Comparative analysis of work-related factors associated with burnout and its dimensions among nursing faculty in Canada and the United States
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to investigate and compare burnout and its dimensions-exhaustion, cynicism and professional efficacy-across workplace and socio-demographic characteristics among nursing faculty in Canada and the United States (U.S.). BACKGROUND: Burnout among nursing faculty affects the availability and retention of educators, crucial for producing qualified nurses to meet healthcare demands. Despite its significance, research in this area remains limited. DESIGN: A correlational cross-sectional survey was used. METHODS: An online survey was administered to 640 nursing faculty in Canada and 111 in the U.S. Burnout was measured using the Maslach Burnout Inventory and multivariate linear regression identified predictors of burnout. RESULTS: Overall, 62.4 % of participants reported moderate to high burnout. Canadian faculty were primarily involved in undergraduate and graduate education, whereas U.S. faculty devoted more time to service activities. Predictors of burnout and its dimensions varied by country. In Canada, older faculty (≥60 years) and those with a nursing diploma reported lower burnout, while those with a Doctor of Nursing Practice reported higher levels. In the U.S., burnout was higher among younger faculty (≤39 years), those with more teaching hours and lower among non-tenured faculty. CONCLUSION: Factors influencing burnout differ between Canada and the U.S., reflecting variations in academic environments. Tailored interventions, such as workload balancing and targeted support, are essential for addressing burnout and improving faculty retention.
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 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».