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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».