L'engagement affectif des employés dans le milieu de la santé examens des effets positifs et négatifs potentiels
Bibliographic record
Abstract
Plusieurs études ont révélé que l'engagement affectif des employés en milieu de travail, surtout lorsque considéré sous l'angle des cibles face auxquelles un employé peut être engagé (organisation, collègues, superviseur, clients, travail, carrière, profession, tâches, syndicat et changement), permettait de prédire l'émergence de comportements efficaces au travail. Dans les écrits scientifiques, il est d'un côté possible de répertorier que l'engagement affectif envers diverses cibles améliore la performance au travail et diminue le stress des employés, et d'un autre côté qu'il est possible qu'un niveau très élevé d'engagement puisse néanmoins entraîner une hausse du risque d'épuisement professionnel. Une manière de concilier ces résultats contradictoires serait de postuler qu'il puisse exister une limite aux bénéfices de l'engagement en milieu de travail. La présente étude a pour but de vérifier cette possibilité en évaluant la nature linéaire ou curvilinéaire des relations entre les diverses cibles d'engagement affectif en milieu de travail et deux résultantes : la performance (attendue et les comportements de citoyenneté organisationnelle - CCO) et l'épuisement professionnel (épuisement émotionnel, cynisme et l'efficacité professionnelle). Au total, 273 employés d'un établissement de santé en soins de longue durée du Québec ont complété le questionnaire. Les résultats des analyses de régression ont effectivement montré l'existence de relations curvilinéaires entre des variables à l'étude. Ces résultats nous amènent donc à considérer sous un nouvel angle les bénéfices d'engagement affectif en 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 | 0.005 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".