Les bienfaits de la compassion envers soi du superviseur sur l’expérience employé
Bibliographic record
Abstract
La Commission de la santé mentale du Canada (2019) rapporte qu’au cours d’une semaine donnée, 500 000 canadiens ne se rendent pas au travail en raison d’un problème de santé psychologique. Il y a une prise de conscience accrue en ce qui a trait à l’importance de favoriser la santé mentale et le bien-être au travail par les dirigeants et par les superviseurs. Généralement, un niveau élevé de compassion envers soi est associé à de nombreux bienfaits comme une meilleure santé, un bien-être psychologique, une plus grande satisfaction de vie, le bonheur et un sentiment de liberté (Leary et al., 2007). Les recherches scientifiques abondent sur la compassion envers soi mais peu d’études existent sur la compassion envers soi au travail et encore moins sur la compassion envers soi des superviseurs. L’adoption de comportements de compassion envers soi d’un supérieur pourrait inspirer ses employés à l’adoption de comportements similaires et produire des effets positifs dans leur expérience au travail (Wu & Parker, 2017). Cette recherche s’intéresse au lien entre la compassion envers soi du superviseur et la compassion envers soi des membres de son équipe, de la sécurité psychologique et du bien-être psychologique de leurs employés au travail. Elle postule un effet de modération de la qualité des relations entre superviseurs et employés sur le lien entre la compassion envers soi du superviseur et les variables dépendantes (la compassion envers soi de leurs employés, la sécurité psychologique et le bien-être psychologique de leurs employés). À ce jour, les principales recherches sur la compassion envers soi en contexte de travail sont essentiellement axées sur des participants ayant des rôles reliés aux relations d’aide, n’incluant pas une composante hiérarchique, alors que celle-ci sera conduite avec des superviseurs et leurs employés immédiats dans un milieu financier. Les résultats mesurés en recourant aux 212 participants de cette étude ne permettent pas de confirmer les six hypothèses. Comme les employés sont l’un des plus grands atouts d’une entreprise, cette étude apporte une réflexion théorique sur la pratique de la compassion envers soi dans le milieu de travail.
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 | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| 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".