MétaCan
Menu
Retour à la cohorte
Enregistrement W7047751570

Hyvinvoiva työyhteisö työhyvinvointisuunnitelmalla

2022· other· fi· W7047751570 sur OpenAlexaboutno aff

Notice bibliographique

RevueTheseus (Ammattikorkeakoulujen) · 2022
Typeother
Languefi
DomainePhysics and Astronomy
ThématiqueLightning and Electromagnetic Phenomena
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Statistical analysisContext (archaeology)Government (linguistics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Opinnäytetyön tavoitteena oli kehittää Kainuun keskussairaalan leikkaus- ja anestesiaosaston työyhteisön sairaanhoitajien työhyvinvointia. Tutkimuksessa selvitettiin, miten työhyvinvointia voitaisiin edistää ja sen myötä laatia osastolle työhyvinvointisuunnitelma osallistavia menetelmiä hyödyntäen. Opinnäytetyön metodologiana oli toimintatutkimus. Toimintatutkimuksen valinta tämän tutkimuksen tutkimusmenetelmäksi oli perusteltua, koska toimintatutkimuksen tarkoitus on synnyttää toimintaa, joka pohjaa nykyisiin käytäntöihin mutta pyrkii tulevaisuudessa muuttamaan niitä. \nEnsimmäisen syklin tarkoituksena oli selvittää henkilöstön tämänhetkistä työhyvinvointia. Mitä on henkilökunnan kokema tämänhetkinen työhyvinvointi? Työhyvinvoinnin nykytilaa kartoitettiin Hyvän työpaikan kriteerit-kyselyn avulla. Hyvän työpaikan kriteerit pohjautuvat suomalaiseen työhyvinvoinnin tutkimuskirjallisuuteen, aiemmin laadittujen hyvien työpaikkojen kriteeristöjen tarkasteluun ja hyödyntämiseen sekä amerikkalaiseen magneettisairaala-ajatteluun. Kriteerien tarkoituksena on herättää ajattelua työilmapiiristä, työhyvinvoinnista ja kriteerit ovat apuväline työyhteisöjen kehittämiseen omatoimisesti. Aineiston analysointi tapahtui tilastollisesti kuvaavalla analyysilla. Saadut tulokset auttoivat täsmentämään työhyvinvoinnin kehittämisen tarvetta osastolla. \nToisen syklin tarkoituksena oli kartoittaa järjestelmällisen kirjallisuuskatsauksen avulla mikä edistää työntekijöiden työhyvinvointia. Mitkä tekijät edistävät järjestelmällisen kirjallisuuskatsauksen mukaan työhyvinvointia? Järjestelmällinen kirjallisuuskatsaus tehtiin, jotta tutkittavaa aihetta voitaisiin ymmärtää kattavammin aiheesta aiemmin tehdyn tutkimuksen perusteella. Aineisto analysoitiin deduktiivisesti eli teorialähtöisesti, jolloin analyysiä ohjaa luokittelurunko, joka pohjaa aiempaan tietoon. Järjestelmällisen kirjallisuuskatsauksen tuloksissa työhyvinvointia edistäviä tekijöitä olivat asiantuntijuuden kehittäminen, työn palkitsevuus, kollegiaaliset suhteet ja osallistava johtaminen. Kirjallisuuskatsauksen tulokset vahvistivat Hyvän työpaikan kriteerit-kyselystä nousseita kehittämisen tarpeita. \nKolmannen syklin tarkoituksena oli kuvata työhyvinvointisuunnitelma työyhteisön kanssa. Mitä sisältää osallistavin menetelmin laadittu työhyvinvointisuunnitelma? Työhyvinvointisuunnitelman kuvaamiseen hyödynnettiin Learning Cafe-menetelmää. Learning Cafe on menetelmänä yksinkertainen ja siinä keskitytään valittujen teemojen ja kysymysten ratkaisuun ryhmässä. Keskeistä menetelmässä on hyödyntää osallistujien omia kokemuksia ja asiantuntijuutta. Tilaisuudesta muodostunut aineisto analysoitiin induktiivisella sisällönanalyysilla. Kehittämiskohteiksi muodostuivat työyhteisötaidot, työn ja työajan organisoinnin kehittäminen, osaamisen kehittäminen, johtajuus ja esihenkilötyö sekä palkitsevuus. \nNeljännen syklin tarkoituksena oli henkilöstön kanssa kuvata käyttöönotto- ja arviointisuunnitelmat sekä vakiinnuttaa toimintaa. Miten toteutetaan osallistavin menetelmin laadittu työhyvinvointisuunnitelman käyttöönottosuunnitelma? Käyttöönottosuunnitelman kehittämisessä hyödynnettiin mukaillen Ottawa-mallia. Toimintaympäristön arviointiin käytettiin Kainuun keskussairaalan leikkaus- ja anestesiaosastolle vuonna 2021 tehtyä työelämän laadun (QWL) pulssikyselyn tuloksia. Learning Cafe- tilaisuudessa pohdittiin käyttöönottoa estäviä ja edistäviä tekijöitä sekä koottiin yhdessä työhyvinvointisuunnitelman käyttöönottosuunnitelma.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0350,011

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 Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheseus (Ammattikorkeakoulujen)Même sujetLightning and Electromagnetic PhenomenaTravaux en français237 207