郑州卫生健康职业学院发表高分1区护理SCI! 内卷背景下中国职业护理教师的职业特征类型及其与职业倦怠和离职意向的关联
- 2026-06-15 18:06:57
专注科研一对一全流程教学
咨询微信：wzp1670423539
1.1 “内卷”语境下的职业院校护理教师困境
近年来，“内卷”一词广泛用于描述资源有限情境下个体间过度竞争、投入不断增加但收益相对停滞的社会现象。在职业教育领域，护理教师面临着教学、科研、临床技能更新三者相互重叠的多重压力。一方面，高职院校对教师的教学质量和学生评价提出更高要求；另一方面，科研考核（如论文发表、课题申报）日益加重；同时，护理学科本身的临床实践性强，教师还需保持临床技能更新，避免与临床脱节。这些需求相互交织，使教师陷入“内卷”困境——工作时间延长、心理耗竭加剧、离职意愿上升。然而，已有研究多聚焦于中小学教师或高校教师的职业倦怠，针对职业院校护理教师这一特定群体的系统性研究较少。
1.2 布迪厄场域理论作为解释框架
本研究引入法国社会学家布迪厄的场域理论（Field Theory）作为背景视角。场域是指由特定社会位置和关系构成的网络，每个场域都有其独特的运行逻辑和资本竞争规则。在职业院校护理教师的工作场域中，存在着教学、科研、临床实践等多重评价标准，教师需要在有限的时间和精力内进行资本（如学术资本、教学资本、社会资本）的积累和交换。职业特征——如工作需求量、感知组织公正、发表相关的倾向与行为——反映了教师在场域中的位置和应对策略。这些特征的不同组合可能导致不同的心理后果（职业倦怠）和行为意向（离职意愿）。因此，识别教师群体的异质性特征，并关联职业倦怠和离职意愿，有助于制定针对性的干预措施。
1.3 研究目的
本研究旨在：
探索职业院校护理教师群体的职业特征，并基于K均值聚类识别出不同的特征类型；
比较不同特征类型教师在职业倦怠和离职意愿上的差异；
为减少工作负荷、提供定制化支持提供实证依据。
2.1 研究设计
采用横断面研究设计，通过自填式问卷调查收集数据。样本来自河南省多所高等职业院校，最终纳入208名护理教师。样本量满足聚类分析和方差分析的要求（通常每类至少30例）。
2.2 测量工具
职业特征指标：包含三个维度
工作需求：如教学工作量、科研压力、临床实践任务等。
感知组织公正：教师感受到的学校在资源分配、评价考核、晋升等方面的公平程度。
发表相关的倾向与行为：包括发表论文的动机（内在/外在）、发表压力、合作行为等。
职业倦怠：采用成熟量表测量情绪耗竭、去人格化和低个人成就感三个维度。
离职意愿：测量教师考虑离开当前工作岗位或换行业的意向。
所有指标在分析前进行标准化处理（Z-score），以消除量纲影响。
2.3 数据分析
聚类分析：采用K均值聚类（K-means clustering）将208名教师根据职业特征指标划分为若干同质组别。通过肘部法则和轮廓系数确定最佳聚类数，最终识别出4种特征类型。
组间比较：使用方差分析（ANOVA）比较不同特征类型在职业倦怠和离职意愿上的差异。进一步采用协变量校正线性模型（ANCOVA），控制人口学变量（年龄、教龄、职称等）后再次检验差异的稳健性。
所有分析使用SPSS软件完成。
3.1 四种职业特征类型的命名与描述
K均值聚类将208名教师分为四类，分别命名为A型、B型、C型、D型，各类型占比及核心特征如下：
A型（34.6%，占比最高）：高工作量、低公正感、高发表相关反应。这类教师承担繁重的教学、科研和临床任务，但感知到的组织公正较低（如认为晋升不公、资源分配不合理），同时对发表压力表现出高焦虑和高强迫行为。A型是“内卷”最严重的群体。
B型（20.7%）：相对高公正感、低发表相关反应。这类教师感受到的组织公正较高，且对发表压力的反应较轻（可能因自身已积累足够资本或对发表要求不敏感）。工作量处于中等水平。
C型（31.7%）：高公正感、质量导向型、低合作回避。这类教师认可学校的公平性，更注重发表质量而非数量，且愿意合作、不回避团队任务。工作需求可能较高但心理状态较好。
D型（13.0%，占比最低）：低工作量、中等公正感。这类教师工作任务相对轻松，对公正的感知为中等，可能是年龄较大或即将退休的群体。
3.2 不同特征类型的职业倦怠与离职意愿差异
方差分析显示，四类教师在职业倦怠和离职意愿上均存在显著差异（p<0.001）。
A型（高工作量、低公正、高发表反应）：具有最高的职业倦怠和最高的离职意愿。这是最需要干预的群体。
D型（低工作量、中等公正）：职业倦怠最低，离职意愿也较低（与其他低离职组无显著差异）。
B型和C型：离职意愿较低，与D型无显著差异。其中B型（高公正、低发表反应）的职业倦怠也处于较低水平；C型（高公正、质量导向）职业倦怠中等，但离职意愿低。
在协变量校正后（控制年龄、教龄、职称等），上述差异仍然存在，说明职业特征对倦怠和离职意愿的影响独立于人口学因素。
4.1 主要发现及其意义
本研究首次基于布迪厄场域理论，对职业院校护理教师进行职业特征聚类分析，识别出四种异质性群体，并揭示了它们与职业倦怠、离职意愿的关联。核心发现包括：
A型（高工作量、低公正感、高发表反应）是“高危群体”，占教师总数的1/3以上。他们陷入“内卷”循环——任务越多越不公，越不公越焦虑，越焦虑越急于发表，进一步加剧倦怠和离职倾向。这一发现挑战了“所有教师都面临同等压力”的同质化假设，提示干预应优先针对A型教师。
感知组织公正起着关键缓冲作用：B型和C型教师虽然工作需求不一定低，但因为他们感知到较高程度的公正（如评价公平、资源分配合理），倦怠和离职意愿明显低于A型。这验证了布迪厄场域理论中“资本公平分配”对场域内行为者心理健康的保护作用。
发表相关反应模式是区分教师类型的重要维度：A型教师对发表表现出高焦虑、高强迫行为（“发表压力综合征”），而C型教师则为质量导向型、低回避（即理性应对）。这说明干预除了减少工作量外，还应调整教师对发表的不合理认知。
4.2 对职业院校护理教育管理的启示
识别高危群体，实施分层干预：学校可通过简短的问卷（如工作量、公正感、发表压力）快速筛查A型教师，为其提供心理支持、工作量减免或导师辅助。
提升组织公正：透明化晋升和考核标准，确保资源分配公平，定期征求教师意见并反馈调整。公正感的提升可能使部分A型转化为B型或C型。
优化发表评价机制：从“唯数量论”转向“质量与贡献并重”，减轻教师的发表压力。可设立校内合作平台，鼓励合作发表（C型教师已有此倾向）。
降低工作负荷：对于承担过多教学和临床任务的教师，增加助教或行政支持，或重新分配任务。
4.3 研究优势与局限性
优势：
首次将布迪厄场域理论应用于职业院校护理教师职业倦怠研究，提供了新颖的理论视角。
采用聚类方法识别异质性群体，比传统的均值比较更精细。
协变量校正增强结果稳健性。
局限性：
横断面设计无法确定因果关系（是职业特征导致倦怠，还是倦怠导致感知公正降低？）。
样本仅来自河南省，代表性有限，外推至全国需谨慎。
自陈问卷可能存在社会期望偏倚（如教师可能低估倦怠或高估公正感）。
聚类数（4类）的选择虽基于统计指标，但仍有一定主观性。
4.4 未来研究方向
纵向研究：追踪教师职业特征的变化轨迹，检验倦怠和离职意愿的因果顺序。
干预研究：设计针对A型教师的“减负+公正”干预方案，观察倦怠和离职意愿的改善效果。
跨地区比较：在不同省份、不同类型职业院校中验证四种特征类型的普适性。
质性研究：深入访谈A型教师，揭示其“内卷”体验背后的具体故事和应对需求。
本研究通过对河南省208名职业院校护理教师的横断面调查，运用K均值聚类识别出四种职业特征类型：A型（高工作量、低公正感、高发表相关反应，34.6%）、B型（相对高公正感、低发表相关反应，20.7%）、C型（高公正感、质量导向型、低合作回避，31.7%）和D型（低工作量、中等公正感，13.0%）。不同类型在职业倦怠和离职意愿上存在显著差异（p<0.001），其中A型教师具有最高的职业倦怠和离职意愿，D型倦怠最低。即使校正人口学变量后，差异依然存在。这些发现从布迪厄场域理论视角揭示了职业院校护理教师的群体异质性，并指出高工作量、低组织公正感和高发表压力是导致“内卷”及不良心理-行为后果的关键因素。研究为职业教育管理者提供了实证依据：应针对不同特征教师（尤其是A型）实施定制化支持，包括减轻工作负荷、提升组织公正和优化发表评价机制，以降低职业倦怠和离职意愿，稳定护理教师队伍。
1.1 选择研究主题
背景研究：阅读关于职业倦怠、离职意愿、教师工作压力、“内卷”现象等文献。您会发现：现有研究大多关注中小学教师或高校教师，对职业院校护理教师这一特定群体关注不足。而且，大多数研究采用“变量中心”的方法（如回归分析），假设教师是同质的，忽略了群体内部的异质性——不同教师的压力源、应对方式、感知公正可能存在很大差异。识别这些不同的“职业特征”类型，可以为精准干预提供依据。这就是研究空白。
明确目的：确定研究目标——以布迪厄场域理论为视角，通过K均值聚类识别职业院校护理教师的职业特征类型（基于工作需求、感知组织公正、发表相关倾向与行为等指标），比较不同类型在职业倦怠和离职意愿上的差异，为减少工作负荷和提供定制支持提供实证依据。
小白提示：这类研究适合有一定问卷调查经验、想学习K均值聚类的科研小白。你不需要设计实验，只需要收集横断面数据，然后用聚类把人分成几类，再比较各类的结局差异。方法相对简单，但能发表不错的论文。
2.1 选择研究类型
横断面研究设计：
适用于在单一时间点收集职业特征、职业倦怠和离职意愿的数据，评估不同特征类型之间的差异。
特点：可以识别群体中的异质性亚组，但无法确定因果关系。
2.2 确定研究参与者
样本选择：采用便利抽样，从河南省多所高等职业院校中招募护理教师。纳入标准：① 在职护理教师；② 自愿参与；③ 能独立完成问卷。排除标准：兼职、实习或休长假者。最终纳入208名教师。样本量满足聚类分析要求（通常每类至少30例，总样本>150）。
小白操作：如果条件允许，可以扩大至多个省份，增加样本量和代表性。但208人也基本够用。
2.3 变量的选择与测量
聚类变量（职业特征指标）：三个维度，需先进行标准化（Z-score）后输入聚类。
工作需求：教学课时、科研任务量、临床实践要求等。
感知组织公正：教师感受到的学校资源分配、晋升评价等的公平程度。
发表相关的倾向与行为：发表压力、发表动机（内在/外在）、合作倾向等。
结局变量：
职业倦怠：使用成熟量表（如MBI）测量情绪耗竭、去人格化、低成就感。
离职意愿：测量教师考虑离开当前岗位或转行的意向。
协变量：年龄、教龄、职称、学历等，用于后续校正分析。
所有量表需经信效度检验（α>0.7）。
3.1 数据获取
数据集：本研究不依赖公开数据库，而是通过自填式问卷调查收集一手数据。在职业院校护理教师会议或教研活动期间发放纸质问卷，或通过在线问卷（问卷星）发送链接。强调匿名性，保证真实回答。
3.2 数据整理
清理数据：
剔除缺失值超过10%或明显规律作答的无效问卷。
处理少量随机缺失：可采用均值插补或个案删除。
计算各量表总分或均分（按量表手册）。
对聚类变量（工作需求、感知组织公正、发表相关倾向与行为）进行标准化（Z-score），使各指标在同一量纲上，避免某个指标权重过大。
检查异常值（如工作需求得分超过量表范围），必要时剔除。
最终生成SPSS数据文件：每行一个教师，列包括人口学信息、三个聚类指标的标准化得分、职业倦怠总分、离职意愿总分。
本研究的核心是K均值聚类、方差分析（ANOVA）和协方差分析（ANCOVA）。
4.1 K均值聚类——识别职业特征类型
目的：根据工作需求、感知组织公正、发表相关倾向与行为三个指标，将教师划分为若干同质亚组（聚类）。K均值聚类是一种无监督机器学习方法，旨在使簇内差异最小、簇间差异最大。
步骤（使用SPSS）：
将标准化后的三个变量作为聚类变量输入。
尝试聚类数2-6类，记录每个聚类数的簇内离差平方和（WSS）或轮廓系数，选择“肘点”或轮廓系数最大的k值。本研究确定最佳聚类数为4类。
运行K均值聚类，输出每个参与者的聚类归属（1,2,3,4）。
根据每个聚类在三个变量上的均值特征进行命名：
类型A：高工作量、低公正感、高发表相关反应 → 命名为“A型”
类型B：相对高公正感、低发表相关反应 → “B型”
类型C：高公正感、质量导向型、低合作回避 → “C型”
类型D：低工作量、中等公正感 → “D型”
软件：SPSS（分析→分类→K均值聚类）。
4.2 方差分析（ANOVA）——比较不同特征类型的结局差异
目的：检验四种类型在职业倦怠和离职意愿上是否存在显著差异。
步骤：
因变量：职业倦怠总分（或各维度）、离职意愿得分。
自变量：聚类类型（1-4）。
使用单因素方差分析（One-way ANOVA），输出F值和P值。若P<0.05，则存在组间差异。
事后多重比较（如LSD或Tukey）找出具体哪些组之间有差异。
本研究的应用：四类在职业倦怠和离职意愿上均有显著差异（p<0.001）。A型倦怠和离职意愿最高，D型倦怠最低。
4.3 协方差分析（ANCOVA）——校正混杂变量
目的：在校正人口学变量（年龄、教龄、职称等）后，检验聚类类型对结局的影响是否仍然独立。
步骤：
将年龄、教龄、职称等设为协变量（Covariate），聚类类型设为固定因子，职业倦怠/离职意愿设为因变量。
运行ANCOVA，输出校正后的组间差异P值。若仍显著，则说明特征类型的效应独立于人口学因素。
本研究的应用：校正后差异仍然存在，结论稳健。
4.4 敏感性分析（可选）
改变聚类数（如尝试3类或5类），观察主要结论是否一致。
使用不同的标准化方法（如Min-Max）重新聚类。
排除某类后重新分析。
5.1 主要发现
四种职业特征类型：A型（34.6%）、B型（20.7%）、C型（31.7%）、D型（13.0%）。A型占比最高，是“内卷”最严重的群体。
差异比较：A型教师职业倦怠和离职意愿最高；D型职业倦怠最低；B型和C型离职意愿较低，与D型无显著差异。
校正后：差异仍然存在。
5.2 统计显著性
ANOVA的P值<0.001，显著。
事后比较中，A型与其他类型的差异置信区间不包含0。
5.3 校正潜在混杂变量
通过ANCOVA校正了年龄、教龄、职称等混杂因素后，结论不变，表明职业特征是独立的影响因素。
结果稳定性：敏感性分析（如改变聚类数）支持四类解的合理性。
6.1 讨论研究发现
强调职业特征的异质性与干预意义：本研究发现职业院校护理教师并非同质群体，A型（高工作量、低公正、高发表压力）占1/3以上，是最需要干预的高危人群。组织公正感、发表压力模式是区分类型的关键维度。这提示管理者应减少A型教师的工作负荷、提升公正感、调整发表评价机制。
与理论对话：A型教师的高发表压力与低公正感形成恶性循环，验证了布迪厄场域理论中“资本竞争不均导致心理耗竭”的观点。
6.2 为未来研究提供建议
纵向研究：追踪教师职业特征的动态变化及对倦怠的长期影响。
干预研究：设计针对A型教师的“减负+公正+发表指导”方案，检验效果。
跨地区研究：在其他省份验证聚类的普适性。
7.1 撰写报告
按照STROBE声明（横断面研究）及聚类分析报告规范撰写。
标题：建议“Professional characteristics of vocational nursing teachers and their associations with burnout and turnover intention: A cross-sectional clustering study”
摘要：背景、方法（K均值聚类、ANOVA、ANCOVA）、结果（四类特征及结局差异）、结论。
方法：详细描述参与者、测量工具、聚类变量标准化、聚类数确定方法、ANOVA和ANCOVA设置。
结果：各聚类中心特征表、聚类分布比例、ANOVA结果表、事后比较表、校正后的ANCOVA结果。
讨论：解释各类别的临床意义、与内卷现象联系、局限性（横断面、单省份）。
结论：识别四类特征，A型高危，呼吁定制干预。
7.2 提交与发表
推荐期刊：
护理管理/教育：Nurse Education Today、Journal of Professional Nursing、Nurse Educator
职业健康：BMC Nursing、Journal of Advanced Nursing
投稿前检查清单：
是否报告了聚类变量的标准化方法？
是否提供了聚类数确定的依据（肘部图或轮廓系数）？
是否报告了各聚类的样本量及占比？
是否进行了事后多重比较并报告？
是否进行了ANCOVA并报告校正后P值？
是否讨论了横断面设计的因果局限？
1.1 横断面研究设计
定义：横断面研究是指在特定时间点上，对样本群体进行数据收集，以评估不同变量间的关系。本研究采用横断面设计，在同一时间点收集职业院校护理教师的工作需求、感知组织公正、发表相关倾向与行为（用于聚类），以及职业倦怠和离职意愿（结局变量）。
特点：
群体异质性识别：适合用来通过聚类方法发现教师群体中的不同职业特征亚型。
差异比较：能够比较不同亚型在职业倦怠和离职意愿上的差异，但无法确定因果关系。
2.1 聚类变量（用于识别职业特征）
评估工具：采用自填式问卷评估三个维度：
工作需求：教学课时、科研任务量、临床实践要求等。
感知组织公正：资源分配、晋升评价等的公平程度。
发表相关的倾向与行为：发表压力、发表动机、合作倾向等。
预处理：三个变量在进行聚类分析前需进行标准化（Z-score），即减去均值除以标准差，使其均值为0、标准差为1。这样可避免量纲差异（如工作量用小时计、公正感用分值计）导致某个变量在聚类中权重过大。
2.2 结局变量
职业倦怠：使用成熟量表（如MBI）测量，通常包含情绪耗竭、去人格化、低成就感三个维度，可计算总分或各维度分。
离职意愿：测量教师考虑离开当前岗位或转行的意向。
3.1 K均值聚类
定义：一种无监督机器学习算法，旨在将样本划分为K个互斥的簇（聚类），使簇内样本相似度尽可能高（距离小），簇间差异尽可能大。本研究使用K均值聚类，根据工作需求、感知组织公正、发表相关倾向与行为三个标准化变量，将教师分为不同的职业特征类型。
方法：
输入：标准化后的三个聚类变量。
确定聚类数K：通过肘部法则（绘制不同K值的簇内离差平方和曲线，取拐点）和轮廓系数（越接近1越好）综合判断。本研究确定K=4。
算法步骤：随机初始化4个聚类中心 → 计算每个样本到各中心的欧氏距离，分配到最近簇 → 更新聚类中心（该簇所有样本的均值）→ 重复迭代直至收敛。
输出：每个参与者被分配一个聚类标签（A、B、C、D型），以及每个聚类在各变量上的均值（用于命名）。
结果解读：
A型：高工作量、低公正感、高发表相关反应（34.6%）
B型：相对高公正感、低发表相关反应（20.7%）
C型：高公正感、质量导向型、低合作回避（31.7%）
D型：低工作量、中等公正感（13.0%）
3.2 单因素方差分析（ANOVA）
定义：用于检验三个或以上独立样本组的均值是否存在显著差异。本研究使用ANOVA比较四种职业特征类型在职业倦怠和离职意愿上的差异。
方法：
因变量：职业倦怠总分（或离职意愿得分）
自变量：聚类类型（四分类）
输出：F值和P值。若P < 0.05，则拒绝“所有组均值相等”的原假设，表明至少有两组存在显著差异。
事后多重比较：当ANOVA显著时，需进一步进行事后检验（如LSD、Tukey、Bonferroni），以找出具体哪些组之间存在差异。本研究事后比较显示A型倦怠和离职意愿最高，D型倦怠最低。
本研究的应用：四类教师在职业倦怠和离职意愿上差异显著（p < 0.001）。
3.3 协方差分析（ANCOVA）
定义：在方差分析的基础上，纳入连续型协变量（如年龄、教龄、职称），以控制这些混杂因素对因变量的影响，从而更准确地估计自变量（聚类类型）的净效应。
方法：
因变量：职业倦怠或离职意愿
自变量：聚类类型（固定因子）
协变量：年龄、教龄、职称等
输出：校正后的组间差异P值。若P仍<0.05，则表明聚类类型对结局的影响独立于协变量。
本研究的应用：校正年龄、教龄、职称后，不同特征类型间的倦怠和离职意愿差异仍然存在（p < 0.001），结论稳健。
3.4 事后多重比较（Post Hoc Tests）
定义：当ANOVA拒绝原假设后，用于具体比较哪两组均值之间存在显著差异的统计方法。常见方法包括：
LSD法：最宽松，但易犯I类错误。
Tukey HSD：控制族系错误率，较常用。
Bonferroni校正：较保守。
本研究的应用：事后比较显示A型的倦怠和离职意愿显著高于其他三型；D型倦怠显著低于其他型；B型和C型的离职意愿与D型无显著差异。
4.1 聚类结果
统计显著性：聚类本身不提供P值，而是通过轮廓系数（>0.5为合理，>0.7为好）和肘部法则评估聚类质量。本研究未报告轮廓系数，但通过方差分析事后比较验证了各类型在结局上的显著差异，间接支持聚类的有效性。
系数解读：各聚类在三个聚类变量上的标准化均值，用于命名。例如A型在工作需求上Z分数>0.5（高），在公正感上Z分数<-0.5（低），在发表反应上Z分数>0.5（高）。
4.2 差异比较结果
统计显著性：ANOVA的P < 0.001，表明四类教师间差异显著。事后多重比较中，A型与其他三型的均值差置信区间不包含0。
系数解读：例如，A型的职业倦怠得分比D型高约1.5个标准差（具体值需从原文获取），具有临床/实践意义。
4.3 校正潜在混杂变量
混杂变量：年龄、教龄、职称等可能同时影响职业特征（如老教师可能工作量较低）和职业倦怠。若不校正，会高估或低估聚类类型的效果。
校正方法：在ANCOVA中将年龄、教龄、职称作为协变量纳入，得到校正后的组间差异。校正后差异仍然存在，表明职业特征类型对倦怠和离职意愿的影响是独立的。
结果稳定性：敏感性分析（如改变聚类数、改变标准化方法）结果一致，表明结论稳健。
5.1 实践意义
护理教育管理：本研究通过K均值聚类识别出四类职业特征，其中A型（高工作量、低公正感、高发表反应）占34.6%，其职业倦怠和离职意愿最高。建议院校重点针对A型教师实施减负、提升公正感和发表指导干预。ANCOVA校正后差异仍存在，说明这些差异不是由年龄或教龄等人口学因素导致的，支持针对职业特征本身进行干预。
5.2 未来研究方向
纵向与干预研究的需求：横断面聚类无法确定职业特征与倦怠的因果顺序。建议开展纵向研究，追踪教师职业特征的动态变化；并设计针对A型教师的干预试验，验证减负+公正干预的效果。同时可在其他省份进行跨地区验证。
祝大家发文顺利，有什么不懂可以在评论区留言，吴老师尽量解答！零基础的同学可以咨询一对一辅导，快速发表SCI文章！
吴老师微信：wzp1670423539
还在担心没有SCI论文，缺少竞争力？找专人学习、快速发表人生第一篇SCI，点⬇️链接报名咨询！
0基础发护理SCI！一对一全程教学指导（教到发表模式）招生报名！
护研SCI专注护士SCI论文一对一指导，让每个护士都学会从０到１发表SCI！
我们定期解读优质文献，分享文章的具体思路和方法学。此外，我们面向护士提供高端一对一科研线上辅导，让零基础的普通人快速学会从0到1发表临床科研SCI论文。
感兴趣请扫描文末吴老师的二维码具体咨询如何加入SCI论文辅导项目。微信：wzp1670423539
本期编辑
你的分享、点赞、在看
我都喜欢
授人以鱼不如授人以渔
学无止境，终身学习！
