Overcoming Feedback Challenges for Managers with Self-Determination Theory: A Digital Intervention
Notice bibliographique
Résumé
As technology becomes more prevalent in the workplace, managers may encounter difficulties in delivering effective feedback to employees, leading to increased stress and a reluctance to provide that feedback. This study assesses the potential advantages of a digital intervention, specifically the nimble bubble online training platform, aimed at assisting managers in overcoming these challenges. Grounded in Self-Determination Theory (SDT), this platform employs brief daily exercises over a six-week period to enhance managers' ability to provide optimal change-oriented feedback. In a randomized controlled trial, 98 managers were assigned to either an experimental group receiving the nimble bubble training or an active control group. Participants completed surveys at three time points: pre-intervention (n=98), immediately post-intervention (n=86), and four weeks follow-up (n=76). Results from multilevel analyses revealed significant positive effects of the intervention on managers' incremental and static competence, as well as reductions in stress levels and feedback avoidance behaviors. Trajectory analyses of the experimental group revealed significant negative quadratic trends for both incremental and static competence, indicating that the intervention's effects on competence initially increased but then stabilized or decreased over time. Additionally, negative linear trends were found for both feedback avoidance and stress, suggesting continuous improvement in these outcomes throughout the study period. Further analysis showed that static competence predicted lower stress levels, and incremental competence predicted decreased feedback avoidance over time. Theoretical and practical implications are discussed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».