Perceived organizational support

This study aims to address an important gap in the literature by examining the effects of technostress and safety climate on employees' technological productivity and by evaluating the moderating role of perceived organizational support in these relationships.Analyses conducted on survey data collected from 425 employees working in the defense industry reveal that technostress has a significant negative effect on technological productivity, whereas safety climate has a positive effect on technological productivity.The findings further indicate that perceived organizational support moderates the relationship between safety climate and technological productivity, strengthening the positive impact of safety climate on technological productivity.However, perceived organizational support does not exhibit a significant moderating effect on the relationship between technostress and technological productivity.By examining technostress, safety climate, and perceived organizational support-constructs that are rarely addressed together in the literature-within an integrated framework, this study contributes to a more comprehensive understanding of technological productivity.Furthermore, its focus on the defense industry, characterized by high-technology intensity and high reliability requirements, fills an important gap in the literature and provides actionable insights for improving employee well-being, safety, and technological productivity.

Burnout among nurses threatens healthcare quality and workforce sustainability. This study examined associations between perceived skill development, institutional support, resilience, job satisfaction, and burnout among nurses in Saudi Arabia, testing resilience as a mediator linking organizational resources to outcomes. In this cross-sectional study, 190 registered nurses from three hospitals in Riyadh completed validated instruments: Professional Development Scale in Nursing, Survey of Perceived Organizational Support, Connor–Davidson Resilience Scale-25, Index of Work Satisfaction, and Copenhagen Burnout Inventory. Hierarchical regression and regression-based mediation (PROCESS Model 4; 5,000 bootstrap samples) were conducted, controlling for age, gender, experience, hospital type, and nationality. Reporting follows STROBE guidelines. Skill development (β = 0.38, p < 0.001) and institutional support (β = 0.34, p < 0.001) were independently associated with resilience (R 2 = 0.412). Resilience was positively associated with job satisfaction (r = 0.48) and negatively with burnout (r = −0.54). Indirect effects via resilience were statistically significant for the paths from skill development to job satisfaction (0.15,95% CI [0.09,0.22]), skill development to burnout (−0.23,95% CI [−0.32, −0.15]), institutional support to job satisfaction (0.14,95% CI [0.09,0.21]), and institutional support to burnout (−0.19,95% CI [−0.28, −0.12]). Nationality was not significantly associated with resilience (β = 0.03, p = 0.660). Higher perceived skill development and institutional support were associated with higher resilience, which in turn correlated with improved job satisfaction and reduced burnout. These findings suggest that strengthening organizational resources is associated with higher nurse resilience and, in turn, with more favorable job satisfaction and burnout profiles; given the cross-sectional design, causal or directional claims cannot be made.

فرسودگی شغلی در میان پرستاران، کیفیت مراقبت‌های بهداشتی و پایداری نیروی کار را تهدید می‌کند. این مطالعه به بررسی ارتباط بین رشد مهارت ادراک‌شده، حمایت نهادی، تاب‌آوری، رضایت شغلی و فرسودگی شغلی در میان پرستاران عربستان سعودی پرداخته و تاب‌آوری را به‌عنوان میانجی پیونددهنده منابع سازمانی با پیامدها مورد آزمون قرار داده است. در این مطالعه مقطعی، ۱۹۰ پرستار ثبت‌شده از سه بیمارستان در ریاض ابزارهای معتبر را تکمیل کردند: مقیاس توسعه حرفه‌ای در پرستاری، پرسشنامه حمایت سازمانی ادراک‌شده، مقیاس تاب‌آوری Connor–Davidson-25، شاخص رضایت شغلی و پرسشنامه فرسودگی شغلی کپنهاگ. رگرسیون سلسله‌مراتبی و میانجی‌گری مبتنی بر رگرسیون (مدل ۴ PROCESS؛ با ۵۰۰۰ نمونه بوت‌استرپ) انجام شد و سن، جنسیت، سابقه، نوع بیمارستان و ملیت کنترل گردید. گزارش‌دهی مطابق با دستورالعمل STROBE صورت گرفته است. رشد مهارت (β = ۰٫۳۸، p < ۰٫۰۰۱) و حمایت نهادی (β = ۰٫۳۴، p < ۰٫۰۰۱) به‌طور مستقل با تاب‌آوری (R 2 = ۰٫۴۱۲) مرتبط بودند. تاب‌آوری با رضایت شغلی رابطه مثبت (r = ۰٫۴۸) و با فرسودگی شغلی رابطه منفی (r = −۰٫۵۴) داشت. اثرات غیرمستقیم از طریق تاب‌آوری برای مسیرهای رشد مهارت به رضایت شغلی (۰٫۱۵، ۹۵٪ CI [۰٫۰۹، ۰٫۲۲])، رشد مهارت به فرسودگی شغلی (−۰٫۲۳، ۹۵٪ CI [−۰٫۳۲، −۰٫۱۵])، حمایت نهادی به رضایت شغلی (۰٫۱۴، ۹۵٪ CI [۰٫۰۹، ۰٫۲۱]) و حمایت نهادی به فرسودگی شغلی (−۰٫۱۹، ۹۵٪ CI [−۰٫۲۸، −۰٫۱۲]) از نظر آماری معنادار بود. ملیت با تاب‌آوری ارتباط معناداری نداشت (β = ۰٫۰۳، p = ۰٫۶۶۰). رشد مهارت ادراک‌شده و حمایت نهادی بالاتر با تاب‌آوری بیشتر مرتبط بود که به نوبه خود با بهبود رضایت شغلی و کاهش فرسودگی شغلی همبستگی داشت. این یافته‌ها نشان می‌دهد تقویت منابع سازمانی با تاب‌آوری بیشتر پرستاران و در نتیجه با نمایه‌های مطلوب‌تر رضایت شغلی و فرسودگی شغلی مرتبط است؛ با توجه به طراحی مقطعی، ادعاهای علّی یا جهت‌دار قابل ارائه نیست.

Background The rapid integration of artificial intelligence (AI) into workplace systems is transforming job design and employee experiences. While AI promises efficiency gains, it also creates a paradox by simultaneously reducing workload and increasing psychological strain, leading to divergent effects on burnout. Objective This study systematically reviews evidence on the relationship between AI exposure and employee burnout and develops the AI as Meta-System (AIMS) framework. Methods Following PRISMA 2020, four bibliographic databases and Google Scholar were searched from inception to 31 March 2026. Forty-three peer-reviewed primary empirical studies were included: 20 measured burnout or an established burnout dimension, and 23 examined mechanisms, moderators, proxy outcomes, measurement, or implementation conditions. Methodological quality was appraised using the Mixed Methods Appraisal Tool at the criterion level. Results Findings varied according to the functional role of AI and the study design. Assistive AI was generally associated with lower burnout or exhaustion in randomized and pre–post healthcare studies, whereas monitoring and algorithmic-control exposures were associated with greater burnout or related psychosocial strain in observational studies. Perceptual AI exposure produced direct, indirect, and null associations through pathways involving job stress, job insecurity, work–family interference, perceived organizational support, and organizational commitment. Three randomized studies provided the strongest evidence for assistive interventions. Evidence for nonlinear effects was limited to supporting proxy outcomes and did not directly establish an inverted U-shaped AI–burnout relationship. Conclusion Artificial intelligence is not inherently harmful or beneficial; its associations with burnout depend on its functional role, implementation, and employee appraisal. The AIMS framework integrates these pathways and identifies propositions requiring longitudinal and experimental testing.

زمینه: ادغام سریع هوش مصنوعی (AI) در سیستم‌های محیط کار، طراحی شغل و تجربیات کارکنان را دگرگون می‌کند. اگرچه هوش مصنوعی وعده افزایش بهره‌وری را می‌دهد، اما هم‌زمان با کاهش حجم کار، فشار روان‌شناختی را افزایش داده و منجر به آثار متضاد بر فرسودگی شغلی می‌شود. هدف: این مطالعه به‌صورت مرور نظام‌مند شواهد مربوط به رابطه مواجهه با هوش مصنوعی و فرسودگی شغلی کارکنان را بررسی و چارچوب هوش مصنوعی به‌عنوان فرادستگاه (AIMS) را توسعه می‌دهد. روش‌ها: مطابق با PRISMA 2020، چهار پایگاه داده کتاب‌شناختی و Google Scholar از ابتدا تا ۳۱ مارس ۲۰۲۶ جست‌وجو شدند. چهل‌وسه مطالعه تجربی اولیه داوری‌شده وارد شدند: ۲۰ مطالعه فرسودگی شغلی یا یکی از ابعاد معتبر آن را سنجیده و ۲۳ مطالعه به بررسی سازوکارها، تعدیل‌کننده‌ها، پیامدهای جانشین، سنجش یا شرایط پیاده‌سازی پرداخته‌اند. کیفیت روش‌شناختی با استفاده از ابزار Mixed Methods Appraisal Tool در سطح معیار ارزیابی شد. یافته‌ها: نتایج بسته به نقش عملکردی هوش مصنوعی و طرح مطالعه متفاوت بود. هوش مصنوعی کمکی عموماً با فرسودگی شغلی یا خستگی کمتر در مطالعات تصادفی و پیش‌آزمون–پس‌آزمون حوزه سلامت همراه بود، در حالی که مواجهه با کنترل الگوریتمی و پایش با فرسودگی شغلی بیشتر یا فشار روانی اجتماعی مرتبط در مطالعات مشاهده‌ای همراه بود. مواجهه ادراکی با هوش مصنوعی از طریق مسیرهایی شامل استرس شغلی، ناامنی شغلی، تداخل کار–خانواده، حمایت سازمانی ادراک‌شده و تعهد سازمانی، ارتباطات مستقیم، غیرمستقیم و بی‌ارتباط ایجاد کرد. سه مطالعه تصادفی قوی‌ترین شواهد را برای مداخلات کمکی ارائه دادند. شواهد مربوط به آثار غیرخطی محدود به پیامدهای جانشین بود و رابطه U وارونه بین هوش مصنوعی و فرسودگی شغلی را به‌طور مستقیم اثبات نکرد. نتیجه‌گیری: هوش مصنوعی ذاتاً مضر یا سودمند نیست؛ ارتباط آن با فرسودگی شغلی به نقش عملکردی، نحوه پیاده‌سازی و ارزیابی کارکنان بستگی دارد. چارچوب AIMS این مسیرها را یکپارچه کرده و گزاره‌هایی را شناسایی می‌کند که نیازمند آزمون‌های طولی و تجربی هستند.