MétaCan
Menu
Retour à la cohorte
Enregistrement W4417020316 · doi:10.1108/978-1-68123-341-320251010

Work-Related Stress, Psychological Well-Being, and Work Engagement

2015· book-chapter· en· W4417020316 sur OpenAlexaboutno aff
Ana Alice Vilas Boas, Estelle M. Morin

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueOccupational Health and Burnout
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork engagementWorkloadSample (material)PerceptionReliability (semiconductor)Regression analysisAffect (linguistics)Quality (philosophy)

Résumé

récupéré en direct d'OpenAlex

The purpose of this chapter is to try to understand how stress, psychological well-being, and work engagement affect the quality of working life at public universities in the Brazilian state of Minas Gerais and in Quebec. As such, we describe the effects on and relationships between work-related stress, workload, psychological well-being, work engagement and the QoWL of university professors, trying to identify the main differences in perception regarding these variables in both groups. The sample comprised 274 professors from Minas Gerais and 252 from Quebec. Data were collected using an online questionnaire sent through the Survey Monkey to six universities in the first semester of 2013. The data were analyzed using at SPSS version 21. The reliability analysis showed that the tested variables are consistent with Morin’s model (2008), allowing us to assess QoWL at universities. There were significant differences in the average perceptions of Minas Gerais and Quebec professors for work-related stress, physical and mental workload and number of daily hours worked. In order to further explore these results, we used a linear regression analysis that showed that physical workload, psychological well-being and gender determine the work-related stress scores.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,390
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0240,006

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 Opus0,133
Tête enseignante GPT0,446
Écart entre enseignants0,313 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOccupational Health and BurnoutTravaux en français237 207