Faculteit Psychologie en Pedagogische Wetenschappen Academiejaar Eerste Examenperiode

Transcriptie

1 Faculteit Psychologie en Pedagogische Wetenschappen Academiejaar Eerste Examenperiode TECHNOLOGISCHE ABSTRACTHEID EN TECHNOLOGISCHE ONZEKERHEID ALS PREDICTOREN VAN COGNITIEF WELZIJN OP HET WERK Masterproef neergelegd tot het behalen van de graad van Master in de Psychologie, Optie Bedrijfspsychologie en Personeelsbeleid door Ine Segers Promotor: Prof. Dr. P. Vlerick Begeleiding: B. Van de Ven

2 Ondergetekende, Ine Segers, geeft toelating tot het raadplegen van de scriptie door derden. Handtekening, Ine Segers

3 Abstract Deze studie onderzoekt de match tussen taakeisen en hulpbronnen op het werk in de voorspelling van het welzijn van werknemers. Zowel taakeisen en hulpbronnen als werkgerelateerde uitkomsten zijn multidimensionele constructen. Ze kunnen primair gedragsmatig/fysiek, cognitief of emotioneel van aard zijn. Het triple match principe stelt dat de sterkste, interactieve relaties tussen taakeisen en hulpbronnen zullen voorkomen wanneer taakeisen, hulpbronnen en uitkomsten gebaseerd zijn op identieke, kwalitatieve dimensies. Op grond hiervan stellen wij dat de aanwezigheid van cognitieve hulpbronnen de relatie tussen cognitieve taakeisen en cognitieve uitkomsten zal modereren. Cognitieve taakeisen worden in deze studie geoperationaliseerd als de mate van technologische onzekerheid die een werknemer ervaart, cognitieve hulpbronnen zijn tijd- en methodecontrole en cognitieve uitkomsten worden gemeten door leermotivatie en creativiteit. Specifiek verwachten we dat er een positieve relatie bestaat tussen technologische onzekerheid en cognitief welzijn en deze relatie zal sterker zijn wanneer voldoende cognitieve hulpbronnen beschikbaar zijn. Een online vragenlijst werd gebruikt om data te verzamelen van 221 werknemers uit verschillende sectoren. Uit de resultaten bleek dat leermotivatie en creativiteit verhogen indien hoge technologische onzekerheid gecompenseerd wordt door hoge tijdcontrole. Deze resultaten bevestigen onze hypotheses. Voor methodecontrole bleek er een significante interactie te bestaan, echter niet conform met onze hypotheses. Leermotivatie en creativiteit verhogen in dit geval wanneer hoge technologische onzekerheid gecombineerd wordt met lage methodecontrole. Over het algemeen vonden we aldus partiële bevestiging voor onze hypotheses en bieden de resultaten van dit onderzoek verdere empirische ondersteuning voor het triple match principe. Deze resultaten worden verder besproken en geïnterpreteerd en beperkingen worden weergegeven. i

4 Voorwoord Via deze weg wil ik mijn dank betuigen aan alle personen die door hun steun en raadgevingen geholpen hebben bij het tot stand komen van deze scriptie. Allereerst wil ik mijn promoter, Prof. Dr. Peter Vlerick, bedanken. Dankzij hem kreeg ik de mogelijkheid om mij verder te verdiepen in deze boeiende materie. Verder gaat mijn grote dank uit naar Bart Van de Ven, mijn begeleider, voor de constructieve feedback en sturing gedurende dit onderzoek. Hij stelde naast zijn goede raad en wetenschappelijke kennis bovenal tijd ter beschikking en zorgde ervoor dat ik tot het einde gemotiveerd bleef om deze studie tot een goed einde te brengen. Tevens wil ik alle werknemers bedanken, die hebben deelgenomen aan deze studie. Zij dienen omwille van confidentialiteit evenwel anoniem te blijven. Zonder hun inzet zou deze scriptie niet mogelijk zijn geweest. Ten slotte wil ik een dankwoord uitspreken dat gericht is aan mijn partner, naaste familie en vrienden voor hun advies en aanhoudende steun tijdens de afronding van deze academische fase aan de universiteit. Ine Segers, Gent, mei 2009 ii

5 INHOUDSTAFEL Abstract i Voorwoord ii Inhoudstafel iii Lijst met Figuren v Lijst met Tabellen vi Inleiding 1 Algemene Probleemstelling 1 Conceptueel Kader 2 Het demand-control (DC) model. 2 Het effort-reward imbalance (ERI) model. 3 Het demand-induced strain compensation (DISC) model. 4 Het triple match principe. 6 Empirische evidentie DISC model. 8 Huidige Studie 9 Methode 14 Procedure en Participanten 14 Meetinstrumenten 14 Demografische kenmerken. 14 Onafhankelijke variabelen. 15 Moderatoren. 15 Afhankelijke variabelen. 16 Statistische Analyses 16 iii

6 Resultaten 18 Leermotivatie 20 Creativiteit 22 Discussie 25 Beperkingen en Suggesties voor Toekomstig Onderzoek 28 Implicaties voor de Praktijk 29 Referenties 31 Bijlagen 37 Bijlage 1. Begeleidende Bijlage 2. Vragenlijst. 38 Bijlage 3. Codeboek vragenlijst. 46 iv

7 Lijst met Figuren Figuur 1. Illustratie DISC model. 6 Figuur 2. Illustratie onderzoeksmodel. 12 Figuur 3. Interactie van technologische onzekerheid 20 en tijdcontrole op leermotivatie. Figuur 4. Interactie van technologische onzekerheid 21 en methodecontrole op leermotivatie. Figuur 5. Interactie van technologische onzekerheid 22 en tijdcontrole op creativiteit. Figuur 6. Interactie van technologische onzekerheid 23 en methodecontrole op creativiteit. v

8 Lijst met Tabellen Tabel 1. Gemiddelden (M), standaarddeviaties (SD), 18 Pearson intercorrelaties en betrouwbaarheden (α) (n = 221). Tabel 2. Hiërarchische regressies van technologische 19 onzekerheid en tijd- en methodecontrole op leermotivatie en creativiteit. vi

9 Inleiding Algemene Probleemstelling Sinds de industriële revolutie aan het einde van de 18 e eeuw is er een enorme omschakeling gebeurd van manuele arbeid naar machinale vervaardiging van goederen. Dit was het startschot voor de snelle ontwikkeling van nieuwe technologieën. Heden is technologische vooruitgang het hoofdkenmerk van geïndustrialiseerde landen. Deze technologische veranderingen hebben evenwel een onmiskenbare impact op werknemers. Klachten over arbeid waren vroeger voornamelijk van fysieke aard, de nadruk lag dan ook op de fysieke en materiële werkomstandigheden. De aandacht verschuift echter langzamerhand naar perceptueel-mentale en psychosociale risico s die verbonden zijn aan arbeidssituaties (de Jonge & Furda, 1995). Hedendaagse werknemers worden geconfronteerd met fysieke of gedragsmatige, emotionele en/of cognitieve eisen. Deze eisen kunnen zowel op korte als lange termijn psychologisch en fysiek disfunctioneren veroorzaken, zoals burnout, depressie, cardiovasculaire ziekten en musculoskeletale problemen. Ziekteverzuim en onvermogen om het werk verder te zetten zijn hier onvermijdelijke gevolgen van (de Jonge & Dormann, 2003). De technologische vooruitgang en de snelle groei van de informatie- en communicatietechnologie die cognitieve eisen stellen aan werknemers kunnen we kaderen binnen verscheidene modellen die werkstress trachten te verklaren. Zo is er het demand-control (DC) model van Karasek (1979), het effort-reward imbalance (ERI) model van Siegrist, Siegrist & Weber (1986) en het recent ontwikkelde demand-induced strain compensation (DISC) model van de Jonge en Dormann (2003). Het is duidelijk dat werkstress zowel voor de werknemer als de organisatie een belangrijk concept is. Organisaties hebben er ongetwijfeld baat bij om aandacht te besteden aan de werkomstandigheden en taakeisen van hun werknemers. Op die manier kunnen zij bijvoorbeeld voorkomen dat werknemers langdurig afwezig zijn door ziekte. Met het DISC model als leidraad zullen we nader onderzoeken welke effecten cognitieve taakeisen hebben op het welzijn van werknemers. Tevens zullen we nagaan welke factoren deze relaties al dan niet kunnen bufferen. 1

10 De nadruk van deze scriptie ligt op de technologie binnen de werkcontext en meer specifiek zullen we technologische karakteristieken als cognitieve taakeisen beschouwen. We gaan na welke effecten deze technologische eisen hebben op motivatie om te leren en creativiteit van werknemers. Tijd- en methodecontrole zijn twee centrale concepten die we als moderatoren zullen beschouwen. Dit alles zal onderzocht worden bij werknemers die dagelijks moeten omgaan met de complexiteit van hedendaagse technologieën en machines, gaande van productielijnen tot personal computers. Het meeste stressonderzoek is reeds gebeurd in de dienstensector. Deze studie zal pogen licht te werpen op mogelijke hulpbronnen die gebruikt kunnen worden om de relatie tussen taakeisen en uitkomstmaten bij zowel arbeiders als bedienden te bufferen. Dit zal aangepaste interventies binnen de werksituatie mogelijk maken (de Jonge & Dormann, 2003). We gaan van start met het nader toelichten van de verschillende werkstressmodellen, waarvan het DISC model in detail zal besproken worden. Vervolgens zullen we onze concrete onderzoeksvragen formuleren, waarna de methode en resultaten worden besproken en ten slotte volgt de discussie. Conceptueel Kader Volgende twee modellen, het demand-control model (Karasek, 1979) en het effortreward imbalance model (Siegrist, Siegrist & Weber, 1986), zijn toonaangevend geweest binnen het domein van stressonderzoek. Tevens hebben deze modellen de basis gelegd voor het recent ontwikkelde demand-induced strain compensation model van de Jonge en Dormann (2003). Het demand-control (DC) model. Het DC model van Karasek (1979) beschouwt twee psychosociale job karakeristieken als belangrijke determinanten van al dan niet slechte gezondheid van werknemers. Deze determinanten zijn psychologische taakeisen ( psychological job demands ) en sturingsmogelijkheden ( job decision latitude ). Psychologische taakeisen worden gedefinieerd als de psychologische stressoren die aanwezig zijn op het werk. Sturingsmogelijkheden betreffen ondermeer (1) de mogelijkheid van de werknemer om beslissingen te nemen in zijn job en (2) de breedte van vaardigheden die gebruikt worden door de werknemer in zijn job. Het DC model 2

11 stelt dat negatieve uitkomsten zullen voorkomen wanneer psychologische taakeisen zeer hoog zijn en beslissingsmogelijkheden laag. Een tweede voorspelling van het model houdt in dat motivatie, actief leren en persoonlijke groei zullen optreden wanneer zowel taakeisen als beslissingsmogelijkheden hoog zijn. In een latere uitbreiding van dit model wordt geponeerd dat de meeste gezondheidsklachten zullen optreden bij een combinatie van hoge taakeisen, lage sturingsmogelijkheden en lage sociale steun (Van der Doef & Maes, 1999). Het effort-reward imbalance (ERI) model. De focus van het ERI model ligt op betaald werk. In dit model zijn (1) inspanningen op het werk en (2) beloningen op het werk twee belangrijke determinanten. Inspanningen op het werk refereren naar de inspanningen van de werknemer om om te gaan met negatieve, externe stimuli, zoals hoge werkdruk. Beloningen op het werk houden verwachtingen rond het salaris en extralegale voordelen in, maar ook verwachtingen omtrent promotiekansen, werkzekerheid, zelfvertrouwen, respect en steun. Het ERI model voorspelt dat een staat van onevenwicht zich zal voordoen bij hoge inspanningen en lage beloning. Deze toestand kan leiden tot negatieve uitkomsten (Siegrist, Siegrist & Weber, 1986). In tegenstelling tot het DC model van Karasek beschouwt het ERI model ook persoonsgerelateerde karakteristieken. Overcommitment wordt in het ERI model naar voren geschoven als moderator tussen inspanning en beloning. Zo zal een persoon die gekenmerkt wordt door overcommitment zijn inspanningen overdrijven en zijn beloningen als onvoldoende percipiëren. Hierdoor wordt een nog groter onevenwicht gecreëerd met nog meer gezondheidsklachten op lange termijn (de Jonge, Bosma, Peter & Siegrist, 2000). Voorgaande modellen zijn beide compensatiemodellen, gezien ze nagaan onder welke omstandigheden toenemende taakeisen leiden tot gezondheidsklachten bij werknemers. Beide modellen hebben echter ook veel kritiek gekregen. Zo stellen Houtman & Smulders (2003) dat beide modellen slechts een beperkt segment van de psychologische werksituatie omvatten. Taakeisen zouden ook zaken als complexiteit, onvoorspelbaarheid en emotionele en fysieke belasting moeten omsluiten (de Jonge, Dormann & van Vegchel, 2004). 3

12 Het demand-induced strain compensation (DISC) model. Het demand-induced strain compensation (DISC) model (de Jonge & Dormann, 2003, 2006) betreft een integratie van het DC model en het ERI model en probeert tegemoet te komen aan voorgaande kritiek. Het DISC model steunt op zelfregulatieprocessen, die verklaren op welke manier werknemers hoge eisen in hun werkomgeving kunnen compenseren (de Jonge, Dormann & van Vegchel, 2004). De centrale concepten van het DISC model bestaan uit drie categorieën, namelijk taakeisen ( job demands ), hulpbronnen in het werk ( job resources ) en werkgerelateerde uitkomsten ( job outcomes ). Zie Figuur 1 voor een illustratie van het DISC model. Taakeisen verwijzen naar de mate waarin de werkomgeving stimuli bevat die cognitieve, emotionele of fysieke inspanningen vereisen. Cognitieve taakeisen refereren naar de hoeveelheid informatieverwerkende capaciteit die nodig is om een taak uit te voeren. Emotionele taakeisen hebben betrekking op emoties die voorkomen bij het uitvoeren van taken. Fysieke taakeisen ten slotte, zijn deze taken die aanspraak maken op de statische en dynamische inspanning van ons houdings- en bewegingsapparaat. Hulpbronnen zijn deze zaken die de werknemer kan gebruiken om om te gaan met zijn werk. Zo kunnen hulpbronnen gebruikt worden om (1) taakeisen te reguleren of verminderen, (2) om persoonlijke en/of werkgerelateerde doelen te bereiken en (3) om persoonlijke groei en ontwikkeling van vaardigheden te stimuleren. Hulpbronnen worden dus gebruikt om om te gaan met huidige taakeisen en daarnaast worden hulpbronnen opgeslagen om deze pas later bij een toekomstige inspanning te gebruiken ( energy accumulating behaviour ; Hobfoll, 1989). Werkgerelateerde uitkomsten zijn uitkomsten op vlak van gezondheid en psychologisch welbevinden. Deze kunnen zowel fysiek (bv. lage rugklachten), emotioneel (bv. burnout) als cognitief (bv. creativiteit) van aard zijn. Deze uitkomsten hoeven dus niet enkel negatief te zijn; zo kan er bijvoorbeeld sprake zijn van positieve, cognitieve uitkomsten, zoals motivatie om te leren en creativiteit. Vier principes staan centraal in het DISC model. 1) Multidimensionaliteit van concepten: taakeisen, hulpbronnen en werkgerelateerde uitkomsten zijn geen unidimensionele concepten. Ze kunnen primair 4

13 gedragsmatig/fysiek, cognitief of emotioneel van aard zijn, zoals in bovenstaande definiëringen al werd geïllustreerd. 2) Triple match principe: taakeisen, hulpbronnen en werkgerelateerde uitkomsten hebben sterkere relaties indien ze op gelijksoortige dimensies en bij hetzelfde type processen een rol spelen. Zo zullen bijvoorbeeld hoge fysieke taakeisen (bv. heffen van zware materialen) en gebrek aan fysieke hulpbronnen (bv. gebrek aan kraan om zware materialen te heffen) leiden tot fysieke gezondheidsklachten (bv. rugpijn). Al deze variabelen passen bij elkaar (match). Deze match kan op twee verschillende niveaus: a. een match tussen taakeisen en hulpbronnen; b. een match tussen taakeisen en uitkomsten enerzijds en hulpbronnen en uitkomsten anderzijds. 3) Compensatieprincipe: negatieve effecten van taakeisen kunnen het best worden gecompenseerd door activatie van tegengestelde processen, dewelke geïnitieerd worden door matchende hulpbronnen. Zo zal bijvoorbeeld een emotioneel zware taak (bv. verzorgen van kankerpatiënten) het best gereguleerd worden door een emotionele hulpbron (bv. opbeurend gesprek met collega). 4) Balanspricipe: een vorm van activatie (bv. actief leergedrag, persoonlijke groei en ontwikkeling) ontstaat wanneer de spanning ( arousal ) die veroorzaakt wordt door een taakeis omgebogen wordt in een directe, efficiënte actie door de toepassing van een specifieke, matchende hulpbron. Zo kan bijvoorbeeld een cognitief complexe taak leiden tot actief leergedrag wanneer de werknemer een cognitieve hulpbron zoals regelcapaciteit (bv. zelf kiezen wanneer welke taken uitvoeren) tot zijn beschikking heeft. (de Jonge & Dormann, 2003). 5

14 T A A K E I S E N Hoge cognitieve taakeisen Hoge fysieke taakeisen Hoge emotionele taakeisen Hoge emotionele hulpbronnen Hoge cognitieve hulpbronnen Hoge fysieke hulpbronnen H U L P B R O N N E N Motivatie & Leren & Groei T A A K E I S E N Hoge cognitieve taakeisen Hoge fysieke taakeisen Hoge emotionele taakeisen Lage emotionele hulpbronnen Lage cognitieve hulpbronnen Lage fysieke hulpbronnen H U L P B R O N N E N Slechte gezondheid & Laag welzijn Figuur 1. Illustratie DISC model. Het triple match principe. Zoals reeds eerder vermeld kunnen we op niveau van taakeisen drie verschillende types onderscheiden. Zo zijn er cognitieve, emotionele en fysieke taakeisen. Hulpbronnen kunnen we op dezelfde manier indelen. Een hulpbron kan een cognitieve, emotionele of fysieke component hebben. Ten slotte bestaan ook de 6

15 uitkomsten uit deze drie verschillende typen; deze kunnen cognitieve, emotionele of fysieke dimensies omvatten (de Jonge & Dormann, 2006). Het idee van een match tussen taakeisen en hulpbronnen is reeds 25 jaar oud. Cohen en McKay (1984) suggereerden dat interactie effecten het sterkst zijn wanneer er een match is tussen specifieke soorten taakeisen en bepaalde vormen van sociale steun (= hulpbron). Zoals bijvoorbeeld wanneer instrumentele hulp van collega s fysieke pijn reduceert die veroorzaakt wordt door het tillen van zware materialen. Dit soort match, tussen taakeisen en hulpbronnen, wordt een double match of common kind genoemd. Er is empirische evidentie voor deze double match of common kind (zie Terry & Jimmieson, 1999; Terry, Nielsen & Perchard, 1993), maar over het algemeen is het bewijs gemengd (de Jonge & Dormann, 2006). Om het inconsistente bewijs van de double match of common kind beter te begrijpen hebben onderzoekers het idee van matching uitgebreid. Frese (1999) argumenteerde dat de derde component, de uitkomst, ook als bron van match of nonmatch moest beschouwd worden. De match komt hier voor tussen taakeisen en uitkomsten enerzijds of tussen hulpbronnen en uitkomsten anderzijds. Dit is wat we een double match of extended kind noemen. Zo zullen sociale types hulpbronnen (bv. steun van collega s) en sociale soorten taakeisen (bv. spreken voor publiek) eerder sociale soorten uitkomsten uitlokken (bv. sociale angst en irritatie). Minder sociaal geladen uitkomsten (bv. somatische symptomen; zie ook Dormann & Zapf, 1999) zullen daarentegen een minder logisch gevolg zijn. Het is nog steeds een theoretische uitdaging om te voorspellen welk soort hulpbron de relatie beïnvloedt bij het onderzoeken van een double match of extended kind (zie Viswesvaran, Sanchez & Fisher, 1999). Op basis van de ideeën betreffende double match of common kind, double match of extended kind en de multidimensionaliteit van constructen, ontwikkelden de Jonge & Dormann (2003) het triple match principe. Het triple match principe stelt dat de sterkste interactie effecten tussen taakeisen en hulpbronnen voorkomen wanneer zowel taakeisen, hulpbronnen als uitkomsten gebaseerd zijn op dezelfde kwalitatieve dimensies. Het matchingprincipe wordt hierbij dus nog verder uitgebreid. Niet enkel taakeisen en hulpbronnen of hulpbronnen en 7

16 uitkomsten zouden moeten overeenkomen, ook taakeisen moeten met de uitkomsten matchen. Als theoretische basis voor het triple match principe stellen de Jonge & Dormann (2006) homeostatische regulatieprocessen voor. Op het gebied van immuniteit zijn homeostatische regulatieprocessen gekend om hun activatie van interne hulpbronnen (bv. hormonen en neuropeptiden) wanneer specifieke stressoren optreden (Lekander, 2002). Door evolutionaire processen is de waarschijnlijkheid van het gebruik van functionele, matchende, interne hulpbronnen groter dan het gebruik van disfunctionele, non-matchende immuniteitsparameters (Lekander, 2002). Dit idee van functionele, homeostatische regulatieprocessen kan getransfereerd worden naar de werksituatie (zie Vancouver, 2000). Functionele, homeostatische regulatie op het werk houdt zelfregulatieprocessen in, die het mogelijk maken om om te gaan met een psychologische stresstoestand, die veroorzaakt wordt door taakeisen in de werksituatie (Pomaki & Maes, 2002). De Jonge & Dormann (2006) stellen dat, gelijkaardig aan de homeostatische regulatieprocessen, individuen, functionele, corresponderende, werkgerelateerde hulpbronnen activeren om effecten van specifieke taakeisen te bufferen. Het komt er dus op neer dat er een match bestaat wanneer externe hulpbronnen gelijkaardige functies uitoefenen als interne hulpbronnen tijdens een individu zijn gevecht tegen stress. Personen zullen taakeisen eerst aanpakken door gemakkelijk voorhanden interne buffers aan te spreken. Als deze hulpbronnen uitgeput zijn zullen ze matchende, externe hulpbronnen gebruiken en als deze niet aanwezig zijn, zal men op zoek gaan naar andere mogelijke hulpbronnen. Deze hulpbronnen hoeven dan niet eens nauw te corresponderen met het soort taakeis. Interne, matchende hulpbronnen zijn dus het sterkst in het bestrijden van stressoren, gevolgd door corresponderende, externe buffers en ten slotte de non-matchende, externe hulpbronnen (de Jonge & Dormann, 2006). Empirische evidentie DISC model. Een recent overzicht van de Jonge, Dormann en van den Tooren (2008) demonstreert voldoende empirische evidentie voor het DISC model. Van de 11 studies die zijn uitgevoerd in Nederland, België, Duitsland en Australië zijn er 8 die ondersteuning bieden voor het triple match principe. Een significante triple match komt het meest voor op emotioneel vlak (in 7 van de 8 8

17 studies), gevolgd door de triple match van cognitieve aard (in 5 van de 8 studies). Drie van de 11 studies bieden echter geen ondersteuning aan het DISC model, in die zin dat er geen significante matchende interactie effecten worden geobserveerd. Een beperking van deze studies betreft het feit dat het merendeel crosssectioneel is, waardoor de causaliteitsvraag onbeantwoord blijft. De enige longitudinale studie die gerapporteerd wordt in het overzicht biedt evenwel ondersteuning aan het DISC model. Deze studie, uitgevoerd door de Jonge & Dormann (2006), toont een lineair verband tussen de waarschijnlijkheid van optreden van interactie effecten en de mate van match. Zo waren 33 procent van alle onderzochte interactie effecten significant wanneer er een triple match was, 17 procent van de interacties waren significant wanneer het om double matches ging en 0 procent van de interacties was significant wanneer de non-matches getest werden. Resultaten van Belgische, Duitse en Nederlandse studies tonen over het algemeen aan dat bepaalde combinaties van specifieke taakeisen en hulpbronnen de hoogste predictieve validiteit hebben ten opzichte van cognitieve, emotionele en fysieke uitkomsten. Dit is volledig in lijn met de kernassumpties van het DISC model. Acht van de 11 studies (73 procent) in dit overzicht tonen empirische evidentie voor het triple match principe (de Jonge, Dormann & van den Tooren, 2008). Huidige Studie Deze studie zal zich focussen op de impact die technologische job karakteristieken hebben op het cognitief welzijn van werknemers. De introductie van advanced manufacturing technology (AMT) heeft belangrijke implicaties gehad voornamelijk voor de aard van arbeiderswerk (Blumberg & Gerwin, 1984; Forester, 1985; Majchzrak, 1988; Susman & Chase, 1986; Wall, Clegg & Kemp, 1987; Zuboff, 1988). Meerbepaald is het interessant om te gaan kijken naar de veelheid aan potentiële stressoren die AMT met zich meebrengt (Corbett, 1988; Edwards, 1989; Martin & Wall, 1989; Wall, Corbett, Clegg, Jackson & Martin, 1990). Terwijl onderzoek over de effecten van AMT op stressreacties van operatoren toeneemt (Wall & Davids, 1992), zijn er nog relatief weinig studies gebeurd naar de effecten van technologie op zich (Mullarkey, Jackson, Wall, Wilson & Grey-Taylor, 1997). De meeste studies benadrukken de impact van veranderingen in de omgeving. Daarenboven heeft onderzoek consistent de noodzaak 9

18 om relevante theoretische raamwerken te beschouwen achterwege gelaten. Vooral modellen die de interactie tussen taakeisen en andere variabelen benadrukken zijn nog te weinig gebruikt (Mullarkey et al., 1997). Gezien deze hiaten in het onderzoeksdomein zullen we in deze studie twee directe eigenschappen van AMT onderzoeken die samenhangen met het optreden van operationele problemen. Tevens zullen we de specifieke rol van jobcontrole, bestaande uit tijd- en methodecontrole, als cognitieve moderatoren beschouwen. Het eerste kenmerk van AMT, technologische abstractheid, refereert naar de mate waarin een operationeel probleem moeilijk is om te begrijpen en interpreteren. Hoe meer de technologie informatie verwerkt die moeilijk zichtbaar is voor operatoren, hoe meer technologisch abstract deze technologie bevonden wordt (Mullarkey et al., 1997). Frese (1987) identificeert abstractheid, in een overzicht van onderzoek naar geautomatiseerde kantoorsystemen, als een sterke stressor in de dienstensector en suggereert dat dit een tevens een belangrijk probleem kan zijn binnen de arbeiderssector. Weick (1990) argumenteert dat abstractheid een mogelijke stressor is omdat deze interfereert met de mogelijkheden van de operator om te voorspellen, te begrijpen en te controleren; stuk voor stuk factoren die van belang zijn in het onderzoeken van werkgerelateerde stress. Ondanks het belang van abstractheid in organisationele contexten geven Mullarkey et al. (1997) aan dat er tot nog toe weinig of geen empirische studies gebeurd zijn die de relatie tussen technologische abstractheid en stressreacties bij operatoren onderzoeken. Het tweede kenmerk van AMT, technologische onzekerheid, is de mate waarin de technologie vatbaar is voor operationele problemen. Het aantal complexe hardwaretoestellen die bij de technologie betrokken zijn, hun snelheid en de stabiliteit van de programma s die de hardware controleren, bepalen de technologische onzekerheid (Mullarkey et al, 1997). Bij hoge technologische abstractheid en onzekerheid is een hoger niveau van menselijke input vereist. Gegeven het belang van onzekerheid in organisationele settings is het verrassend dat er toch zo weinig onderzoek is gebeurd naar het effect ervan op stress bij werknemers. Slechts recent hebben studies aangetoond dat technologische onzekerheid kan leiden tot stress (Carayon-Sainfort, 1992; Carayon & Hajnal, 1993; Johansson & Aronsson, 1984; Lindström, 1991; Yang & Carayon, 1993). Al deze studies werden echter uitgevoerd bij 10

19 bedienden, waarbij de dominante vorm van technologie bestaat uit geautomatiseerde administratiesystemen. Volgens Mullarkey et al. (1997) echter leent de stochastische en onvoorspelbare aard van AMT zich er uitstekend toe om de impact van technologische onzekerheid op stressreacties van arbeiders te onderzoeken. Om deze reden zullen zowel bedienden als arbeiders worden betrokken in dit onderzoek en zullen technologische abstractheid en onzekerheid onderzocht worden in het kader van algemene technologie, gaande van productielijnen tot personal computers. In deze studie zullen we de technologische karakteristieken integreren in het DISC model. Cognitieve taakeisen worden geoperationaliseerd als technologische abstractheid en onzekerheid. Verder zal job controle als specifieke cognitieve hulpbron worden opgenomen, die in het bijzonder van belang is bij AMT. Deze job controle kunnen we onderverdelen in twee verschillende componenten. Als eerste is er tijdcontrole, dit soort van controle refereert naar de mate waarin de werknemer zelf kan beslissen wanneer hij bepaalde taken uitvoert versus taken uitvoeren wanneer technologie dit vereist (Wall et al., 1990). Als tweede component kunnen we methodecontrole onderscheiden, deze controlevorm wordt gedefinieerd in termen van de mate waarin de werknemer het werk kan uitvoeren op zijn eigen manier versus werk uitvoeren zoals door externe procedures of technologieën wordt voorgeschreven (Wall et al., 1990). We zullen in dit onderzoek twee uitkomstvariabelen bekijken op cognitief niveau. Voor onze keuze baseren we ons op de voorspelling van het DC model van Karasek (1979) en het balansprincipe van het DISC model. Karasek (1979) stelt dat motivatie, actief leren en groei zullen optreden wanneer zowel taakeisen als beslissingsmogelijkheden hoog zijn. Het balansprincipe zegt verder dat actief leergedrag, persoonlijke groei en ontwikkeling ontstaan wanneer de spanning die veroorzaakt wordt door een taakeis gebufferd wordt door een specifieke, matchende hulpbron. We beschouwen in dit onderzoek dus uitdrukkelijk positieve uitkomstmaten. Zo is er motivatie om te leren, dat refereert naar de mate waarin werknemers aangeven dat hun job hen motiveert om nieuwe gedragingen en vaardigheden te leren of de mate waarin werknemers graag problemen oplossen in hun job (Kompier & Taris, 2004). Verder bekijken we de effecten op creativiteit, dat wordt gedefinieerd als de ontwikkeling van ideeën over producten, praktijken, diensten en procedures door 11

20 medewerkers, die (1) nieuw zijn en (2) in een organisatie als potentieel bruikbaar worden beschouwd (Amabile, Barsade, Mueller & Staw, 1996). Zie Figuur 2. ter illustratie van het onderzoeksmodel. COGNITIEVE TAAKEISEN Technologische onzekerheid Technologische abstractheid COGNITIEVE UITKOMSTEN Leermotivatie Creativiteit COGNITIEVE HULPBRONNEN Tijdcontrole Methodecontrole Controlevariabelen: Leeftijd Geslacht Opleidingsniveau Statuut Figuur 2. Illustratie onderzoeksmodel. Op grond van het triple match principe worden volgende hypothesen geformuleerd. Hypothese 1: Leermotivatie bij werknemers is positief geassocieerd met technologische onzekerheid en technologische abstractheid en deze relatie wordt gemodereerd door tijdcontrole. Specifiek verwachten we dat deze positieve relatie tussen technologische karakteristieken en leermotivatie sterker zal zijn wanneer tijdcontrole beschikbaar is. Hypothese 2: Leermotivatie bij werknemers is positief geassocieerd met technologische onzekerheid en technologische abstractheid en deze relatie wordt gemodereerd door methodecontrole. Specifiek verwachten we dat deze positieve relatie tussen technologische karakteristieken en leermotivatie sterker zal zijn wanneer methodecontrole beschikbaar is. 12

21 Hypothese 3: Creativiteit bij werknemers is positief geassocieerd met technologische onzekerheid en technologische abstractheid en deze relatie wordt gemodereerd door tijdcontrole. Specifiek verwachten we dat deze positieve relatie tussen technologische karakteristieken en creativiteit sterker zal zijn wanneer tijdcontrole beschikbaar is. Hypothese 4: Creativiteit bij werknemers is positief geassocieerd met technologische onzekerheid en technologische abstractheid en deze relatie wordt gemodereerd door methodecontrole. Specifiek verwachten we dat deze positieve relatie tussen technologische karakteristieken en creativiteit sterker zal zijn wanneer methodecontrole beschikbaar is. 13

22 Methode Procedure en Participanten In totaal werden meer dan 15 Belgische bedrijven gecontacteerd uit verschillende sectoren. De uiteindelijke onderzoeksgroep bestond uit 221 respondenten waarvan data werden verzameld via een online vragenlijst. Van de 221 respondenten waren er 94 werkzaam in 3 van de 15 benaderde bedrijven. De overige bedrijven hebben aangegeven niet deel te willen nemen aan het onderzoek. Hiervoor werd vaak impliciet of expliciet de reden genoemd dat dit onmogelijk was gezien de huidige economische omstandigheden (naderend collectief ontslag). Van de bedrijven die wel deelnamen, heeft ongeveer 35 procent van de werknemers daadwerkelijk de vragenlijst ingevuld. De overige 127 respondenten werden geworven via een mailing uitgestuurd door een Vlaamse arbeidsbemiddelingsorganisatie van de overheid. In deze mailing was er een response rate van 39 procent. Om een hogere response rate te bekomen, werd een beloning aangeboden in de begeleidende . Deze beloning bestond uit een Bongobon voor een etentje voor twee personen ter waarde van euro en twee paar cinematickets ter waarde van 15 euro. Van de respondenten, n = 221, gemiddelde leeftijd M = 33.7 jaar, standaarddeviatie (SD) = 10.1, werkt de meerderheid voltijds (84 procent) en bestaat voor iets meer dan de helft uit bedienden (55 procent) en voor 45 procent uit arbeiders. In totaal namen 140 mannen (63 procent, M = 33.8, SD = 10.6, bereik = 20-57) en 81 vrouwen (37 procent, M = 33.5, SD = 9, bereik = 19-53) deel aan dit onderzoek. Van de respondenten is 4 procent laag opgeleid (basisonderwijs), 57 procent heeft een gemiddeld opleidingsniveau (secundair onderwijs of specialisatiejaar) en 39 procent is hoger opgeleid [(universitair) hoger onderwijs]. Meetinstrumenten Demografische kenmerken. Er werden verscheidene demografische kenmerken, zoals leeftijd, geslacht, opleiding en statuut, opgenomen in de vragenlijst, gezien zij samen kunnen hangen met de uitkomstvariabelen en mogelijk een verstorende invloed hebben (zie bijvoorbeeld Schaufeli & van Dierendonck, 2000; Taris, Kompier, de Lange, Schaufeli & Schreurs, 2003). 14

23 Onafhankelijke variabelen. Technologische abstractheid kan omschreven worden als de mate waarin fouten, veroorzaakt door technologie, moeilijk en abstract zijn (Mullarkey et al., 1997). Deze technologische abstractheid werd gemeten door middel van vijf items. Een voorbeeld van zo n item is Wanneer er iets misgaat met de machine, hoe vaak is de oorzaak dan moeilijk vast te stellen. Antwoorden werden gescoord op een vijfpuntenschaal, gaande van nooit (1) tot bijna altijd (5). Deze items werden reeds gebruikt in een studie over de impact van technologische job karakteristieken en job controle op mentaal welzijn, door Mullarkey et al. (1997). Volgens Nunnally (1978) dient een schaal een alpha waarde van 0.70 of hoger te hebben. Gezien de betrouwbaarheid van technologische abstractheid in dit onderzoek te laag bleek te zijn, met α = 0.63, werd besloten om deze schaal niet op te nemen in de hiërarchische regressieanalyses. Technologische onzekerheid werd geoperationaliseerd aan de hand van vier items, die het vermoeden weergeven dat het technologische proces verstoord zal worden (Mullarkey et al., 1997). Antwoorden werden gescoord op een vijfpuntenschaal, gaande van zelden (1) tot voortdurend (5). Een voorbeelditem hierbij is Hoe vaak moet de machine worden bijgesteld. Deze items werden eveneens gebruikt in de studie over de impact van technologische job karakteristieken en job controle op mentaal welzijn, van Mullarkey et al. (1997). Betrouwbaarheid van deze schaal bleek in dit geval 0.84 te zijn. Moderatoren. Tijdcontrole werd gemeten met vier items, die gescoord werden op een vijfpuntenschaal, gaande van helemaal niet (1) tot zeer veel (5) (Jackson, Wall, Martin & Davids, 1993). Één van de items is In welke mate bepaalt u uw eigen tempo. Tijdcontrole had een alpha waarde van 0.90 en aldus een zeer hoge betrouwbaarheid. Deze schaal werd eveneens gebruikt in het onderzoek over de effecten van technologie en job controle, door Mullarkey et al. (1997). Methodecontrole werd nagegaan door middel van zes items, die evenals tijdcontrole gescoord werden op een vijfpuntenschaal, gaande van helemaal niet (1) tot zeer veel (5) (Jackson et al., 1993). In welke mate kan u variatie brengen in hoe u uw werk doet is een voorbeelditem. Deze schaal werd ook reeds gebruikt in de studie van Mullarkey et al. (1997) om job controle te meten. Methodecontrole bleek een betrouwbaarheid van 0.84 te hebben. 15

24 Afhankelijke variabelen. Leermotivatie is de wil om actief en gemotiveerd nieuw arbeidsgedrag aan te leren. Deze schaal bestaat uit zeven items, die gescoord werden op een vierpuntenschaal, gaande van bijna nooit (1) tot bijna altijd (4). Een voorbeeld van een item is In mijn werk leer ik nieuwe dingen. Kompier en Taris (2004) ontwikkelden deze schaal. De betrouwbaarheid van leermotivatie bleek in dit onderzoek een alpha waarde van 0.78 aan te nemen. Creativiteit wordt omschreven als de mate waarin een werknemer nieuwe manieren van werken en technieken genereert. De mate van creativiteit werd geoperationaliseerd aan de hand van twaalf items. Deze werden gescoord op een vijfpuntenschaal, gaande van nooit (1) tot altijd (5) (Langen, Aaij & Nelson, 2005). In mijn werk stel ik nieuwe manieren voor om doelen te bereiken is een voorbeelditem. Deze schaal had een hoge betrouwbaarheid met α = De Jonge, Peeters en Le Blanc (2006) gebruikten deze schaal reeds in hun studie naar de relatie tussen emotionele arbeid en positieve werkuitkomsten en de rol van specifieke hulpbronnen in deze relatie. Statistische Analyses Om onze hypotheses te testen, werden eerst Pearson intercorrelaties berekend. Vervolgens werden twee hiërarchische regressieanalyses uitgevoerd met motivatie om te leren en creativiteit als afhankelijke variabelen. In dezelfde lijn als andere studies over organisationele stressoren (bv. Van de Ven, Vlerick & de Jonge, 2008; Zapf, Dormann & Frese, 1996) worden leeftijd en geslacht opgenomen als covariaten in de eerste stap, gezien hun relatie met gezondheid en welzijn reeds duidelijk is aangetoond. Gezien de respondenten in verschillende bedrijven en functies werken, wordt er tevens gecontroleerd voor statuut en opleidingsniveau. In de tweede stap werden taakeis (i.e. technologische onzekerheid) en hulpbronnen (i.e. tijd- en methodecontrole) als gestandaardiseerde hoofdeffecten ingegeven. Om de match tussen technologische onzekerheid en tijd- en methodecontrole te onderzoeken gebruikten we een multiplicatieve interactieterm (i.e. taakeis x hulpbron) waarbij de termen gestandaardiseerd werden om multicollineariteit te vermijden. In de derde en laatste stap voegden we de twee matchende, cognitieve interactie effecten tussen taakeis (i.e. technologische onzekerheid) en hulpbronnen (i.e. tijd- en methodecontrole) in. Om de a 16

25 priori gestandaardiseerde variabelen zo correct mogelijk te interpreteren, worden de ongestandaardiseerde regressiecoëfficiënten weergegeven in Tabel 2 (cf. Jaccard & Turrisi, 2003). 17

26 Resultaten Tabel 1. Gemiddelden (M), standaarddeviaties (SD), Pearson intercorrelaties en betrouwbaarheden (α) (n = 221). 1. Technologische onzekerheid Technologische abstractheid M SD α Tijdcontrole ** -.17 * - 4. Methodecontrole ** -.17 *.71 ** - 5. Leermotivatie **.42 ** - 6. Creativiteit **.35 **.64 ** - ** Correlatie is significant bij p < 0.01 (2-zijdig getoetst). * Correlatie is significant bij p < 0.05 (2-zijdig getoetst). De gemiddelde scores, standaarddeviaties, Cronbach s alpha waarden en Pearson correlaties van de variabelen worden weergegeven in Tabel 1. Over het algemeen zien we dat de werknemers een gemiddeld niveau van technologische onzekerheid en technologische abstractheid ervaren. De gepercipieerde aanwezigheid van cognitieve hulpbronnen is vrij hoog (M = 3.76, SD = 1.05 voor tijdcontrole en M = 3.55, SD = 0.85 voor methodecontrole). De hoogste significante positieve correlaties vinden we tussen de hulpbronnen onderling (r =.71, p < 0.01) en de uitkomstmaten onderling (r =.64, p < 0.01). In lijn met onze hypothesen zijn er significante positieve correlaties tussen de cognitieve hulpbronnen en de cognitieve uitkomstmaten, leermotivatie en creativiteit. Tussen technologische onzekerheid en de uitkomstmaten is, tegen onze verwachting in, echter geen significante correlatie waar te nemen. We komen hierop terug in de discussie. Voorts zijn Cronbach s alphas goed tot zeer goed te noemen (van α = 0.78 tot α = 0.94). Enkel voor technologische abstractheid is de betrouwbaarheid vrij laag (α = 0.63), om die reden wordt ervoor gekozen deze schaal niet verder op te nemen in de analyses. 18

27 Tabel 2. Hiërarchische regressies van technologische onzekerheid en tijd- en methodecontrole op leermotivatie en creativiteit. Leermotivatie Creativiteit Stap 1 Stap 2 Stap 3 Stap 1 Stap 2 Stap 3 Controlevariabelen Geslacht a -.20 ** -.17 * -.16 * -.41 *** -.35 *** -.32 *** Leeftijd.01.00, Opleiding b - Secundiar onderwijs #.51 * - Specialisatiejaar Hoger onderwijs #.65 *.65 * - Universitair hoger onderwijs # Statuut c.17 * #.27 *.24 #.28 * Hoofdeffecten Technologische onzekerheid -.09 **.09 ** -.14 **.14 ** Tijdcontrole * * Methodecontrole -.23 ***.26 *** -.30 ***.36 *** Interacties Technologische onzekerheid Tijdcontrole ** *** Technologische onzekerheid Methodecontrole ** * R² Adjusted R² R².12 ***.16 ***.03 *.13 ***.12 ***.06 *** De waarden in de tabel zijn ongestandaardiseerde gewichten (B). # p < 0.10, * p < 0.05, ** p < 0.01, *** p < a 0 = Man, 1 = Vrouw. b Basisonderwijs is referentiecategorie. c 0 = Arbeider, 1 = Bediende. De resultaten van de twee hiërarchische regressieanalyses worden getoond in Tabel 2. Zowel bij leermotivatie als bij creativiteit zien we dat vrouwen lager scoren dan mannen. Eveneens bij opleiding zien we enkele effecten. We zien een klein effect van personen met een universitaire opleiding, zij zouden hoger scoren op leermotivatie dan de referentiecategorie, personen die enkel basisonderwijs gevolgd hebben. Verder blijkt dat personen die als hoogste opleiding secundair of hoger onderwijs hebben gevolgd, hoger scoren op creativiteit dan personen met basisonderwijs als hoogste diploma. Ten slotte zien we, zowel bij leermotivatie als creativiteit, dat bedienden ietwat hoger scoren dan arbeiders. Onze hypothesen konden slechts deels onderzocht worden, gezien technologische abstractheid werd uitgesloten van verdere analyses wegens een te lage betrouwbaarheid. Zo zullen enkel de hypothesen worden getoetst met technologische 19

28 onzekerheid als onafhankelijke variabele en tijd- en methodecontrole als moderatoren. Hypothese 1 en 2 bekijken leermotivatie als afhankelijke variabele en Hypothese 3 en 4 onderzoeken creativiteit als afhankelijke variabele. Leermotivatie Voor onze eerste uitkomstvariabele, leermotivatie, zien we significante, positieve hoofdeffecten van technologische onzekerheid (B =.09, p < 0.01) en methodecontrole (B =.23, p < 0.001). Er blijkt echter geen significant hoofdeffect van tijdcontrole op leermotivatie te bestaan. Als we vervolgens naar Stap 3 kijken, zien we dat beide interacties significant zijn. De interactie van technologische onzekerheid en tijdcontrole is significant met B =.11, p < 0.01 (H1). De tweede interactie van technologische onzekerheid en methodecontrole blijkt eveneens significant met B = -.10, p < 0.01 (H2). Om de gevonden interacties te visualiseren worden waarden bepaald aan de hand van één standaarddeviatie onder en één standaarddeviatie boven het gemiddelde van de predictorvariabele. Wanneer we deze waarden vervolgens in de regressievergelijking invoeren, construeren we twee regressielijnen voor respectievelijk laag en hoog scorende personen op tijd- en methodecontrole (Cohen & Cohen, 1983). In Figuur 3 en 4 worden de interactie effecten van technologische onzekerheid en tijd- en methodecontrole op leermotivatie visueel weergegeven. 2,7 Leermotivatie 2,5 2,3 Lage tijdcontrole Hoge tijdcontrole 2,1 Lage technologische onzekerheid Hoge technologische onzekerheid Figuur 3. Interactie van technologische onzekerheid en tijdcontrole op leermotivatie. 20

29 Uit Figuur 3 blijkt dat de combinatie van hoge technologische onzekerheid en hoge tijdcontrole geassocieerd is met de hoogste graad van leermotivatie. Indien werknemers minder tijdcontrole ervaren, blijkt hoge technologische onzekerheid eveneens samen te hangen met hogere leermotivatie. Wanneer we de gevisualiseerde regressielijnen nader onderzoeken, blijkt de relatie tussen technologische onzekerheid en leermotivatie sterker bij hoge tijdcontrole. Bij werknemers die een hoge mate van tijdcontrole ervaren, blijkt er dus een positieve relatie tussen technologische onzekerheid en leermotivatie te bestaan. Een hogere graad van technologische onzekerheid gaat in dat geval gepaard met meer leermotivatie. Hypothese 1 wordt aldus bevestigd. 2,6 Leermotivatie 2,4 2,2 Lage methodecontrole Hoge methodecontrole 2 Lage technologische onzekerheid Hoge technologische onzekerheid Figuur 4. Interactie van technologische onzekerheid en methodecontrole op leermotivatie. In Figuur 4 zien we dat de combinatie van hoge technologische onzekerheid en hoge methodecontrole gepaard gaat met de hoogste graad van leermotivatie. Bij werknemers die een lage methodecontrole ervaren, blijkt er eveneens een positieve relatie tussen technologische onzekerheid en leermotivatie te bestaan. Hoge technologische onzekerheid hangt dus samen met een hogere graad van leermotivatie. Deze relatie blijkt echter veel minder sterk te zijn bij werknemers die een hoge methodecontrole ervaren. Hypothese 2 wordt hierdoor slechts deels bevestigd, gezien we verwachtten dat de positieve relatie tussen technologische onzekerheid en leermotivatie sterker zou zijn 21

30 bij werknemers die een hoge mate van methodecontrole rapporteren. We komen hier later op terug in de discussie. Creativiteit De tweede hiërarchische regressieanalyse geeft de resultaten weer voor de tweede uitkomstvariabele, creativiteit. We zien hier twee significante, positieve hoofdeffecten van technologische onzekerheid (B =.14, p < 0.01) en methodecontrole (B =.30, p < 0.001). Verder blijkt uit de resultaten van Stap 3 dat de twee interacties eveneens significant zijn. De interactie tussen technologische onzekerheid en tijdcontrole op creativiteit is significant met B =.24, p < (H3). De interactie van technologische onzekerheid en methodecontrole op creativiteit, ten slotte, is significant met B = -.12, p < 0.05 (H4). In Figuur 5 en 6 worden de interactie effecten van technologische onzekerheid en tijd- en methodecontrole op creativiteit visueel weergegeven. 3,5 Creativiteit 3,3 3,1 2,9 Lage tijdcontrole Hoge tijdcontrole 2,7 Lage technologische onzekerheid Hoge technologische onzekerheid Figuur 5. Interactie van technologische onzekerheid en tijdcontrole op creativiteit. In Figuur 5 zien we dat het samenspel van hoge technologische onzekerheid en hoge tijdcontrole geassocieerd is met het hoogste niveau van creativiteit. Bij personen met veel tijdcontrole blijkt een sterke, positieve relatie tussen technologische onzekerheid en creativiteit te bestaan. Meer technologische onzekerheid gaat in dat geval gepaard met 22

31 meer creativiteit. Bij mensen met weinig tijdcontrole blijkt echter geen relatie tussen technologische onzekerheid en creativiteit te bestaan. Hypothese 3 vindt aldus volledige ondersteuning. 3,5 3,3 Creativiteit 3,1 2,9 Lage methodecontrole Hoge methodecontrole 2,7 2,5 Lage technologische onzekerheid Hoge technologische onzekerheid Figuur 6. Interactie van technologische onzekerheid en methodecontrole op creativiteit. In Figuur 6 komt naar voren dat de combinatie van hoge technologische onzekerheid en hoge methodecontrole eveneens geassocieerd is met de hoogste graad van creativiteit. Bij werknemers die een lage mate van methodecontrole ervaren, zien we evenzeer dat een hogere graad van technologische onzekerheid samenhangt met het stellen van meer creatief gedrag. Als we de gevisualiseerde regressielijnen in dit verband nader onderzoeken, blijkt de relatie tussen technologische onzekerheid en creativiteit sterker te zijn bij lage methodecontrole. Bij werknemers die een lage mate van methodecontrole ervaren, blijkt er dus een positieve relatie tussen technologische onzekerheid en creativiteit te bestaan. Een hogere graad van technologische onzekerheid gaat in dat geval samen met meer creativiteit. Bij deze vindt Hypothese 4 slechts gedeeltelijk empirische steun, gezien we verwachtten dat deze positieve relatie tussen technologische taakeisen en de mate van creativiteit sterker zou zijn bij werknemers die hoge methodecontrole rapporteren. 23

32 Ten slotte blijkt uit de resultaten van de hiërarchische regressieanalyses dat we over het algemeen zowel voor leermotivatie als creativiteit 31 procent van de variantie konden verklaren. 24

33 Discussie Gezien het groeiende belang van technologie in onze samenleving poogden we licht te werpen op de impact die een technologische werkomgeving kan hebben op werknemers. We onderzochten de relatie tussen technologische taakeisen, job controle en positieve uitkomsten, zoals leermotivatie en creativiteit. Dit bestudeerden we aan de hand van het triple match principe dat kadert binnen het demand-induced strain compensation (DISC) model van de Jonge & Dormann (2003). Hierbij formuleerden we technologische taakeisen als cognitieve taakeisen en job controle als cognitieve hulpbronnen. Leermotivatie en creativiteit beschouwden we als twee mogelijke positieve, cognitieve uitkomsten. We onderzochten dus de relatie tussen cognitieve taakeisen, cognitieve hulpbronnen en cognitieve uitkomsten. Op basis van de homeostatische regulatieprocessen die voorkomen in het immuunfunctioneren en zenuwstelsel, wordt geargumenteerd dat interacties tussen taakeisen en hulpbronnen voornamelijk voorkomen wanneer taakeisen, hulpbronnen en uitkomsten gelijkaardige gebieden van het menselijk functioneren aanspreken (Lekander, 2002). Het triple match principe stelt bijgevolg dat niet enkel taakeisen en hulpbronnen moeten matchen, taakeisen en hulpbronnen moeten eveneens overeenkomen met de uitkomsten. Als we naar de gemiddelden van de onafhankelijke variabelen kijken, zien we dat werknemers een gemiddeld niveau van technologische onzekerheid (M = 2.28, met een maximum van 5) en technologische abstractheid rapporteren (M = 2.46, met een maximum van 5) rapporteren. Verder is de aanwezigheid van cognitieve hulpbronnen vrij hoog volgens de ondervraagde werknemers. M = 3.76, met een maximum van 5, voor tijdcontrole en M = 3.55, met een maximum van 5, voor methodecontrole. Leermotivatie (M = 2.40, met een maximum van 4) en creativiteit (M = 3, met een maximum van 5) bleken ook relatief hoge niveaus te bereiken. Gezien de lage betrouwbaarheid van technologische abstractheid (α = 0.63) werd ervoor gekozen om deze schaal niet verder te gebruiken in de analyses. Tegen onze verwachtingen in vonden we geen significante correlaties tussen technologische onzekerheid en de uitkomstvariabelen. Er waren wel significante correlaties tussen tijd- en methodecontrole en de uitkomstvariabelen. Gezien de cognitieve dimensie van de 25