Compassion envers soi au travail : exploration de l’effet médiateur du sentiment de sécurité sociale
Bibliographic record
Abstract
Les effets de la compassion envers soi ont été rarement étudiés dans le milieu du travail. Ses bénéfices sur le plan individuel pourraient rayonner sur la dynamique sociale au travail, de façon à rendre une organisation plus performante. Afin de mieux comprendre les effets relationnels et affectifs-motivationnels de la compassion envers soi en milieu organisationnel, cette étude propose un modèle médiateur explorant les mécanismes liant la compassion envers soi à la qualité des échanges entre les membres d’une équipe (aspect relationnel) et la compassion envers les autres (aspect affectif-motivationnel) par l’entremise du sentiment de sécurité sociale. Pour tester ces hypothèses, une étude longitudinale à deux temps de mesure a été menée auprès de 146 employés provenant d’entreprises canadiennes de secteurs variés. Les analyses de régression multiple hiérarchique et d’estimation d’effets indirects ont décelé un effet médiateur complet du sentiment de sécurité sociale entre la compassion envers soi et la qualité des échanges entre les membres d’une équipe et la compassion envers les autres. Les implications théoriques et pratiques de cette étude sont explorées.
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 | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".