Job Stress en Individuele Creativiteit: Een schermgebaseerd gedeeltelijk kleinste-kwadraat structureel vergelijkingsmodel protocol voor AI-ondersteunde werkplekken

Samenvatting

Dit onderzoek presenteert een schermgebaseerd survey-to-partial least squares structural equation modeling (PLS-SEM) protocol voor het testen van bemiddeling en moderatie, het uitvoeren van common-methode-diagnostiek, het interpreteren van eenvoudige hellingen en het beoordelen van voorspellende relevantie in AI-embedded werkplekonderzoek.

Samenvatting

Het toenemende gebruik van kunstmatige intelligentie (AI) in organisaties verandert de baaneisen, de percepties van leiderschap en de mogelijkheden voor creativiteit van medewerkers. Met gebruik van het Job Demands–Resources (JD–R) model en Social Learning Theory onderzoekt deze studie of de percepties van werknemers over ethisch leiderschap de relatie tussen werkstress en individuele creativiteit bemiddelen, en of organisatorische AI-inbedding deze relatie versterkt. Met behulp van gedeeltelijke kleinste-kwadratenstructurele vergelijkingsmodellering (PLS-SEM) met 5.000 bootstrap-resamples tonen de bevindingen aan dat werkstress de perceptie van ethisch leiderschap negatief beïnvloedt, terwijl de perceptie van ethisch leiderschap creativiteit positief beïnvloedt. Werkstress was niet direct gerelateerd aan creativiteit; In plaats daarvan diende de perceptie van ethisch leiderschap als een belangrijke indirecte route. Daarnaast versterkte organisatorische AI-inbedding de relatie tussen percepties van ethisch leiderschap en creativiteit. Deze bevindingen suggereren dat creativiteit in AI-gestuurde werkplekken minder wordt gevormd door technologie zelf en meer door organisatorische psychologische mechanismen. Organisaties die creativiteit willen vergroten tijdens digitale transformatie, moeten daarom de stressvolle baan beheersen en ethische leiderschapsomgevingen bevorderen, in plaats van zich uitsluitend te richten op AI-implementatie. Dit protocol gebruikt het empirische model als uitgewerkt voorbeeld om een reproduceerbare survey-naar-PLS-SEM-workflow te demonstreren.

Inleiding

Kunstmatige intelligentie (AI) heeft de manier waarop medewerkers hun werk doen getransformeerd, de aard van hun werkvereisten begrijpen en kansen voor creativiteit identificeren, nu organisaties AI beginnen te adopteren voor besluitvormingsondersteuning, automatisering en coördinatie 1,2,3,4. AI-ondersteunde mogelijkheden kunnen de reikwijdte van beschikbare informatie vergroten en experimenten ondersteunen, maar op zichzelf slagen ze er niet in mensen aan te moedigen creatief te handelen ^5,6. In plaats daarvan is het creatieve gedrag van medewerkers afhankelijk van hun perceptie van de legitimiteit van experimenteren, de eerlijkheid van behandeling bij het maken van fouten en de steun van hun leiders ^7,8. Dit protocol definieert creativiteit als een perceptiegebaseerd proces in organisatiepsychologie in plaats van een technologie-gebaseerd product, terwijl het proces van werving tot inferentie herhaalbaar^{en transparant maakt}. De procedure filmt of observeert deelnemers in een laboratorium niet, maar het fenomeen dat interessant is is nog steeds gedrag, omdat werknemers reageren op werkstress, sociale informatie begrijpen en creatieve reacties ontwikkelen op een AI-geïnspireerde werksituatie. Gedragsscope wordt daarom behandeld door meetbare werkplekgedrag en interpretatieve constructies gerelateerd aan creativiteit, leiderschapsperceptie en AI-gerelateerde contextuele respons in plaats van fysiek gedrag ^6,10.

AI-ingebedde werkplekken worden gedefinieerd als werkomgevingen waarin medewerkers AI zien als een terugkerend onderdeel van werkcoördinatie, besluitvormingsondersteuning, evaluatie en probleemoplossing, in plaats van als een incidenteel optioneel hulpmiddel. Dit concept is smaller dan brede digitale transformatie, verschilt van AI-adoptie als introductie, verschilt van AI-volwassenheid als implementatiefase, en verschilt van AI-capaciteit als technische competentie. Omdat medewerkers mogelijk niet weten wat de objectieve omvang van AI-gebruik is in alle functies, wordt het construct behandeld als waargenomen organisatorische AI-inbedding, wat passend is voor een perceptiegebaseerd model van ethisch leiderschapsperceptie en individuele creativiteit 1,4,11,12.

Dit protocol pakt drie onderling versterkende gaten aan. Ten eerste is er minder bekend over wat ethisch leiderschap inhoudt in AI-ingebedde werkomgevingen en hoe ethische leiderschapspercepties zich verhouden tot werkstress in relatie tot creativiteit. Deze relatie is belangrijk omdat de effecten van werkstress op creativiteit variëren zodra ze in context worden gezet en geïnterpreteerd^13,14. Ten tweede, hoewel onderzoek naar creativiteit in AI-ingebedde werkplekken AI vaak heeft beschouwd als een instrument of maatstaf voor AI-adoptie, is er minder bewijs voor hoe organisatiebrede AI-inbedding gedragsreacties op leiderschapssignalen of interpretaties van AI-gerelateerde onzekerheid^{beïnvloedt 4,11,12}. Ten derde condenseren studies die enquête-gebaseerde data in de organisatiepsychologie gebruiken, vaak alles van werving en screening tot constructiemetingen, datavoorbereiding en daaropvolgende Partial Least Squares Structural Equation Modeling (PLS-SEM) mediatie- en moderatieanalyses in korte beschrijvingen, hoewel meetvaliditeit, discriminantvaliditeit, collineariteit en voorspellende relevantie allemaal belangrijk zijn om te overwegen 15,16,17,¹⁸. De auteurs maken die workflow zichtbaar in deze procedure door het aantal 342 surveystarts te verminderen tot 310 bruikbare casussen, constructblokken te scheiden, volledige collineariteit met VIF en een 3,3 cutoff te testen, directe, indirecte en interactie-effecten te testen met 5.000 bootstrapped resamples, en tenslotte PLSpredict als predictive-relevance screen^{op te nemen 15,16,18,19}.

De belangrijkste bijdrage is daarom methodologisch. Het Job Stress-Ethisch Leiderschap-Creativiteit model wordt behouden als het uitgewerkte voorbeeld, maar de belangrijkste bijdrage is het zichtbaar maken van normaal verborgen analytische beslissingen: geschiktheidsscreening, itemcode-retentie, construct-scheiding, meetvalidatie, collineariteit en common-method diagnostiek, bootstrapping, effectdecompositie, interpretatie van simple-slope en PLSpredict-beoordeling 15,18,19. Volgens het Job Demands-Resources-model^20,21 is werkstress een eis die de cognitieve en emotionele middelen verbruikt die nodig zijn om creatief te kunnen zijn, en daardoor creativiteit beïnvloedt⁹. Medewerkers richten hun discretionaire inspanningen op het creëren van nieuwe en unieke oplossingen door cognitieve flexibiliteit, experimenteren en nieuwe werkmethoden. Ze hebben minder tijd om ideeën te genereren wanneer ze lange deadlines hebben in een turbulente werkomgeving, en richten zich meestal op foutpreventie en het afronden van taken^13,14. Niet alle stress is schadelijk voor creativiteit, en bepaalde niveaus van uitdaging kunnen het idee stimuleren bij mensen die autonomie krijgen in de taak en sociale ondersteuning krijgen op de werkvloer^13,22. Daarentegen kan aanhoudende druk leiden tot een negatieve relatie.

Daarom stellen de auteurs de hypothese dat werkstress negatief samenhangt met individuele creativiteit (H1). Arbeidsstress kan ook invloed hebben op de manier waarop bepaalde werknemers hun sociale omgeving zien. Tijdens periodes van verandering en stress kunnen medewerkers een verhoogde gevoeligheid ontwikkelen voor signalen van eerlijkheid, ondersteuning en responsiviteit⁸. Een vertraagde reactie van het management of inconsistente besluitvorming kan vanuit dit perspectief worden gezien als slechte coördinatie in de ene context en als verwaarlozing in een andere. Het belangrijkste is dat mensen onder stress meer nadruk leggen op wat leiders aan hen signaleren, en dat ze in situaties zonder zichtbare eerlijkheid en steun eerder negatieve interpretaties vormen^. Vervolgens stellen de auteurs de hypothese dat werkstress negatief samenhangt met de perceptie van ethisch leiderschap (H2) door medewerkers. De perceptie van ethisch leiderschap is hoe medewerkers hun leider als eerlijk, eerlijk, open en met goede morele waarden zien. 10,23,24. Vanuit een sociaal-leertheorie perspectief geeft ethisch leiderschapsperceptie aan of werknemers hun stem zullen gebruiken, risico's nemen door nieuwe dingen te proberen, of experimenteren⁷. Werknemers zullen eerder input geven over nieuwe werkwijzen en nieuwe ideeën uitproberen wanneer ze hun leider als ethisch zien. Eerlijke en betrouwbare leiders zullen meer mogelijkheden creëren voor medewerkers om zich te bezighouden met discretionaire creatieve gedragingen ^6,7,10.

Daarom stellen de auteurs de hypothese dat de percepties van medewerkers over ethisch leiderschap positief geassocieerd zijn met individuele creativiteit (H3). Het model introduceert ook een indirect traject waarbij ethische leiderschapsperceptie het effect van werkstress op individuele creativiteit bemiddelt. Stressgerelateerde invloeden op creativiteit lijken inconsistent en betekenen dat de relatie niet eenvoudig^{is 14,22}. Twee werknemers kunnen aan hetzelfde stressniveau worden blootgesteld, maar de één kan de leider als ethisch ervaren en de werkplek als veilig genoeg om ideeën te delen. De andere medewerker kan stoppen met ideeën delen wanneer hij de leider als onethisch ziet of zich oneerlijk behandeld voelt ^6,7. Dit traject wijst op de invloed van sociale interpretatie en suggereert dat het uitsluitend richten op het directe effect van werkstress op creatieve output onvoldoende kan zijn.

De auteurs stellen ook de hypothese op dat de percepties van ethisch leiderschap door werknemers de relatie tussen werkstress en individuele creativiteit (H4) bemiddelen. Organisatorische AI-embeddheid is geassocieerd met werkplekomgevingen waarin AI wordt gebruikt om het werk van medewerkers te bemiddelen, evalueren en ondersteunen ^1,25,26. AI-ingebedde organisatieomgevingen vergroten de toegang van medewerkers tot informatie, verminderen de tijd die nodig is om bepaalde taken te voltooien en bieden meer ruimte om ideeën opnieuw te combineren. Tegelijkertijd kunnen ze vragen stellen over wie of wat verantwoordelijk zal worden gehouden, welke soorten beoordelingen zullen plaatsvinden en welke vormen van experimenten acceptabel zijn²⁷. In dit soort situaties zullen medewerkers waarschijnlijk meer rekening houden met ethisch leiderschapssignalen bij het beoordelen of AI-gestuurde experimenten, AI-fouttolerantie en AI-ondersteunde ideeëncreatie legitiem en veilig zijn 11,30,31. De auteurs voorspellen dus dat organisatorische AI-inbedding de relevantie van percepties over ethisch leiderschap voor individuele creativiteit zal vergroten.

Daarom stellen de auteurs de hypothese dat organisatorische AI-inbedding de relatie tussen de perceptie van ethisch leiderschap en individuele creativiteit door medewerkers matigt, zodat de positieve relatie sterker is wanneer organisatorische AI-inbedding hoog is (H5). Dit protocol is ontworpen voor gedragsonderzoekers die zelfgerapporteerd gedrag op de werkvloer en de sociale interpretatie ervan bestuderen wanneer directe observatie onpraktisch of ethisch onnodig is. Het manuscript draagt op drie manieren bij. Ten eerste wijkt het af van traditionele opvattingen over creativiteit in AI-ondersteunde werkplekken als een manifestatie van technologische output en technisch-wetenschappelijke kennis, en presenteert het dat proces als onderbouwd door perceptie als een organisatiepsychologisch proces ^6,9. Ten tweede wordt dit argument voortgezet door aan te tonen dat percepties van ethisch leiderschap de relatie tussen werkstress en individuele creativiteit bemiddelen, en dat de relatie tussen percepties van ethisch leiderschap en creativiteit wordt gemodereerd door organisatorische AI-inbedding ^4,10,14. Ten derde worden een screen-based survey en PLS-SEM-procedure geïntroduceerd om bemiddelings- en moderatieprocessen te evalueren 15,18,19. Het voordeel is dat verborgen beslissingen zichtbaar worden, waaronder screening van werk, construct-scheiding, validiteits- en collineariteitscontroles, bootstrapping, effectontbinding, moderatie-interpretatie, PLSpredict-analyse en voorzichtige interpretatie van dwarsdoorsnede-relaties.

Protocol

Het onderzoeksproces volgde alle ethische protocollen voor onderzoek met menselijke deelnemers. Alle deelnemersinformatie werd anoniem verzameld via online enquêtetechnologie en digitale informed-consent-procedures. Er werd geen informatie verzameld die een deelnemer identificeerde, en er werd geen video van een deelnemer opgenomen. Alle deelnemers kregen een digitale informant-toestemmingsscreening voorafgaand aan de enquête. Het scherm legde het academische doel van de studie uit, namelijk dat deelname vrijwillig was, dat antwoorden vertrouwelijk zouden worden behandeld en dat de gegevens uitsluitend voor onderzoeksdoeleinden gebruikt zouden worden. Deelnemers die hun geïnformeerde toestemming niet actief erkenden, werden uit de enquête verwijderd voordat een onderzoeksitem werd gepresenteerd. Informatie over ethische goedkeuring of vrijstelling dient in de ethische verklaring te worden gerapporteerd in overeenstemming met de vereisten van de ingediende instelling. Het visuele element van dit protocol is bedoeld om deze stappen te presenteren als een schermgebaseerde videodemonstratie van werving, toestemming, screening, gede-identificeerde dataverwerking, SmartPLS-modelcreatie, bootstrapping, effectontbinding en PLSpredict-evaluatie, in plaats van als een extra workflowfiguur. De reeks tabellen bootst de reeks stappen in de videodemonstratie na. Tabel 1 identificeert de steekproef die is behouden na werving, toestemming, screening en kwaliteitscontroles. De basis voor het meten van de constructieblokken wordt gepresenteerd in Tabel 2. Tabellen 3–5 rapporteren de meetkwaliteit, discriminantvaliditeit en collineariteitsdiagnostiek. Tabel 6 geeft de resultaten van de hypothese-toetsing weer. Tabel 7 toont de ontbinding van directe en indirecte effecten. Tabel 8 is het PLSpredict-controlepunt. Tabellen 1–8 vertegenwoordigen daarom het spoor van de output van de enquête-invoer tot statistische inferentie voor de schermgebaseerde workflow^15,18. Alle platforms/tools die in deze studie worden gebruikt, staan vermeld in de Materiaallijst.

Onderzoeksmodel

In het uitgewerkte voorbeeld bemiddelt de perceptie van ethisch leiderschap de effecten van werkstress op individuele creativiteit, en matigt de inbedding van organisatorische AI het effect van ethisch leiderschapsperceptie op individuele creativiteit. Figuur 1 presenteert het conceptuele model, waarin H4 verwijst naar de impact van ethische leiderschapsperceptie als een indirecte route, en H5 naar de matiging van ethisch leiderschapsperceptie door organisatorische AI-inbedding. Het doel van het model is niet om een causaal model te tonen, maar om een schermgebaseerde mediatie- en moderatieworkflow te tonen.

Figuur 1: Conceptueel model. Het diagram presenteert werkstress (JS) als voorspeller, ethische leiderschapsperceptie (EL) als bemiddelaar, individuele creativiteit (IC) als uitkomst, en organisatorische AI-inbedding (OA) als moderator van de EL–IC-relatie. Vaste pijlen geven de veronderstelde directe paden aan, het gemedieerde pad is JS > EL > IC, en de interactieterm vertegenwoordigt EL × OA > IC. Klik hier om een grotere versie van deze figuur te bekijken.

Onderzoeksgegevens

Een internetgebaseerd participatiewervingssysteem en een internetgebaseerd enquêtesysteem worden gebruikt om anonieme enquêteantwoorden te verzamelen van fulltime medewerkers in de doelgroep. Filters moeten vóór de lancering worden ingesteld en een survey-gebaseerd screeningsitem moet worden gebruikt om de geschiktheid te bevestigen voordat de constructblokken worden getoond. Reacties van niet-instemmende deelnemers, niet-geschikte respondenten en antwoorden die niet voldoen aan kwaliteitscontroles worden uitgesloten vóór de analyse. In het uitgewerkte voorbeeld bleven de auteurs achter met 310 geldige ingevulde enquêtes uit een eerste 342 starts na screening van de werkstatus en kwaliteitscontroles. Tabel 1 toont de demografische informatie voor de uiteindelijke geldige steekproef.

Tabel 1: Beschrijvende kenmerken van de steekproef (n = 310). De tabel vat de behouden respondenten samen op basis van demografische en werkgelegenheidskenmerken na toestemming, geschiktheidsscreening en uitsluitingen van kwaliteitscontrole; n duidt de steekproefgrootte aan. Klik hier om deze tabel te downloaden.

Maatregelen

Voor alle items wordt een zevenpuntsschaal van Likert gebruikt (1 = sterk van oneens zijn; 7 = sterk overeengekomen). De enquête bevat meetblokken voor werkstress, ethisch leiderschapsperceptie, individuele creativiteit en organisatorische AI-inbedding. Houd itemcodes bij het ontwerpen en exporteren van de enquête om ervoor te zorgen dat elke gemeten indicator tijdens de modelspecificatie kan worden gekoppeld aan de bijbehorende latente variabele. De volledige set meetitems en bronnen is weergegeven in Tabel 2.

Tabel 2: Meetitems en bronnen. Deze tabel geeft de vragenlijstitems, constructtoewijzingen en schaalbronnen. Afkortingen: JS = werkstress; EL = ethische leiderschapsperceptie; IC = individuele creativiteit; OA = organisatorische AI-embeddness. Klik hier om deze tabel te downloaden.

Voordat de data wordt geïmporteerd in de PLS-SEM-software, moeten onderzoekers de voltooide dataset in .csv formaat exporteren. Namen, e-mailadressen, IP-adressen en andere directe identificaties moeten uit de export worden verwijderd om onbedoelde openbaarmaking van deelnemersinformatie te voorkomen. Het geëxporteerde bestand moet worden gecontroleerd op ontbrekende waarden, mislukte screeningreacties, straight-lining, mislukte aandachtcontroles en fouten met variabelenaam. Alleen de opgeschonen indicatorvariabelen en controlevariabelen die door het model vereist zijn, mogen worden behouden. De eerste surveystart, de definitieve valide steekproef, betrouwbaarheidsbereiken, AVE-bereik, structureel VIF-bereik en bootstrap resampling-instelling moeten worden vastgelegd voor latere rapportage.

PLS-SEM analytische workflow

Om de hypothesen te analyseren, zouden de onderzoekers PLS-SEM moeten gebruiken. In SmartPLS 4.1 wordt een nieuw project aangemaakt door het opgeschoonde .csv bestand te importeren. De latente constructies moeten op het modelcanvas worden geplaatst, en de behouden indicatoren moeten worden toegewezen aan JS, EL, IC en OA. Deze directe paden kunnen op het modeldoek worden getekend; het indirecte pad kan worden gespecificeerd als JS > EL > IC, en de product-indicator interactieterm kan ook worden gecreëerd als OA × EL > IC. Onderzoekers zouden het PLS-algoritme moeten uitvoeren voordat ze de structurele paden beoordelen. In SmartPLS ga je naar Bereken > PLS-algoritme en let op de schattingsinstellingen, inclusief het padwegingsschema, het maximale aantal iteraties en het stopcriterium indien beschikbaar. Zodra het PLS-algoritme is uitgevoerd, moeten wetenschappers Cronbach's alfa, samengestelde betrouwbaarheid, AVE, buitenbelastingen, Fornell-Larcker, HTMT-verhouding en VIF-waarden 17,18,19 evalueren. De output voor het beoordelen van betrouwbaarheid, validiteit en collineariteit worden gerapporteerd in tabellen 3–5. Auteurs wordt geadviseerd een volledige collineariteitstest uit te voeren om te controleren op mogelijke common-method bias. Structurele VIF-waarden moeten worden gezien als een diagnostische indicator van mogelijke bias-aanslag van dezelfde bron, niet als een indicator dat bias-indeling van dezelfde bron is verwijderd.

Het protocol maakt onderscheid tussen buitenmodel-VIF's en structurele/volledige collineariteits-VIF's. Als een externe VIF boven de 3,3 uitkomt maar onder 5,0 blijft, moet de waarde worden herkend als een potentiële collineariteitszorg op indicatorniveau, in plaats van te worden behandeld als een diagnostische diagnose voor veelvoorkomende methode. Volledige collineariteit VIF's worden afzonderlijk geïnterpreteerd als een diagnostische screening van dezelfde bron, niet als bewijs dat common method bias is geëlimineerd 15,18,19. Metingskwaliteit en collineariteitsdiagnostiek moeten worden uitgevoerd voordat padcoëfficiënten, indirecte effecten en interactietermen worden geïnterpreteerd. Om directe paden, specifieke indirecte effecten en het moderatie-effect te berekenen, moeten onderzoekers de bootstrapping-procedure uitvoeren met 5.000 hermonsters. Met 5.000 substeekproeven voer je een tweezijdige test uit bij α = 0,05, en laat je de opties voor tekenverandering en betrouwbaarheidsinterval zoals in het project. Tabel 6 toont de padcoëfficiënt, het specifieke indirecte effect en de interactieresultaten. Na het testen van de hypothesen moeten de secties voor de specifieke indirecte effecten en totale effecten in de output worden herzien om de directe JS > IC-relatie ten opzichte van het indirecte pad door EL te beoordelen en om de effectontbinding in Tabel 7 vast te leggen. Deze procedure voorkomt het interpreteren van het niet-significante directe stress–creativiteitspad geïsoleerd van het significante perceptie-gebaseerde indirecte pad. Het wordt aanbevolen dat onderzoekers PLSpredict uitvoeren voor de endogene constructen en Q²predict, RMSE en MAE-statistieken rapporteren als een begrensde predictieve-relevantiebeoordeling. Huidige resultaten voor Q²predict, RMSE en MAE voor de endogene constructen EL en IC, samen met die voor de lineair-model benchmark, indien vermeld, in Tabel 8. Deze resultaten moeten worden geïnterpreteerd als begrensd voorspellend relevant bewijs in plaats van als volledig voorspellingsbewijs¹⁸.

Het protocol is bewust gericht in plaats van statistisch sierlijk. Onderzoekers die later landen, beroepen of managementniveaus vergelijken, kunnen meetinvariantietesten, multigroepsanalyse, segmentatie of belangrijkheid-prestatie mapping toevoegen nadat de basisbemiddelings- en moderatieworkflow is vastgesteld. Statistisch significante indirecte of interactiepaden moeten niet worden geïnterpreteerd als causale effecten wanneer de gegevens dwarsdoorsneden zijn. Ze moeten worden gepresenteerd als theorie-consistente associaties, tenzij er longitudinaal, experimenteel of multi-source bewijs beschikbaar is. Deze voorzichtigheid wordt herhaald in de Resultaten en Discussie, zodat de bemiddelings- en moderatiepaden worden gepresenteerd als theorie-consistente associaties in plaats van causale effecten^15,18. Als de exacte menulabels verschillen tussen SmartPLS-versies, moeten onderzoekers het equivalente menupad gebruiken en de softwareversie, algoritme-instellingen en herbemonsteringsinstellingen noteren in de Table of Materials of in een reproduceerbaarheidsnotitie.

Resultaten

Beoordeling van het meetmodel

Het meetmodel werd vervolgens gebruikt om de betrouwbaarheid en validiteit van constructies te beoordelen. Betrouwbaarheid, convergente validiteit, itemladingen en collineariteitsdiagnostiek worden gepresenteerd in Tabel 3. Cronbachs alfawaarden variërend van 0,877 tot 0,932 overschrijden de cutoff van 0,70. De schattingen van de samengestelde betrouwbaarheid waren acceptabel, met CR (ρ_a) variërend van 0,880 tot ...

Discussie

Het protocol presenteert een overdraagbare enquête-gebaseerde methode om te begrijpen hoe psychologische eisen, percepties van leiderschap en AI-gerelateerde contextuele omstandigheden de resultaten van werknemers in digitaal getransformeerde werkcontexten^{beïnvloeden 1,2,4}. De belangrijkste bijdrage is geen gefilmde manipulatie, maar een traceerbare analytische workflow voor online werving, toes...

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
ChatGPT (AI Taalmodel)	OpenAI	N/A	Wordt alleen gebruikt voor taalbewerking, grammaticacontrole en structurele verfijning tijdens de manuscriptvoorbereiding. De tool werd niet gebruikt voor gegevensverzameling, statistische analyse of interpretatie van de empirische resultaten. De auteurs hebben het definitieve manuscript beoordeeld, bewerkt en goedgekeurd en dragen de volledige verantwoordelijkheid voor de inhoud ervan. URL: https://chatgpt.com/
Prolific (Online Platform voor de Werving van Deelnemers)	Prolific Academic Ltd.	N/A	Online platform gebruikt voor het werven van enquêtedeelnemers voor het voorbeeldwerk. Deelnemers werden gescreend op vooraf gedefinieerde geschiktheidscriteria, waaronder fulltime werk en relevantie voor de doelpopulatie op de werkplek. URL: https://www.prolific.com/
Qualtrics (Online Enquêteplatform)	Qualtrics, LLC	N/A	Webgebaseerd enquêteplatform gebruikt voor het ontwerp van vragenlijsten, digitele geïnformeerde toestemming, screening, presentatie van constructblokken, verzameling van responsgegevens en export van geanonimiseerd dataset. Meetitems werden toegediend met behulp van een 7-punts Likert-type schaal variërend van 1 = sterk oneens tot 7 = sterk mee eens. URL: https://www.qualtrics.com/
SmartPLS 4.1 (PLS-SEM Software)	SmartPLS GmbH	Versie 4.1	Gebreikt voor partial least squares structurele vergelijkingsmodellering (PLS-SEM), inclusief modelspecificatie, PLS-algoritme schatting, beoordeling van meetmodel, collineariteitsdiagnose, bootstrapping met 5.000 herhalingen, specifiek indirect-effect testen, schatting van interactietermen, effectdecompositie en PLSpredict beoordeling. URL: https://smartpls.com/