD=22.15), which was sustained at the follow-up (M=110.09, SD=22.49). In contrast, the control group's job motivation scores remained stable and showed no significant improvement. ANOVA results confirmed significant effects of time, group, and time × group interaction on job motivation, indicating the positive impact of the work-life balance training. Work-life balance training significantly improves job motivation among employees, with effects that are maintained over a medium-term period. This suggests that such interventions can be an effective strategy for organizations looking to enhance employee well-being and job motivation.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».