Las emociones como predictoras del engagement laboral en docentes de una institución educativa privada del Perú
Notice bibliographique
Résumé
El presente estudio tuvo como objetivo determinar el nivel de engagement en docentes de una entidad educativa privada en el Perú, y si es que sus emociones predicen dicho nivel de engagement. Con el fin de sustentar teóricamente las hipótesis planteadas, se utilizó el Modelo Circumplejo de Emociones de Russell (2005); asimismo, dicho modelo, complementado por Bakker y Oerlemans (2011), fue utilizado para la variable engagement. El diseño de la investigación fue de tipo cuantitativo, explicativo, no experimental y transversal; en él participaron 293 docentes pertenecientes a la región Lima Sur, de los tres niveles escolares (inicial, primaria y secundaria) de la institución educativa mencionada. Los resultados encontrados en este estudio demostraron que las emociones predicen significativamente el engagement; en ese sentido, se halló que las emociones positivas predicen positivamente el engagement y las negativas lo predicen negativamente, en particular, con mayor incidencia en la dimensión vigor para ambos casos. Basados en los resultados indicados, se desarrolló un plan de acción a ser implementado en la organización seleccionada, cuyo objetivo busca optimizar y mantener el nivel de engagement en la organización; asimismo, busca promover las emociones positivas y reducir las negativas en sus docentes.
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 | 0,001 | 0,004 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».