Gestionnaires compatissants pour des employés performants et heureux : examen du rôle médiateur du climat émotionnel
Notice bibliographique
Résumé
En 2023, l’Observatoire québécois de la santé et du mieux-être au travail a constaté que 25,4 % des 6 602 travailleurs interrogés présentaient des symptômes d’épuisement professionnel. Quels leviers prioriser afin de réduire cette statistique tout en répondant aux besoins de performance des organisations ? Il existe à l’heure actuelle une opportunité de contribuer à la littérature scientifique en précisant la façon dont le gestionnaire peut soutenir le bien-être et la performance de ses équipes. C’est pourquoi la présente recherche examine le rôle contributif de la compassion managériale dans le soutien d’un climat émotionnel positif, de la performance des employés et de la réduction de leur niveau d’épuisement émotionnel. La collecte de données a eu lieu par questionnaires autoadministrés dans un milieu bancaire italien et rassemble 77 gestionnaires et leurs employés. Des analyses de corrélation, des régressions linéaires ainsi que des analyses de médiation ont été conduites avec la macro PROCESS de SPSS (version 3.5.3). Les résultats révèlent des liens significatifs unissant la compassion managériale et la performance ainsi qu’entre le climat émotionnel et le niveau d’épuisement émotionnel rapporté. Enfin, l’étude répond aux appels récents de San Roman Niaves (2023) et de Farr Wharton et al. (2023) en évaluant empiriquement l’effet de la compassion managériale sur plusieurs variables clés, ouvrant des pistes d’intervention pour les organisations désireuses de concilier santé et performance.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».