Remote Work Performance and Loneliness during the COVID-19 Pandemic
Abstract
COVID-19-pandemien i 2020 har hatt store påvirkninger på hele verden. Den har ført til alvorlige samfunnsmessige problemer, som høyt antall dødsfall, bedrifter som går konkurs og påbud om sosial distansering. På grunn av pandemien, jobber nå flere enn noen gang fra hjemmekontor, som har vist seg å føre til en høy grad av ensomhet på grunn av isolasjon fra venner og kolleger. Pandemien førte til en ny type arbeidsmiljø som dannet grunnlaget for denne masteroppgaven, der vi undersøkte effekten som task-technology fit for programvare til møter, fokusert arbeid og samarbeid, hadde på opplevd ensomhet og arbeidsytelse.
Vi samlet data gjennom et spørreskjema, og fikk totalt 360 svar fra forskjellige deler av verden. Flertallet av svarene kom fra enten Norge (36.39%), USA (31.67%) eller India (22.50%). I tillegg viste kontekstuelle data en høy grad av computer self-efficacy (mestringstro) og task interdependence blant respondentene. Dataen og forskningsmodellen ble analysert med PLS-SEM-analyse, og vi fant en høy grad av pålitelighet og validitet i alle delene av modellen. I tillegg bidro vi med tillegg til tidligere forskning om det flerdimensjonale målet på arbeidsytelse, ved å demonstrere en god forklaringskraft for de underliggende dimensjonene.
Bootstrapping av dataene viste støtte for 5 av 7 hypoteser. Programvare for samarbeid og fokusert arbeid hadde betydelige dempende effekter på ensomhet og styrkende effekter på arbeidsytelse. Imidlertid fant vi ingen bevis for effekten av møter. Vi fant også ut at ensomhet har betydelig en negativ påvirkning på arbeidsytelsen til individer. Funnene våre bidrar til økt forståelse av menneske-maskin-interaksjon ved å bygge videre på forskning om task-technology fit. Dette gjorde vi ved å koble det mot arbeidsytelse på et høyere abstraksjonsnivå, noe som tillater mer generalisering av funn og åpner for nye typer sammenligninger. Vi bidrar også til forståelsen av arbeidssituasjonen under pandemien. The COVID-19 pandemic of 2020 has impacted the entire world population. It has had severe societal consequences such as high death counts, businesses going bankrupt and enforced social distancing. Furthermore, because of the pandemic more people than ever are now working remotely from home, which has been found to result in high degrees of loneliness due to isolation from friends and colleagues. The new work environment that was caused by the pandemic formed the basis for our thesis research, where we examined the effects that the task-technology fit of meeting, focused work and collaboration software had on loneliness and work performance.
We gathered data through a questionnaire, and got a total of 360 respondents from different parts of the world. The majority of respondents were from either Norway (36.39%), The United States (31.67%) or India (22.50%). Additionally, contextual data showed a high degree of computer self-efficacy and task interdependence in the survey population. The data and research model was analysed with PLS-SEM analysis, which found a high degree of reliability and validity in all model constructs. Furthermore, we expanded on previous research on the multi-dimensional construct of work performance by demonstrating a good explanatory power for the underlying dimensions.
Bootstrapping with our survey samples found support for 5 out of 7 hypotheses. The fit of collaborative work and focused work was found to have significant dampening effects on loneliness, and increasing effects on work performance. However, our research found no evidence for the effects of meetings. Lastly, our findings found that loneliness has a significant negative impact on work performance. Our findings contribute to the understanding of human computer interaction by furthering the research on task technology fit by connecting it to performance with a higher abstraction level, which allows for new comparisons and generalization of findings. We are also contributing to the understanding of the work situation during the pandemic.