MétaCan
Menu
Retour à la cohorte
Enregistrement W7128412847

Technostress and its impact on employees in a selected industry

2025· dissertation· cs· W7128412847 sur OpenAlexaboutno aff
René JANOUŠEK

Notice bibliographique

RevueDigital Repository (National Repository of Grey Literature) · 2025
Typedissertation
Languecs
DomainePsychology
ThématiqueTechnostress in Professional Settings
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTechnostressQuarter (Canadian coin)Work (physics)Occupational stressComputer-assisted web interviewingQuestionnaireWork stress
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The bachelor's thesis, which aims to evaluate technostress and its impact on employees in a selected industry and propose measures to reduce the impact of technostress on employees, focuses on the retail sector, where digitalization is significantly changing the nature of work activities. The theoretical part defines concepts related to stress and technostress and presents relevant models of work stress. The practical part is based on a questionnaire survey among 100 employees of selected retail units. For a deeper understanding of the issue, this research was complemented by a semi-structured interview with the manager of one of the stores. The results show that more than half of the respondents (55 %) report occasional to frequent occurrence of technostress, while a quarter (25 %) experience it on a daily basis. A statistically significant relationship was identified between the level of stress experienced and the availability of technical support (? = 29.772; p = 0.019). The level of technostress was not significantly influenced by age or gender, with length of experience and experience with the technology playing a more significant role. Employees felt insecure if they lacked support, feedback, or the opportunity for technical repetition. Based on these findings, the paper proposes specific measures in the areas of training, technical support and organisational culture to reduce the incidence of technostress.

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)0,005
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,009
Tête enseignante GPT0,325
Écart entre enseignants0,316 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Repository (National Repository of Grey Literature)Même sujetTechnostress in Professional SettingsTravaux en français237 207