Building mentally healthy workplaces: developing the SUPPORT framework for values-driven leadership & business practices
Notice bibliographique
Résumé
Workplace mental health and wellbeing are essential for fostering a productive, engaged, and resilient workforce. While core business values are central to the WHO Healthy Workplace Model (WHO, 2010), research on their role in workplace mental health remains limited. The SUPPORT Business Values Framework addresses this gap by identifying core values and guiding principles to support a strategic, values-driven approach to workplace wellbeing. Using a mixed-methods design, 35 organisations from the UK and Ireland participated in employee-wide surveys assessing psychosocial safety climate (PSC; Dollard & Bakker, 2010), wellbeing, and productivity. High-PSC organisations were identified using standardised PSC-4 benchmarks (Berthelsen et al., 2020) and formed the basis for best practice case studies. Semi-structured interviews with leaders and employees (n=26) were analysed using inductive thematic analysis (Braun & Clarke, 2006), revealing seven key values underpinning the SUPPORT Framework: Safety, Understanding, People-focused, Protect & Promote Workplace Health, Openness & approachability, Rest, balance & recovery, and Transparency & trust. The framework defines each of these values and their associated guiding principles. To refine the framework and explore its practical application, follow-up interviews with case study participants (n=6) and a focus group with business leaders (n=10) were conducted. Additionally, semi-structured interviews with an international panel of workplace health experts (n=10) provided empirical validation and implementation. This paper presents the empirically derived SUPPORT Framework and offers reflections on fostering values-driven leadership to enhance workplace mental health through strategic application of the framework.
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 | 0,015 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,017 |
| Communication savante | 0,015 | 0,009 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».