ワーク・エンゲイジメントの定義^※6,7

「活力」「熱意」「没頭」によって特徴付けられる、仕事に関連するポジティブで充実した精神状態のことである。

ワーク・エンゲイジメントを高めることの効果^※8,9,10

個人、企業ともにパフォーマンスに相関があることが明らかになっている。

※上図の収益性当のデータは、エンゲイジメントの高い上位25％と下位25％の企業の2グループの平均を比較し、算出している。

こうしたワーク・エンゲイジメントへの注目が高まる一方で、これまで調べられてきたのは単一時点かつ個人間で共通の要因についてであり、日々のエンゲイジメントの変化要因やその個人差については明らかにされていませんでした。これらの課題は、実際の職場で日々の変容や個人差に対応した適切な介入などを目指していく上で大きな障壁になると考えられます。また、直接的に「あなたはどのような理由で仕事へのエンゲイジメントが上がると思いますか？」と聞く様な手法では、そもそも回答が難しく、本人の無自覚的な要因については評価できないという問題があります。
そこで、この課題を解決するために、記憶に頼ることなくリアルタイムでワーク・エンゲイジメントとその他の状況に関するデータを取得し、さらにそれを経時的に実施する実験プロトコルを開発し、個人のワーク・エンゲイジメントの変容要因を評価することを目指しました。

期間

一人当たり2週間

参加者

35名（大手サービス業とＮＴＴデータ経営研究所の従業員）

内容

実験期間中、平日の出勤時、昼休憩、退勤時（さらに月曜日のみ朝）に、実験参加者のスマートフォン経由で、リアルタイム心理質問尺度（現在のワーク・エンゲイジメントの強度と、仕事の状況、対人関係、プライベートの状況等）に回答してもらいました。また、ワーク・エンゲイジメントが変化したタイミングでも回答させました。

拡大

取得情報

ワーク・エンゲイジメントの指標として、以下の3項目を取得し、それらの加算得点で評価しました。

同時に、仕事の資源（成長機会等）、仕事の要求（量・質）、環境（音や温度）、組織の人間関係、プライベートの人間関係、気分状態　等の17項目を取得しました。
さらに、定期アンケートでは定期ごとの情報（出社時刻や食事の有無、仕事内容等）、ワーク・エンゲイジメント変化アンケートではワーク・エンゲイジメントが変化したイベントの情報に関する項目を取得しました。

解析方法

ワーク・エンゲイジメント3指標の総合得点を目的変数に、その他17指標を予測子として（全変数を実験参加者内で標準化）、機械学習の一手法であるスパースモデリング^※を実施し、一人ひとりの「ワーク・エンゲイジメントモデル」の重み係数（ワーク・エンゲイジメントの変化を予測する強さ）。
モデル構築で問題になる過学習を避けるため、正則化係数の選択に当たっては5分割交差検定で、最も予測誤差（ＭＳＥ）が少なくなるものを選択しました。
さらに、一人ひとりのモデル係数にワーク・エンゲイジメントの平均値及び標準偏差を加え、階層クラスタリング（ウォード連結・相関距離）を実施しました。

※スパースモデリング：予測子の量が観測数より多い場合（ワイドデータ）に、目的変数を予測する予測子以外を排除する（スパースにする）回帰分析の一種

結果1：ワーク・エンゲイジメント経時変動の観察

ワーク・エンゲイジメントは一定ではなく変動がみられ、変動の大きさにも個人差が見受けられました。（図2参照）

拡大

結果2：ワーク・エンゲイジメント変動要因の個人差

多くの実験参加者にとって自分自身が「成長機会（上司に評価されていると感じていること）」、「量（仕事の要求量が多いと感じること)」がワーク・エンゲイジメントを高める要因と推定されました（図3　ワーク・エンゲイジメントと正の相関が強いものほど赤～茶色で図示）、逆に「イライラした気持ち」はワーク・エンゲイジメントを下げることが認められました（図3　ワーク・エンゲイジメントと負の相関が強いものほど青く図示）。一方でワーク・エンゲイジメント変化の要因については個人差があることも分かりました（図3全体）。
この結果をもとに、個々のワーク・エンゲイジメント向上介入の施策検討やワーク・エンゲイジメントモデルをクラスタリングすることで所属の従業員特徴の抽出などへの応用が期待されます。

拡大

※WEmean：ワーク･エンゲイジメントの平均値
※WEstd：ワーク･エンゲイジメントの標準偏差

結果3：ワーク・エンゲイジメントタイプ（クラスタ）の確認

個人ごとに異なる「ワーク・エンゲイジメントの変化に影響を与える要因」についてそのパターンの類似性でいくつかのまとまりを見出すことができ（クラスタ分析）、およそ５クラスタでの存在が明らかになりました。（図4）

拡大

各クラスタについて便宜的にタイプ名をつけて特徴を解説すると以下のような形となります。

• クラスタ1（気分屋ハイパフォーマー）:
  WE（ワーク・エンゲイジメント）は高いが、イライラするなど気分の変動で下がりやすいタイプ
• クラスタ2（ハイパーハイパフォーマー）:
  安定してWEが高い。上司に評価されたり仕事の量が増えるとさらに上がる
• クラスタ3（流されやすい低空飛行タイプ）:
  上司の評価・裁量・職場の温湿度的環境などがやる気に影響するもののWEは低い
• クラスタ4（プライベート優先低空飛行）:
  私生活が楽しいと仕事のやる気が下がる。総じてWEが低い。
• クラスタ5（環境依存のハイパフォーマー）:
  基本的にやる気があるが職場の作業環境（騒音、温度、明るさ、換気）でやる気が下がりやすい

• 厚生労働省　平成２８年雇用動向調査結果の概況　1.入職と転職の推移　３頁
• 厚生労働省　新規学卒者の離職状況　大学版
• 中小企業庁　中小企業白書　２００５年版　第3部 第2章 第1節 ４．終身雇用制と年功賃金制の変化
• R.A.Lloyd. ‘Experience curve’ analysis, Applied Economics 11. (1979)
• 三木. “人材獲得優位の企業と市場価値のある人材”の研究, 文教大学国際学部紀要. (2008)
• Schaufeli, W.B., Salanova, M., Gonzalez-Romá, V.et al. The measurement of engagement and burnout: A two sample confirmative analytic approach. Journal of Happiness Studies 3. (2002)
• 島津, 江口. ワーク・エンゲイジメントに関する研究の現状と今後の展望, 産業医学レビュー 8. （2012）
• Shimazu, A., Schaufeli, W. B., Kubota, K. & Kawakami, N. Do Workaholism and Work Engagement Predict Employee Well-being and Performance in Opposite Directions? Ind. Health 50, 316–321 (2012).
• Halbesleben, J. R. B. A meta-analysis of work engagement: Relationships with burnout, demands, resources, and consequences. In A. B. Bakker (Ed.) & M. P. Leiter, Work engagement: A handbook of essential theory and research (pp. 102-117). New York, NY, US: Psychology Press (2010).
• Harter, J., Schmidt, F., Agrawal, S, Plowman, S. & Blue, A. The Relationship Between Engagement at Work and Organizational Outcomes, Gallup (2016),

※文中に記載する商品名、会社名、団体名は、各社の商標または登録商標です。