MétaCan
Menu
Retour à la cohorte
Enregistrement W7065590010

An examination of whether work culture influences victimization and harassment of federal correctional officers

2020· article· en· W7065590010 sur OpenAlexaboutno aff

Notice bibliographique

RevueArca (British Columbia Electronic Library Network) · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Governance and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarassmentComplaintOffensiveStressorWork (physics)Service (business)Public serviceWorkplace bullyingHuman resource managementControl (management)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper was to examine possible factors that may contribute to workplace harassment for correctional officers employed with the Correctional Service of Canada by examining the results from the 2019 Public Service Employee Survey (PSES). An analysis of the results indicates that 36% of correctional officers reported harassment on the job. The most common types of harassment that correctional officers reported were offensive remarks, unfair treatment, being excluded or ignored, aggressive behaviour, personal attacks, and humiliation. With respect to the source of harassment, the findings indicate that supervisors and managers were the leading source of those engaging in harassment behaviours within CSC. Fear of reprisal was the most common reason reported for why correctional officers did not file a complaint of harassment. The most common operational and organizational stressors reported were not enough employees to do the work, pay or other compensation-related issues, lack of control or input in decision-making, competing or constantly changing priorities, lack of recognition, and lack of clear expectations. An analysis of CSC’s response to harassment revealed that current initiatives are ineffective and may perpetuate workplace harassment. Several recommendations are made on how CSC should address harassment going forward, such as utilizing human resources and establishing a complaint process that is free of conflict of interest and employs an external independent review body to oversee the process.

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)0,002
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,320
Score d'incertitude au seuil0,635

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,169
Écart entre enseignants0,163 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArca (British Columbia Electronic Library Network)Même sujetCorporate Governance and ManagementTravaux en français237 207