Finding your Totem: unveiling the effects of a positive technology intervention on employees’ well-being and perceived team effectiveness with self-determination theory
Notice bibliographique
Résumé
Virtual work presents numerous benefits in contemporary workplaces yet concurrently might pose substantial challenges, notably impacting employees’ well-being and team dynamics. This study investigated the Totem activity, a digital gamified team exercise designed to promote employees’ strengths. Drawing on Self-Determination Theory (SDT), it is proposed that the intervention positively influences employees’ well-being and perceived team effectiveness by enhancing need satisfaction and autonomous motivation. Using an experimental design, our study examined the impact of the activity on 58 teams (n = 395) and compared it with a wait-list control group of seven teams (n = 67). The data were gathered pre- and post-intervention for both groups, with the experimental group answering a third questionnaire 3 weeks post-intervention (n = 202). Multilevel analyses revealed that the experimental group displayed notable increases in all the studied variables post-intervention compared to the control group. Longitudinal analyses using a latent change score model showed that variations in need satisfaction during the Totem activity predicted changes in work motivation, psychological well-being, and team effectiveness across 3 weeks. This study shows that a digital strengths-based team intervention like Totem is an affordable, scalable, and self-directed way to support employees’ psychological needs and, thus, overcome challenges associated with virtual work.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».