Um estudo comparativo sobre a abordagem da satisfação no trabalho entre três escalas de medidas comportamentais
Bibliographic record
Abstract
Uma vez que escalas psicométricas podem ser aplicadas para orientar políticas e práticas de gestão de pessoas, inclusive para se avaliar como se apresenta a satisfação no trabalho, de maneira geral, em uma determinada organização, este estudo consistiu em uma análise de como são estruturadas três escalas aplicadas no contexto brasileiro. Partiu-se do objetivo de comparar a abordagem do tema satisfação ao se analisar e delimitar convergências e complementaridades entre a Escala de Satisfação no Trabalho (EST), Escala de Satisfação no Trabalho do Occupational Stress Indicator (EST-OSI) e o Questionário de Satisfação no Trabalho S20/23. Desenvolvida, assim, uma pesquisa documental (visto que as análises se concentraram em como essas escalas são apresentadas para serem aplicadas), foi relevante considerar contribuições de pesquisas básicas, com ênfase sobre a projeção de teorias que possam ser apropriadas para a criação de instrumentos plausíveis de serem empregados no desenvolvimento de pesquisas aplicadas. Constata-se, nesta pesquisa, a criação dos itens das escalas analisadas com embasamento nas proposições de Frederick Herzberg, Victor Vroom e Edwin Locke. Cada um desses teóricos enfatiza aspectos específicos que possam servir de compreensão para se caracterizar e definir a satisfação no trabalho, ainda que existam diferentes maneiras de conceituar este tema. Consolidadas as análises de como as três escalas são compostas, foi possível observar semelhanças sobre como abordam fatores que influenciam a satisfação, viabilizando sugestões para futuras pesquisas concentradas na criação de um novo instrumento que unifique os itens projetados em cada uma das escalas abordadas neste estudo.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.037 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".