L’influence de la culture d’apprentissage sur l’intention de quitter, l’engagement affectif et la performance dans la tâche : le rôle médiateur du capital psychologique
Bibliographic record
Abstract
Introduction : Une culture d’apprentissage (CA) est l’un des moyens par lesquels une organisation peut influencer les attitudes et les comportements des employés. Cependant, la façon par laquelle ces influences opèrent n’est pas encore claire. Objectif : Prenant appui sur les théories de l’échange social et du capital psychologique (CP), cette recherche vise à étudier le rôle du CP en tant que mécanisme explicatif de la relation unissant la CA à certaines retombées organisationnelles (c.-à-d. réduction de l’intention de quitter, accroissement de l’engagement affectif et de la performance dans la tâche). Méthode : 163 employés d’un hôpital universitaire canadien ont répondu à un questionnaire traitant des différentes variables à l’étude. Les données recueillies ont été soumises à des analyses de régression par la méthode bootstrap. Résultats : Cette étude suggère que la CA est positivement liée au CP, à l’engagement affectif et à la performance dans la tâche, mais négativement liée à l’intention de quitter. Les résultats confirment aussi le rôle médiateur du CP. Un effet de médiation partiel a été constaté entre la CA et l’engagement affectif et des effets de médiation complets ont été trouvés entre l’intention de quitter et la performance dans la tâche. Discussion et conclusion : Cette recherche soutient qu’il est possible, dans un contexte où il y a une CA, de prévenir le roulement de personnel, ainsi que d’accroître les niveaux d’engagement et de performance. Cette étude permet également de reconnaître le rôle du CP et ses effets sur les professionnels de la santé.
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 | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".