Stress lavorativo e creatività individuale: un protocollo di modellazione strutturale delle equazioni parziali dei minimi quadrati basato su schermo per i luoghi di lavoro abilitati dall'IA

Sommario

Questa ricerca presenta un protocollo di modellazione strutturale delle equazioni basate su screening basato su sondaggio fino ai minimi quadrati parziali (PLS-SEM) per testare mediazione e moderazione, condurre diagnostica con metodi comuni, interpretare pendenze semplici e valutare la rilevanza predittiva nella ricerca aziendale integrata con IA.

Abstract

L'uso crescente dell'intelligenza artificiale (IA) nelle organizzazioni sta rimodellando le richieste lavorative dei dipendenti, le percezioni di leadership e le opportunità di creatività. Basandosi sul modello Job Demands–Resources (JD–R) e sulla Social Learning Theory, questo studio esamina se la percezione della leadership etica dei dipendenti medi la relazione tra stress lavorativo e creatività individuale, e se l'incorporazione dell'IA organizzativa amplifichi questa relazione. Utilizzando la modellazione strutturale parziale delle equazioni dei minimi quadrati (PLS-SEM) con 5.000 ricampionamenti bootstrap, i risultati mostrano che lo stress lavorativo influenza negativamente la percezione della leadership etica, mentre la percezione della leadership etica influisce positivamente sulla creatività. Lo stress lavorativo non era direttamente collegato alla creatività; Al contrario, la percezione della leadership etica ha rappresentato un significativo percorso indiretto. Inoltre, l'incorporazione dell'IA organizzativa ha rafforzato il rapporto tra percezioni di leadership etica e creatività. Questi risultati suggeriscono che la creatività nei luoghi di lavoro abilitati dall'IA sia influenzata meno dalla tecnologia stessa e più dai meccanismi psicologici organizzativi. Le organizzazioni che vogliono aumentare la creatività durante la trasformazione digitale dovrebbero quindi gestire lo stress lavorativo e promuovere ambienti di leadership etica, invece di concentrarsi esclusivamente sull'implementazione dell'IA. Questo protocollo utilizza il modello empirico come esempio pratico per dimostrare un flusso di lavoro riproducibile da survey a PLS-SEM.

Introduzione

L'intelligenza artificiale (IA) ha trasformato il modo in cui i dipendenti svolgono il loro lavoro, comprendono la natura delle loro esigenze lavorative e identificano opportunità di creatività, poiché le organizzazioni iniziano ad adottare l'IA per il supporto decisionale, l'automazione e ^{il coordinamento} 1,2,3,4. Le capacità abilitate dall'IA possono aumentare la portata delle informazioni accessibili e supportare la sperimentazione, ma di per sé non incoraggiano le persone a comportarsi in modo creativo ^5,6. Al contrario, il comportamento creativo dei dipendenti dipende dalla loro percezione della legittimità della sperimentazione, dall'equità nel trattamento degli errori e dal sostegno dei loro leader ^7,8. Questo protocollo definisce la creatività come un processo basato sulla percezione nella psicologia organizzativa piuttosto che come un prodotto tecnologico, consentendo però che il processo dal reclutamento all'inferenza sia ripetibile e^{trasparente 9}. La procedura non filma o osserva i partecipanti in laboratorio, ma il fenomeno di interesse è comunque il comportamento, poiché i dipendenti rispondono allo stress lavorativo, danno senso alle informazioni sociali e sviluppano risposte creative a una situazione lavorativa influenzata dall'IA. L'ambito comportamentale viene quindi affrontato attraverso comportamenti sul lavoro misurabili e costrutti interpretativi legati alla creatività, alla percezione della leadership e alla risposta contestuale correlata all'IA, piuttosto che al comportamento^{fisico 6,10}.

I luoghi di lavoro integrati nell'IA sono definiti come contesti di lavoro in cui i dipendenti percepiscono l'IA come una parte ricorrente del coordinamento lavorativo, del supporto alle decisioni, della valutazione e della risoluzione dei problemi, piuttosto che come uno strumento opzionale occasionale. Questa struttura è più ristretta rispetto alla trasformazione digitale ampia, diversa dall'adozione dell'IA come introduzione, diversa dalla maturità dell'IA come fase di implementazione e diversa dalla capacità dell'IA come competenza tecnica. Poiché i dipendenti potrebbero non conoscere l'entità oggettiva dell'uso dell'IA in tutte le funzioni, il concetto viene trattato come percepita come incorporazione organizzativa dell'IA, il che è appropriato per un modello basato sulla percezione della leadership etica e della creatività^individuale 1,4,11,12.

Questo protocollo affronta tre lacune che si rafforzano a vicenda. Innanzitutto, si sa meno su cosa costituisca una leadership etica in contesti di lavoro integrati nell'IA e su come le percezioni della leadership etica si relazionano allo stress lavorativo per quanto riguarda la creatività. Questa relazione è importante perché gli effetti dello stress lavorativo sulla creatività variano una volta contestualizzati e^{interpretati 13,14}. In secondo luogo, sebbene la ricerca sulla creatività nei luoghi di lavoro embedded dall'IA abbia spesso considerato l'IA come uno strumento o una misura dell'adozione dell'IA, ci sono meno evidenze su come l'embedded dell'IA a livello organizzativo influenzi le risposte comportamentali ai segnali dei leader o alle interpretazioni dell'incertezza legata^{all'IA 4,11,12}. In terzo luogo, gli studi che utilizzano dati basati su sondaggi in psicologia organizzativa spesso condensano tutto, dal reclutamento e lo screening fino alla costruzione costruttiva, alla preparazione dei dati e alle successive analisi di mediazione e moderazione della PLS-SEM (Parziale Equazioni Strutturali dei Minimi Quadrati) in brevi descrizioni, anche se validità della misurazione, validità discriminante, collinearità e rilevanza predittiva sono tutte importanti da considerare 15,16,17,¹⁸. Gli autori rendono visibile questo flusso di lavoro in questa procedura riducendo 342 inizi di indagine a 310 casi utilizzabili, separando i blocchi costrutti, testando la collinearità completa con VIF e un cutoff di 3,3, testando effetti diretti, indiretti e di interazione con 5.000 ricampionamenti bootstrap, e infine includendo PLSpredict come schermata predittiva-rilevante 15,16,18,19.

Il contributo principale è quindi metodologico. Il modello Stress Lavorativo-Leadership Etica-Creatività viene mantenuto come esempio praticato, ma il contributo principale è rendere visibili le decisioni analitiche normalmente nascoste: screening dell'idoneità, conservazione dei codici elementi, separazione dei costrutti, validazione delle misurazioni, diagnostica di collinearità e metodo comune, bootstrapping, decomposizione degli effetti, interpretazione a semplice pendenza e valutazione PLSpredict 15,18,19. Seguendo il modello Richieste di Lavoro-Risorse^20,21, lo stress lavorativo è una richiesta che consuma le risorse cognitive ed emotive necessarie per interagire creativamente, influenzando così la^{creatività 9}. I dipendenti concentrano il loro sforzo discrezionale nel generare soluzioni innovative e uniche attraverso la flessibilità cognitiva, la sperimentazione e nuovi metodi di lavoro. Hanno meno tempo per generare idee quando affrontano scadenze lunghe in un ambiente di lavoro turbolento e tendono a concentrarsi sulla prevenzione degli errori e sul completamento^{dei compiti 13,14}. Non tutto lo stress è dannoso per la creatività, e certi livelli di sfida possono favorire la generazione di idee tra individui che ottengono autonomia nel compito e ricevono supporto sociale sul^{posto di lavoro 13,22}. Al contrario, una pressione sostenuta potrebbe portare a una relazione negativa.

Di conseguenza, gli autori ipotizzano che lo stress lavorativo sia negativamente associato alla creatività individuale (H1). Lo stress lavorativo può anche influenzare il modo in cui alcuni dipendenti vedono il loro ambiente sociale. Durante periodi di mutamento e stress, i dipendenti possono sviluppare una maggiore sensibilità ai segnali di equità, supporto e reattività⁸. Una risposta ritardata da parte della direzione o decisioni incoerenti, da questo punto di vista, potrebbero essere interpretate come scarsa coordinazione in un contesto e come negligenza in un altro. La chiave è che quando le persone sono sotto stress, tendono a dare maggiore importanza a ciò che i leader segnalano loro e, di conseguenza, in situazioni senza una visibile equità e supporto, sono più propense a formare interpretazioni negative ^8,10. Successivamente, gli autori ipotizzano che lo stress lavorativo sia negativamente associato alla percezione che i dipendenti hanno della leadership etica (H2). La percezione della leadership etica è il modo in cui i dipendenti vedono il loro leader come giusto, onesto, aperto e dotato di buoni valori^morali 10,23,24. Dal punto di vista della teoria dell'apprendimento sociale, la percezione della leadership etica indica se i dipendenti useranno la propria voce, si prenderanno rischi provando cose nuove o^{sperimenteranno 7}. I dipendenti saranno più propensi a fornire suggerimenti su nuovi modi di lavorare e a provare nuove idee quando percepiscono il loro leader come etico. Leader equi e affidabili creeranno più opportunità per i dipendenti di impegnarsi in comportamenti creativi^{discrezionali 6,7,10}.

Di conseguenza, gli autori ipotizzano che la percezione della leadership etica dei dipendenti sia positivamente associata alla creatività individuale (H3). Il modello introduce anche un percorso indiretto in cui la percezione della leadership etica media l'effetto dello stress lavorativo sulla creatività individuale. Le influenze legate allo stress sulla creatività appaiono incoerenti e implicano che la relazione non sia semplice ^14,22. Due dipendenti possono essere esposti allo stesso livello di stress, ma uno può continuare a percepire il leader come etico e il luogo di lavoro come abbastanza sicuro da condividere idee. L'altro dipendente può smettere di condividere idee quando percepisce il leader come non etico o si sente trattato^{ingiustamente 6,7}. Questo percorso indica l'influenza dell'interpretazione sociale e suggerisce che concentrarsi esclusivamente sull'effetto diretto dello stress lavorativo sulla produzione creativa possa essere insufficiente.

Gli autori ipotizzano inoltre che la percezione della leadership etica dei dipendenti medi la relazione tra stress lavorativo e creatività individuale (H4). L'incorporazione dell'IA organizzativa è associata a contesti di lavoro in cui l'IA viene utilizzata per mediare, valutare e supportare il lavoro^{dei dipendenti 1,25,26}. Gli ambienti organizzativi integrati con IA ampliano l'accesso dei dipendenti alle informazioni, riducono il tempo necessario per svolgere alcune attività e offrono maggiori possibilità di ricombinare idee. Allo stesso tempo, possono sollevare domande su chi o cosa sarà ritenuto responsabile, quali tipi di valutazioni verranno effettuate e quali forme di sperimentazione siano^{accettabili 27}. In situazioni come queste, i dipendenti tendono a prestare maggiore attenzione ai segnali etici della leadership quando valutano se la sperimentazione abilitata dall'IA, la tolleranza all'errore dell'IA e la generazione di idee assistita dall'IA siano legittime e^sicure 11,30,31. Pertanto, gli autori prevedono che l'incorporazione dell'IA organizzativa aumenterà la rilevanza delle percezioni della leadership etica per la creatività individuale.

Di conseguenza, gli autori ipotizzano che l'embeddedness dell'IA organizzativa moderi la relazione tra la percezione della leadership etica dei dipendenti e la creatività individuale, in modo che la relazione positiva sia più forte quando l'embedded dell'IA organizzativa è elevata (H5). Questo protocollo è progettato per i ricercatori comportamentali che studiano il comportamento auto-riferito sul posto di lavoro e la sua interpretazione sociale quando l'osservazione diretta è impraticabile o eticamente non giustificata. Il manoscritto contribuisce in tre modi. Innanzitutto, si discosta dalle comprensioni tradizionali della creatività nei luoghi di lavoro abilitati dall'IA come manifestazione dei risultati tecnologici e della conoscenza tecnico-scientifica, e presenta questo processo come fondato sulla percezione come un processo di psicologia^{organizzativa 6,9}. In secondo luogo, estende questo argomento dimostrando che le percezioni di leadership etica mediano la relazione tra stress lavorativo e creatività individuale, e che la relazione tra percezioni di leadership etica e creatività è moderata dall'incorporazione dell'IA^{organizzativa 4,10,14}. In terzo luogo, vengono introdotte un'indagine basata su screening e una procedura PLS-SEM per valutare i processi di mediazione^{e moderazione 15, 18, 19}. Il suo vantaggio è rendere visibili le decisioni nascoste, inclusi lo screening dell'occupazione, la separazione dei costrutti, i controlli di validità e collinearità, il bootstrapping, la decomposizione degli effetti, l'interpretazione della moderazione, l'analisi PLSpredict e l'interpretazione cauta delle relazioni trasversali.

Protocollo

Il processo di ricerca ha seguito tutti i protocolli etici per la ricerca con partecipanti umani. Tutte le informazioni dei partecipanti sono state raccolte in modo anonimo tramite tecnologia di sondaggi online e procedure digitali di consenso informato. Non sono state raccolte informazioni che identificassero alcun partecipante e nessun video di alcun partecipante. A tutti i partecipanti è stata presentata una schermata digitale di consenso informato prima di arrivare al sondaggio. Lo schermo spiegava lo scopo accademico dello studio, che la partecipazione era volontaria, che le risposte sarebbero state mantenute riservate e che i dati sarebbero stati utilizzati solo per scopi di ricerca. I partecipanti che non riconoscevano attivamente il consenso informato venivano rimossi dal sondaggio prima che venisse presentato qualsiasi item dello studio. Le informazioni sull'approvazione etica o sulle esenzioni devono essere riportate nella dichiarazione etica in conformità con i requisiti dell'istituzione sottoposta. L'elemento visivo di questo protocollo è pensato per presentare questi passaggi come una dimostrazione video basata su schermo di reclutamento, consenso, screening, elaborazione dati de-identificate, creazione di modelli SmartPLS, bootstrapping, decomposizione degli effetti e valutazione PLSpredict, piuttosto che come una figura aggiuntiva del flusso di lavoro. La sequenza delle tabelle imita la sequenza di passi nella dimostrazione video. La Tabella 1 identifica il campione trattenuto dopo il reclutamento, il consenso, lo screening e i controlli di qualità. La base per misurare i blocchi costrutti è presentata nella Tabella 2. Le Tabelle 3–5 riportano la qualità della misurazione, la validità discriminante e la diagnostica della collinearità. La Tabella 6 riporta i risultati del test di ipotesi. La Tabella 7 mostra la decomposizione degli effetti diretti e indiretti. La Tabella 8 è il checkpoint PLSpredict. Le Tabelle 1–8, quindi, rappresentano la traccia dell'output dall'inserimento del sondaggio all'inferenza statistica per il flusso di lavoro basato su^{schermo 15,18}. Tutte le piattaforme/strumenti utilizzati in questo studio sono elencate nella Tabella dei Materiali.

Modello di ricerca

Nell'esempio risolto, la percezione della leadership etica media gli effetti dello stress lavorativo sulla creatività individuale, e l'incorporazione dell'IA organizzativa modera l'effetto della percezione della leadership etica sulla creatività individuale. La Figura 1 presenta il modello concettuale, in cui H4 si riferisce all'impatto della percezione della leadership etica come percorso indiretto, e H5 alla moderazione della percezione della leadership etica da parte dell'incorporazione dell'IA organizzativa. Lo scopo del modello non è rappresentare un modello causale, ma un flusso di lavoro di mediazione e moderazione basato su schermo.

Figura 1: Modello concettuale. Il diagramma presenta lo stress lavorativo (JS) come predittore, la percezione della leadership etica (EL) come mediatore, la creatività individuale (IC) come risultato e l'incorporazione dell'IA organizzativa (OA) come moderatore della relazione EL–IC. Frecce solide indicano i percorsi diretti ipoteti, il percorso mediato è JS > EL > IC, e il termine di interazione rappresenta EL × OA > IC. Clicca qui per visualizzare una versione più grande di questa figura.

Dati di ricerca

Un sistema di reclutamento partecipanti basato su internet e un sistema di sondaggi basato su internet sono utilizzati per raccogliere risposte anonime da dipendenti a tempo pieno nella popolazione lavorativa target. I filtri dovrebbero essere impostati prima del lancio e dovrebbe essere utilizzato un elemento di screening basato su sondaggi per confermare l'idoneità prima della visualizzazione dei blocchi costrutti. Le risposte dei partecipanti non consenzienti, dei rispondenti non idonei e delle risposte che non superano i controlli di qualità sono escluse prima dell'analisi. Nell'esempio lavorato, agli autori sono rimasti con 310 indagini valide completate su un numero iniziale di 342 inizi dopo screening dello status di lavoro e controlli di qualità. La Tabella 1 presenta le informazioni demografiche per il campione valido finale.

Tabella 1: Caratteristiche descrittive del campione (n = 310). La tabella riassume i rispondenti trattenuti per caratteristiche demografiche e occupazionali dopo consenso, screening di idoneità e esclusioni per il controllo qualità; n indica la dimensione del campione. Clicca qui per scaricare questa tabella.

Misure

Per tutti gli elementi si usa una scala di Likert a sette punti (1 = fortemente in disaccordo; 7 = fortemente d'accordo). Il sondaggio include blocchi di misurazione dello stress lavorativo, della percezione della leadership etica, della creatività individuale e dell'incorporazione dell'IA organizzativa. Conservare i codici degli elementi durante la progettazione e l'esportazione del sondaggio per garantire che ogni indicatore misurato possa essere mappato alla sua corrispondente variabile latente durante la specifica del modello. L'insieme completo di elementi di misurazione e fonti è fornito nella Tabella 2.

Tabella 2: Elementi di misurazione e fonti. Questa tabella fornisce gli elementi del questionario, i compiti costruttivi e le fonti della scala. Abbreviazioni: JS = stress lavorativo; EL = percezione della leadership etica; IC = creatività individuale; OA = embedded dell'IA organizzativa. Clicca qui per scaricare questa tabella.

Prima di importare i dati nel software PLS-SEM, i ricercatori dovrebbero esportare il dataset completo in .csv formato. Nomi, indirizzi email, indirizzi IP e altri identificatori diretti devono essere rimossi dall'esportazione per prevenire la divulgazione non intenzionale delle informazioni dei partecipanti. Il file esportato deve essere ispezionato per valori mancanti, risposte di screening fallite, lineing diretto, controlli di attenzione falliti ed errori di nome variabile. Devono essere conservate solo le variabili indicatori pulite e le variabili di controllo richieste dal modello. L'inizio dell'indagine, il campione valido finale, le fasce di affidabilità, l'intervallo AVE, l'intervallo VIF strutturale e l'impostazione del ricampionamento bootstrap dovrebbero essere registrati per una successiva segnalazione.

Flusso di lavoro analitico PLS-SEM

Per analizzare le ipotesi, i ricercatori dovrebbero utilizzare il PLS-SEM. In SmartPLS 4.1, un nuovo progetto deve essere creato importando il file .csv pulito. I costrutti latenti dovrebbero essere posizionati sulla tela del modello e gli indicatori conservati dovrebbero essere assegnati a JS, EL, IC e OA. Questi percorsi diretti possono essere tracciati sulla tela del modello; il percorso indiretto può essere specificato come JS > EL > IC, e il termine di interazione prodotto-indicatore può essere creato anche come OA × EL > IC. I ricercatori dovrebbero eseguire l'algoritmo PLS prima di valutare i percorsi strutturali. In SmartPLS, vai su Calcola > algoritmo PLS e prendi nota delle impostazioni di stima, inclusi lo schema di pesatura del percorso, il numero massimo di iterazioni e il criterio di stop se fornito. Una volta eseguito l'algoritmo PLS, gli studiosi dovrebbero valutare i valori alfa di Cronbach, affidabilità composita, AVE, carichi esterni, rapporto Fornell-Larcker, HTMT e^{valori VIF} 17,18,19. Gli output per la valutazione dell'affidabilità, validità e collinearità sono riportati nelle Tabelle 3–5. Si consiglia agli autori di effettuare un test di collinearità completo per verificare eventuali bias verso il metodo comune. I valori strutturali del VIF dovrebbero essere considerati come un indicatore diagnostico di potenziale bias verso la stessa sorgente, non come un indicatore che il bias verso la stessa fonte è stato rimosso.

Il protocollo distingue i modelli esterni di VIF dai VIF strutturali/completamente collineari. Se un VIF esterno supera 3,3 ma rimane sotto 5,0, il valore dovrebbe essere riconosciuto come una potenziale preoccupazione di collinearità a livello indicatore piuttosto che trattato come una diagnostica di bias a metodo comune. I VIF a piena collinearità sono interpretati separatamente come uno screening diagnostico della stessa fonte, non come prova che il bias comune del metodo sia stato^eliminato 15,18,19. La qualità della misurazione e la diagnostica della collinearità dovrebbero essere effettuate prima di interpretare coefficienti di percorso, effetti indiretti e termini di interazione. Per calcolare i percorsi diretti, gli effetti indiretti specifici e l'effetto moderazione, i ricercatori devono eseguire la procedura di bootstrapping con 5.000 ricampionamenti. Con 5.000 sottocampioni, eseguire un test a due code a α = 0,05, e lasciare le opzioni di cambio segno e intervallo di confidenza come nel progetto. La Tabella 6 presenta il coefficiente di cammino, l'effetto indiretto specifico e i risultati dell'interazione. Dopo aver testato le ipotesi, le sezioni sugli effetti indiretti specifici e sugli effetti totali nell'output dovrebbero essere riviste per valutare la relazione diretta JS > IC rispetto al percorso indiretto attraverso EL e per catturare la decomposizione degli effetti nella Tabella 7. Questa procedura evita di interpretare il percorso non significativo di stress–creatività diretto isolatamente dal percorso indiretto significativo basato sulla percezione. Si raccomanda ai ricercatori di eseguire PLSpredict per i costrutti endogeni e riportare le statistiche Q²predict, RMSE e MAE come valutazione predittiva-rilevante limitata. I risultati attuali per Q²prevedono, RMSE e MAE per i costrutti endogeni EL e IC, insieme a quelli per il benchmark del modello lineare, se forniti, nella Tabella 8. Questi risultati devono essere interpretati come prove predittive di rilevanza limitate piuttosto che come prove di previsione^{complete 18}.

Il protocollo è intenzionalmente focalizzato piuttosto che statisticamente elaborato. I ricercatori che successivamente confrontano paesi, occupazioni o livelli manageriali possono aggiungere test di invarianza della misura, analisi multigruppo, segmentazione o mappatura importanza-performance una volta stabilito il flusso di lavoro di mediazione e moderazione di base. I percorsi indiretti o di interazione statisticamente significativi non devono essere interpretati come effetti causali quando i dati sono trasversali. Dovrebbero essere presentate come associazioni coerenti con la teoria, a meno che non siano disponibili prove longitudinali, sperimentali o multifonti. Questa cautela è ripetuta nei Risultati e nella Discussione, così che i percorsi di mediazione e moderazione siano presentati come associazioni coerenti con la teoria piuttosto che come effetti^{causali 15,18}. Se le etichette dei menu esatte differiscono tra le versioni SmartPLS, i ricercatori dovrebbero utilizzare il percorso del menu equivalente e registrare la versione software, le impostazioni dell'algoritmo e le impostazioni di ricampionamento nella Tabella dei Materiali o in una nota di riproducibilità.

Risultati

Valutazione del modello di misura

Il modello di misura è stato successivamente utilizzato per valutare l'affidabilità e la validità del costrutto. Affidabilità, validità convergente, carichi degli elementi e diagnostica della collinearità sono presentati nella Tabella 3. I valori alfa di Cronbach che vanno da 0,877 a 0,932 superano il cutoff di 0,70. Le stime dell'affidabilità composita erano accettabili, con CR (ρ_a) che variava da 0,880 a 0,...

Discussione

Il protocollo presenta un metodo trasferibile basato su sondaggi per comprendere come le esigenze psicologiche, le percezioni della leadership e le condizioni contestuali legate all'IA influenzino i risultati dei dipendenti in contesti di lavoro digitalmente ^{trasformati 1,2,4}. Il suo contributo principale non è una manipolazione filmata, ma un flusso di lavoro analitico tracciabile per il reclut...

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
ChatGPT (Modello di Linguaggio AI)	OpenAI	N/A	Utilizzato solo per l'editing linguistico, la verifica grammaticale e il perfezionamento strutturale durante la preparazione del manoscritto. Lo strumento non è stato utilizzato per la raccolta di dati, l'analisi statistica o l'interpretazione dei risultati empirici. Gli autori hanno esaminato, modificato e approvato il manoscritto finale e ne assumono piena responsabilità per il suo contenuto. URL: https://chatgpt.com/
Prolific (Piattaforma di Reclutamento Online dei Partecipanti)	Prolific Academic Ltd.	N/A	Piattaforma online utilizzata per reclutare i partecipanti al sondaggio per l'esempio lavorato. I partecipanti sono stati selezionati utilizzando criteri di idoneità predefiniti, tra cui l'occupazione a tempo pieno e la rilevanza per la popolazione lavorativa target. URL: https://www.prolific.com/
Qualtrics (Piattaforma di Sondaggi Online)	Qualtrics, LLC	N/A	Piattaforma di sondaggi basata sul web utilizzata per la progettazione del questionario, il consenso informato digitale, lo screening, la presentazione dei blocchi di costruzione, la raccolta dei dati delle risposte e l'esportazione del set di dati anonimo. Gli item di misurazione sono stati somministrati utilizzando una scala Likert a 7 punti che va da 1 = fortemente in disaccordo a 7 = fortemente d'accordo. URL: https://www.qualtrics.com/
SmartPLS 4.1 (Software PLS-SEM)	SmartPLS GmbH	Versione 4.1	Utilizzato per la modellizzazione delle equazioni strutturali a minimi quadrati parziali (PLS-SEM), inclusi la specificazione del modello, la stima dell'algoritmo PLS, la valutazione del modello di misurazione, la diagnostica della collinarietà, il bootstrapping con 5.000 rielaborazioni, il test specifico dell'effetto indiretto, la stima del termine di interazione, la decomposizione degli effetti e la valutazione PLSpredict. URL: https://smartpls.com/