MétaCan
Menu
Retour à la cohorte
Enregistrement W4413051808 · doi:10.1097/jom.0000000000003520

A Mixed-Methods Evaluation of Total Worker Health® Training Transfer in México

2025· article· en· W4413051808 sur OpenAlexaff
Natalie V. Schwatka, Madison Goering, Carol Brown, Diana Jaramillo, Liliana Tenney, Karely Villarreal Hernandez, David Shapiro, Serena Rice, Joaquín Barnoya, Mauricio Hernández‐Ávila, Rebeca Velasco Reyna, Ricardo Alonso Rivera Beltran, Gabriel Alejandro Real-Ornelas, Claudia Gorian Montealegre, Lee S. Newman

Notice bibliographique

RevueJournal of Occupational and Environmental Medicine · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueHuman Resource Development and Performance Evaluation
Établissements canadiensFirst Nations University of Canada
Organismes subventionnairesnon disponible
Mots-clésWorkforceTraining (meteorology)Medical educationWork (physics)PsychologyTransfer of trainingWork environmentOccupational medicineMedicineOccupational exposureEnvironmental healthPolitical scienceSocial psychologyEngineeringJob satisfaction

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This study evaluated training transfer after a Total Worker Health (TWH) training with Mexican safety engineers and occupational medicine physicians and residents. METHODS: We used a mixed-methods analysis to assess responses before and after training and 3 months after. RESULTS: Nearly three quarters (73%) of the participants applied a TWH concept from the course into their work. Over half (52%) of the participants worked to change the way they applied the TWH approach, and examples included broadened awareness of what health means at work and the need for workforce engagement. While changes in TWH practices occurred, gaps remained. CONCLUSIONS: The TWH training facilitated behavior changes, particularly in leadership for TWH practices. Factors supporting skill transfer included a national-level TWH-type program, positive mindsets, and willingness to implement change. Additional training is needed to address specific skills in TWH risk assessment and controls.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,854
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,445
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Occupational and Environmental MedicineMême sujetHuman Resource Development and Performance EvaluationTravaux en français237 207