变量类别	         变量名称	                  数据类型	       含义与说明
背景标识	         user_id	             文本型/数值型	        员工的唯一匿名标识符。用于追踪同一个体多日的数据变化，是进行纵向（面板）数据分析的关键。
                        day_type	                   分类型	                日期类型（如“工作日”、“周末”）。用于控制和分析不同性质日期下工作模式与倦怠风险的系统性差异。
工作负荷指标	work_hours	      数值型（连续）	        当日实际工作的总时长（小时）。是衡量工作投入最基础的压力源指标，过长的工作时间是导致倦怠的核心风险因素之一。
               screen_time_hours	      数值型（连续）	       当日使用电子设备进行工作的总屏幕时间（小时）。特别衡量数字化办公的视觉与认知负荷，可能与眼疲劳、头痛等不适相关。
                   meetings_count	      数值型（整数）	        当日参加的线上会议数量。反映工作中的沟通协调负担与日程碎片化程度，频繁的会议可能打断深度工作流。
                  after_hours_work	        二元/数值型	         当日是否在常规工作时间外继续工作，或其时长。衡量 “工作侵扰生活” 的边界模糊程度，是恢复受阻的重要信号。
恢复行为指标	breaks_taken	      数值型（整数）	       当日在工作中主动进行短暂休息的次数。是员工自主管理疲劳、维持专注力的积极行为，预期与较低的即时倦怠感相关。
                      sleep_hours	       数值型（连续）	前一晚的睡眠时长（小时）。是生理与心理恢复的基石，睡眠不足会显著降低情绪调节能力和抗压能力，放大工作压力的负面影响。
效率与健康结果task_completion_rate	数值型（连续）	当日任务完成率（百分比）。是衡量工作效率与产出的核心指标，可用于分析工作负荷与产出之间的非线性关系（如过度工作后的效率下降）。
                    burnout_score	      数值型（连续）	        当日自我报告的倦怠感综合评分（如0-100分）。作为连续型的主观健康结果变量，可用于回归分析，精细量化行为对倦怠感受的剂量效应。
                    burnout_risk	    二元/有序分类型	        基于评分划分的倦怠风险等级（如“低风险”、“高风险”）。是分类预测模型的核心目标变量，便于构建用于早期筛查的二元或多元分类器。