Big Ball of Mud 会对人产生什么影响

Big Ball of Mud 可以从技术角度描述。可以数 Dependency，画 Cycle，寻找 Global State，分析 Change Radius，也可以追踪为什么一个看似局部的修改会在完全不同的位置制造 Side Effect。

但对于在这样的系统里工作很多年的人来说，它不只是技术结构。

它是每天的工作环境。

开发者学习的不只是 API、Framework 和业务规则。他们还会学习：哪些修改危险，哪些区域几乎没人完整理解，改某个地方之前应该先问谁，哪些问题最好绕过去，以及哪些规则虽然从未出现在文档里，却仍然必须遵守。

于是问题从“Big Ball of Mud 如何改变软件”进一步变成：

一个长期难以理解、难以改变的软件环境，会对在其中工作多年的人产生什么影响？

人不可能在这样的环境里工作多年而完全不适应它。适应本身既不是好事也不是坏事，它只是对工作条件的正常反应。不同的人拥有不同经验、能力、期待和职业价值观，因此同一个技术环境也可能被完全不同地体验。

这构成 Big Ball of Mud 的第二层结构。某个时候，它不再只有技术上的规则。围绕系统会形成一套“在这里应该怎样工作”的社会规范。

下面用三个理想化反应模式来描述这种适应：Navigator、适应者或 Resigned Developer，以及结构导向的改变者。它们不是人格类型。同一个人在职业生涯不同阶段完全可能经历多个模式，甚至来回切换。

这里也必须先划清研究边界。Work Psychology 并没有把 Big Ball of Mud 当作独立类别来研究。因此，关于 Burnout、Person–Environment Fit、Employee Voice 或 Organizational Socialization 的一般研究，不能被直接包装成“坏架构导致 Burnout”的实证结论。软件工程领域关于 Burnout 的研究正在增加，Tulili、Capiluppi 和 Rastogi 的系统性 Mapping Study 找到了 92 项相关研究，但并没有因此建立出“Big Ball of Mud → Burnout”的特定因果机制。

更严谨的问题应该是：长期 Big-Ball-of-Mud 系统可能产生哪些工作条件，而工作与组织心理学对类似条件知道些什么？

同一个环境中的三种可能反应

难以理解的系统，对每个人来说并不是完全相同的工作环境。

Person–Environment Fit 研究几十年来一直关注一个问题：人的能力、需求和价值观与工作环境究竟匹配得怎样。Kristof-Brown、Zimmerman 和 Johnson 的 Meta-Analysis 汇总了 172 项研究和 836 个效应量，研究不同 Fit 类型与工作态度、Performance、Withdrawal、Stress 以及 Retention 的关系。

对于 Big Ball of Mud，一个特别重要的区分是：一个人在某个环境里工作得很好，不等于这个环境本身在技术上设计得很好。

所以，下面三个模式不是三类“开发者品质”，而是三种可能的环境应对方式。

同一个技术环境，可以被不同的人完全不同地体验和回应。

Navigator

有些人在结构非常不清晰的系统里，仍然能够表现得极其出色。

几年之后，他们拥有详细的 Mental Model，可以识别外人很难理解的故障模式。他们知道的不只是“官方架构”，还包括历史 Sonderfall、隐式耦合和那些真实存在却从未被画进图里的关系。他们知道哪些看似独立的 Component 实际上会一起变化，哪些修改经常产生远端 Side Effect，也知道碰到某种问题应该先找谁。

当显式边界提供不了足够方向时，识别隐式关系、处理不确定性的能力就会变得格外有价值。Navigator 的能力因此与一个“导航比结构更重要”的工作环境高度匹配。

这并不意味着这个人“喜欢混乱”，更不意味着技术结构健康。

一个人可以与一个糟糕结构拥有很好的 Fit。

这个区分非常重要。对 Navigator 来说，一次复杂 Incident 可能是很有挑战性的难题；对另一个人来说，同一个 Incident 只是又一次证明：系统的根因多年无法改变。

因为 Navigator 在日常工作中能够有效解决问题，他也未必感受到强烈的结构改变压力。大规模重组甚至可能意味着：自己多年建立、非常有效的 Mental Model 要被重新学习。

随着时间推移，Navigator 还可能成为 Key Person。这个机制已经在前一篇文章详细讨论。这里需要记住的只是：Big Ball of Mud 会把一些在结构清晰系统中不会如此稀缺的能力，变成高度稀缺能力。

适应者或 Resigned Developer

第二种反应从外部看，有时像“对架构没兴趣”或者“反对变化”。

但这个人完全可能很清楚系统的问题。也许他以前自己推动过 Refactoring、参与过 Modernization、尝试建立 Ownership 或清理 Boundary。

只是随着时间推移，他学到了一件事：大规模改变成本很高，而实际结果经常远低于承诺。

于是改变的不是技术判断，而是策略。

与其不断挑战根因，他开始更多使用已知的安全路径：继续采用熟悉 Workaround，避开危险区域，缩小风险修改范围，也减少投入那些他已经判断成功概率很低的改善计划。

“这个我们已经试过了”“把 Ticket 做完就行”“那个区域最好别碰”可能表达 Cynicism，但也可能只是长期经验后的理性判断。

适应可以从健康 Pragmatism 一直延伸到深度 Resignation。

这一区分很重要，因为软件组织不可能在每次 Feature 里都重建整个系统。资深开发者本来就需要评估风险，并判断某个 Workaround 是否在经济上合理。因此 Pragmatism 本身不是 Big Ball of Mud 的症状。

真正值得关注的是：人是否逐渐失去了“结构性改变仍然可能有效”的期待。

关于 Cynicism About Organizational Change 的研究提供了一个合适概念。Reichers、Wanous 和 Austin 把它描述为对未来组织变革成功的悲观预期，并指出反复失败或不一致的变革经历可能成为这种 Cynicism 的背景。后续研究也支持一种观点：这种态度不必只是人格特征，它可以从变化经历中学习出来。

Resignation 从外面看可能像抗拒变化，但它也可能来自反复无效的变化尝试。

一句“我们早就试过了”，有时包含的不是阻力，而是一整段组织历史。

结构导向的改变者

第三种模式最接近架构教材经常默认的人。

这个人也许来自一个边界更清晰的系统：职责相对明确，局部变化通常保持局部，架构规则真的有效，技术问题至少原则上可以从根因处理。

进入 Big Ball of Mud 之后，他会自然尝试恢复结构：移除 Cycle，增加 Test，质疑 Dependency，明确 Ownership，缩小 Public API，寻找真正业务边界。

这些技术诊断可能完全正确。

但长期 Big Ball of Mud 早已不只是 Code Problem。一个 Cycle 可能因为两个 Team 的职责切分而长期存在；一个糟糕 API 可能反映尚未澄清的业务流程；一个 Global Service 可能跨越多年组织边界；一个合理 Migration 可能同时撞上 Delivery Commitment、缺少 Mandate、Key Person、旧 Infrastructure 或组织政治。

因此，结构导向的人可能经历强烈 Friction：他不仅看到了问题，还感觉自己应该解决它；但真正能够影响系统的范围，却远小于自己感受到的专业责任。

这种冲突不是“技术洁癖”。它可能是 Person–Environment Misfit 的一种形式：工作方式与专业价值、控制感、影响空间长期不匹配。

Exhaustion 不只是工作小时数的问题

谈到 Burnout 或 Exhaustion，很容易把原因缩减成“工作太多”。

当然，长期 Overwork 是重要风险。

但工作心理学更早就指出，Burnout 与工作环境中的多个因素相关。Job Demands–Resources Model 会区分 Demand 与 Resource；Maslach 和 Leiter 讨论过 Workload、Control、Reward、Community、Fairness 和 Values 等工作生活领域；关于 Job Control 的 Meta-Analysis 也显示 Control 与 Burnout 之间存在稳定关联。

这意味着：一个人不需要每天工作十二小时，才能在工作中持续感到消耗。

八小时也可能很累，如果其中大量时间用于：等待某个专家、重新理解旧 Workaround、重复处理 Regression、手工验证没人完全理解的 Dependency、或者长期看到明显结构问题却没有真实改变权限。

负担并不只来自工作数量，也可能来自低 Control、高 Cognitive Demand、Role Ambiguity、Value Conflict 和反复体验“自己的行动无法改变结果”。

这并不是说每个 Big Ball of Mud 都会制造这些条件，也不是说存在这些条件就一定会 Burnout。

重要的是：软件架构是工作环境的一部分，它会影响每天需要多少 Context、Coordination、不确定性和被动等待。

Architecture 不会单独决定人的状态，但它会参与塑造工作条件。

一段个人观察——以及它的边界

在让我写这组文章的真实项目环境中，我见过严重的 Frustration、长期 Exhaustion，也见过很多人离开。

这些经历当然影响了我如何看待 Big Ball of Mud。

但它们不能被直接转换成科学因果结论。

一个人为什么 Exhausted，为什么离开团队，为什么产生 Cynicism，原因可能非常多：Leadership、Compensation、Private Life、Career Opportunity、Team Conflict、Organizational Change、Workload、Role Design，以及很多外部因素。

所以，这篇文章不会说：“这些人因为架构 Burnout。”

能够更负责地说的是：在结构持续侵蚀的系统里，我观察到一些工作条件，它们与工作心理学中已知的压力机制高度相似。而软件工程研究也说明 Burnout、Engagement、Job Resource 和 Retention 是这个职业真实存在的问题。

这种边界并不会削弱观察。

它只是阻止我们把一个复杂的人类问题过度技术化。

当专业要求与工作现实持续分离

很多开发者对“专业工作”有自己的基本标准。

他们希望理解自己修改的范围，希望承担清晰 Ownership，希望修复原因而不是永久处理症状，希望测试能够建立信心，希望架构规则不仅写在 Wiki，还真的在 Code 中成立。

当现实长期与这些标准相反，就可能出现一种 Value Conflict。

工作本身可能仍然稳定，Salary 也正常，Team 关系甚至不错。但每天的实际工作方式不断与个人认为“应该怎样做专业软件工程”发生冲突。

这不意味着个人标准一定正确。一个 Architect 也可能过度理想化，或者低估经济现实。

但如果一个人长期被要求承担结果责任，却没有相应的结构影响力，这种差距会非常真实。

特别消耗人的往往不是“系统不完美”，而是持续感到自己应该负责，却无法真正影响导致问题的条件。

这也是为什么“你看到了问题，那你就修掉”在大型 Legacy 系统里可能是一种不公平的期待。

当 Voice 不再被期待会产生效果

组织研究里的 Employee Voice 指员工主动提出意见、问题或改善建议。

Voice 并不一定成功。一个人提出问题，并不意味着组织会采用方案。

但如果 Voice 反复没有效果，行为可能改变。

Morrison 与 Milliken 关于 Organizational Silence 的工作，以及后续关于 Voice/Silence 的研究都讨论了环境如何影响员工是否继续表达。Andrieu 等人还把从 Voice 走向 Acquiescent Silence 与 Learned Helplessness 联系起来研究。

把这个概念谨慎映射到软件环境，会得到一个很熟悉的场景：开发者多次解释某个结构风险，准备方案，提出 Refactoring 或 Migration；每次都因为 Deadline、预算或优先级而终止。

最初，他会继续提出。

后来，他可能只在特别危险时提出。

再后来，他可能只说：“这个我们已经讨论过。”

最终，也许他根本不再投入准备方案的时间。

这并不自动是“态度变差”。

如果一个环境长期表明 Voice 很少产生结果，减少 Voice 可能是一种学习出来的适应。

想重新建立改善文化，就不仅需要新的口号，还需要新的成功经验。

三种模式可以是同一段职业经历的不同阶段

Navigator、适应者和结构导向改变者并不是稳定人格。

一个人可能进入系统时非常结构导向，积极整理 Dependency、推动 Test 和 Boundary。经历多次失败之后，他变得 Pragmatic，开始使用 Safe Path。再过几年，因为历史知识积累，他自己又成了 Navigator 和 Key Person。

反过来也可能发生。一个长期 Navigator 在系统变得越来越依赖自己之后，开始意识到这种模式不可持续，从而推动知识扩散和结构重建。

同一个人也可能在不同 Subsystem 上呈现不同模式。

所以，不能因为某个同事今天说“别碰这个”，就简单判断他“反对架构”。也不能因为另一个人积极重构，就自动认为他更专业。

行为需要放在历史环境中理解。

组织长期给出的反馈，会改变人下一次是否还愿意投入改变。

一个系统最终会拥有一份“社会使用说明书”

当技术结构不能完整解释系统，人们会建立另一套解释系统。

它存在于 Review、Pairing、Incident、Chat、口头提醒和 Key Person 的 Memory 中。

新人学习的不只是“调用哪个 API”，还要学习：哪个 Subsystem 出问题该找谁，哪些看起来独立的区域实际上总要一起改，哪些 Component 最好不要碰，哪些 Test 可信，哪些历史 Workaround 被组织接受，以及 formal Ownership 与实际决策权在哪里并不一致。

Big Ball of Mud 最终不仅拥有技术架构。围绕它还会形成一份社会使用说明书。

这份说明书并不一定 Dysfunctional。

恰恰相反，如果没有这些 Informal Rule，一个很难理解的系统可能根本无法经济地继续运营。

真正的问题在于知识存储位置发生了变化。

Code 越不能清晰表达自己的规则，Team 就越需要学习“如何正确与这份 Code 相处”的非正式规则。

这些规则很少被完整记录。它们通过 Review 解释，通过 Pairing 传递，在 Incident 中发现，并由资深同事纠正。

因此，真正的 Onboarding 不只是学习软件，而是学习：现有组织已经学会怎样与这个软件共同生活。

技术混乱，社会稳定

于是出现一个看似矛盾的状态。

技术系统可以极其混乱：职责难以追踪，Dependency 走向意外，Sonderfall 不断累积，局部修改会产生远端结果。

而围绕它的社会系统却可以非常有秩序，因为参与者知道谁该被问、哪些区域 Release 时需要特殊关注、哪些 Refactoring 基本得不到支持、哪些 Workaround 可以工作，以及“通常会坏什么”。

秩序不再主要位于 Code 里。

一部分稳定性来自 Experience、Routine、Key Person、共同学习的 Avoidance Strategy，以及对“什么实际上还能够改变”的共同期待。

这解释了为什么一些长期系统从外部看近乎不可管理，却仍然能够在日常运行中稳定很多年。

Big Ball of Mud 可以在技术上混乱，同时在社会层面惊人地稳定。

这种稳定并不自动是积极的。

它也可能只是说明，人已经学会非常可靠地补偿技术不稳定性。

系统越少通过自身结构表达规则，组织就越可能发展出“尽管如此应该怎样工作”的 Informal Rule。

当系统对不同工作方式给予不同回报

讨论差的 Legacy System 时，人们很快会说：“好开发者都会走”，或者反过来，“只有差开发者才会接受这种环境”。

两种说法都把人的质量与具体工作环境的 Fit 混为一谈。

更准确的说法是：

同一个系统，会让不同工作方式付出不同成本。

一个人如果极其擅长保存历史关系、使用 Informal Communication、在大量 Sonderfall 里可靠导航，他可以在这种环境里非常高效。

另一个人如果把工作重点放在 Local Understandability、Explicit Ownership 和长期根因消除上，反而可能遇到更强 Friction。

这并不能说明谁是“更好的开发者”。换一个系统，成本关系完全可能反过来。

Navigator 的特殊优势依赖大量隐式历史知识。在一个结构一致的 Greenfield System 里，这种能力可能不再稀缺。一个在 Big Ball of Mud 中不断撞上组织边界的开发者，在职责清楚的系统里却可能非常高效。

所以，系统奖励的并不是抽象类别“优秀开发者”，而是那些在当前条件下更容易成功的行为。

Big Ball of Mud 不仅会改变人。长期来看，它还可能改变哪些行为在这个环境里最容易成功。

Attraction、Selection 与 Attrition

这里可以提出一个更进一步、但必须谨慎表达的假设。

Benjamin Schneider 的 Attraction–Selection–Attrition（ASA）模型认为，组织长期由哪些人组成并不是完全随机的。不同环境会吸引不同的人，组织会选择不同的人，而长期 Fit 很低的人中，一部分最终会离开。

Schneider、Goldstein 和 Smith 后来的 Review 为一个核心观点提供了直接与间接支持：这些过程可能让组织随着时间推移，在某些特征上变得更同质。

这并不能推出“Big Ball of Mud 会系统性淘汰结构导向开发者”。目前没有可靠实证支持这种强结论。软件工程关于 Burnout 和 Turnover 的研究同样不足以证明这一点。

不过研究确实显示 Burnout、Engagement、Job Resource 与 Retention 可以相互关联。Trinkenreich、Santos 和 Stol 分析了一个全球 IT 组织超过 13,000 名员工，并把 Survey Data 与 90 天后的实际 Employment Status 结合；他们的模型讨论 Job Resource、Burnout、Engagement、Stay Intention 与实际 Retention 的关系，而且不同群体的关系并不完全一致。

所以，一个更谨慎的假设已经足够：

如果同一工作环境长期让不同工作方式付出不同成本，人员流动就可能逐步影响最终留下的是哪些人和哪些行为。

擅长导航复杂隐式环境的人，也许适应成本较低；能够 Pragmatically 接受现状的人可能同样如此。反过来，如果一个人长期感受到专业期待与实际影响力之间的强烈 Misfit，他承受的成本可能更高，也可能更倾向离开。

这是把一般 Fit、Attrition 与 ASA 理论映射到软件环境上的 Hypothesis，而不是经验上已经证明的 BBOM Law。

但它带来一个不舒服的可能结果：如果低 Fit 的人更常离开，高 Fit 的人更多留下，组织可能随着时间越来越“适合当前系统”——不是因为谁有意识设计了这一状态，而是 Adaptation 和 Turnover 在多年里共同作用。

Socialization 与 Attrition 可以朝同一个方向作用

这里有两个完全正常的组织过程发生交汇。

Socialization 改变人在既有环境里的工作方式；Attrition 改变长期留在这个环境里的是什么人。

在长期 Big Ball of Mud 中，两者可能朝同一个方向作用，即使没有任何人主动设计这一结果。

新人学习已有 Informal Rule，老员工成为更好的 Navigator，过去失败的 Change Initiative 影响大家对下一次 Initiative 的期待，一部分人调整工作方式，另一部分人在长期 Misfit 下离开。

多年后留下来的组织，可能在社会层面比技术结构看起来稳定得多。

组织已经学会如何补偿系统，而系统也间接参与塑造：哪些能力、期待和 Routine 在组织里特别有价值。

Turnover 又会反过来加剧技术状态

人员流动不只是可能的结果，也可能再次成为技术问题的输入。

一个可能的 Feedback Loop 是：结构复杂度增加 Learning 和 Navigation Cost；一部分人经历更高 Belastung 或更低 Fit；如果由此产生 Turnover，历史 System Knowledge 随之流失；剩下的 Expert 更重要；Epistemic Dependency 更集中；根本改变又变得更难。

这不是自然定律。

离职人员的知识可以被良好文档化，新人可以主动改善结构，人员变化甚至可能打破僵化 Social Pattern。

但如果一个系统的可运行性高度依赖隐式历史知识，那么资深人员离开通常会特别昂贵。

这也回到了前一篇文章里的 Key-Person Paradox：软件自身越不能解释自己，能够替它解释的人就越重要；这些人越重要，没有他们就越难进行根本改变；于是其他所有人必须继续适应的工作环境也会存在更久。

最危险的稳定，也许正是“它还能工作”

Big Ball of Mud 不需要每天明显崩溃。

长期系统往往恰恰相反：Release 正常发生，Incident 被解决，Feature 上线，Expert 知道高风险区域，Team 建立 Routine，新人学习 Sonderfall。

组织继续生产软件。

技术上，这类系统可以非常糟糕；社会层面，却已经建立起一个高性能补偿系统。

而正是这种补偿，会让改变更加困难，因为技术改善不只会修改 Code。

它也可能改变知识分布、职责、Routine、Status、Expectation 和多年积累的特殊能力。

Navigator 可能失去一部分由历史知识带来的优势；适应者被要求在多次失败后再次相信 Modernization；结构导向改变者遇到一群行为上完全理性的人——因为这些行为都是过去项目经验训练出来的。

没有人必须不理性，也没有人需要主动想保留 Big Ball of Mud。

系统仍然可以稳定。

研究说明了什么——而本文又推导了什么

这是一个特别容易滑向心理诊断和道德评价的主题，因此必须区分 Empirical Finding 与理论映射。

研究相对充分的是：低 Control、高 Demand、低 Resource、Role Ambiguity、缺少 Support 和不同形式的 Misfit，与 Burnout Dimension 和其他 Stress Measure 有关联；其中一些已有 Meta-Analysis 和 Longitudinal Evidence。软件工程研究同样说明这些问题与开发者有关，而且 Burnout、Engagement 与 Retention 之间可能存在关系。

Person–Environment Fit、Organizational Socialization、Employee Voice / Silence，以及 Attraction、Selection、Attrition 过程也都有成熟研究传统。

这些领域为长期软件系统中的观察提供了更精确的语言和可能机制。

但没有被直接实证证明的是：Big Ball of Mud 通过这些机制“导致” Burnout、系统性排挤结构导向开发者，或者必然形成某一种团队文化。

这些是理论上有根据的 Transfer。

它们与长期 Legacy System 的观察吻合，但应该被表达成“可能发生什么”的 Hypothesis，而不是 Legacy Code 的心理学自然定律。

这种边界不会让诊断变弱。

反而让它更可靠。

结论

Big Ball of Mud 改变的不只是 Code。

多年下来，它可能参与决定：哪些能力特别有价值，人还愿意承担哪些风险，哪些 Change Attempt 被认为现实，以及新开发者必须学习哪些 Informal Rule。

有些人会学会卓越地导航难懂系统。另一些人降低对根本改变的期待，更集中于已知安全路径；这可以是健康 Pragmatism，也可能在多次失败后演化成 Cynicism 或 Resignation。还有一些人长期尝试恢复结构，并在专业要求、责任感与实际影响力持续不匹配时承受强烈冲突。

没有哪个模式是固定人格。

昨天的改变者可以成为明天的 Navigator，今天看起来 Skeptical 的同事也可能背后有多年无效 Voice 的历史。

新人进入的不只是 Repository，还包括团队围绕 Repository 建立的社会使用说明书。如果不同工作方式在同一个环境里长期付出不同成本，那么 Socialization 和 Turnover 还可能进一步影响最终留下的行为模式。

于是，一个技术上越来越难懂的软件周围，可以形成非常稳定的社会秩序。

Big Ball of Mud 可以在技术上混乱，同时在社会层面惊人地稳定。

某个时候，它不再只有 Dependency 和历史 Sonderfall，还拥有关于“人应该怎样在其中工作”的 Expectation、Routine 和 Informal Rule。

个人最终应该怎样选择，是另一个问题。它属于后面的 “Change it, like it or leave it”。到这里，我们只做诊断。

某个时候，已经不只是软件在适应组织。人也开始适应软件。

文献

• Alarcon, G. M. (2011): A meta-analysis of burnout with job demands, resources, and attitudes. Journal of Vocational Behavior, 79(2), 549–562. DOI: 10.1016/j.jvb.2011.03.007.
• Andrieu, C. F. A., Milhabet, I., Denis-Noël, A. & Steiner, D. D. (2024): Voice in the Void: From Voice to Acquiescent Silence over Time as Learned Helplessness in Organizations. Revista de Psicología del Trabajo y de las Organizaciones, 40(2), 103–118. DOI: 10.5093/jwop2024a9.
• Aronsson, G., Theorell, T., Grape, T. et al. (2017): A systematic review including meta-analysis of work environment and burnout symptoms. BMC Public Health, 17, 264. DOI: 10.1186/s12889-017-4153-7.
• Bakker, A. B. & Demerouti, E. (2007): The Job Demands–Resources model: state of the art. Journal of Managerial Psychology, 22(3), 309–328. DOI: 10.1108/02683940710733115.
• Bauer, T. N., Bodner, T., Erdogan, B., Truxillo, D. M. & Tucker, J. S. (2007): Newcomer adjustment during organizational socialization: A meta-analytic review of antecedents, outcomes, and methods. Journal of Applied Psychology, 92(3), 707–721. DOI: 10.1037/0021-9010.92.3.707.
• Kristof-Brown, A. L., Zimmerman, R. D. & Johnson, E. C. (2005): Consequences of individuals’ fit at work: A meta-analysis of person–job, person–organization, person–group, and person–supervisor fit. Personnel Psychology, 58(2), 281–342. DOI: 10.1111/j.1744-6570.2005.00672.x.
• Leiter, M. P. & Maslach, C. (1999): Six areas of worklife: A model of the organizational context of burnout. Journal of Health and Human Services Administration, 21(4), 472–489.
• Leiter, M. P., Frank, E. & Matheson, T. J. (2009): Demands, values, and burnout: Relevance for physicians. Canadian Family Physician, 55(12), 1224–1225.e6. PMID: 20008605.
• Maslach, C. & Leiter, M. P. (2008): Early predictors of job burnout and engagement. Journal of Applied Psychology, 93(3), 498–512. DOI: 10.1037/0021-9010.93.3.498.
• Maslach, C. & Leiter, M. P. (2016): Understanding the burnout experience: recent research and its implications for psychiatry. World Psychiatry, 15(2), 103–111. DOI: 10.1002/wps.20311.
• Morrison, E. W. (2014): Employee Voice and Silence. Annual Review of Organizational Psychology and Organizational Behavior, 1, 173–197. DOI: 10.1146/annurev-orgpsych-031413-091328.
• Morrison, E. W. & Milliken, F. J. (2000): Organizational Silence: A Barrier to Change and Development in a Pluralistic World. Academy of Management Review, 25(4), 706–725. DOI: 10.5465/amr.2000.3707697.
• Park, H. I., Jacob, A. C., Wagner, S. H. & Baiden, M. (2014): Job Control and Burnout: A Meta-Analytic Test of the Conservation of Resources Model. Applied Psychology, 63(4), 607–642. DOI: 10.1111/apps.12008.
• Reichers, A. E., Wanous, J. P. & Austin, J. T. (1997): Understanding and managing cynicism about organizational change. Academy of Management Executive, 11(1). DOI: 10.5465/ame.1997.9707100659.
• Rusbult, C. E., Farrell, D., Rogers, G. & Mainous, A. G. III (1988): Impact of Exchange Variables on Exit, Voice, Loyalty, and Neglect: An Integrative Model of Responses to Declining Job Satisfaction. Academy of Management Journal, 31(3), 599–627. DOI: 10.5465/256461.
• Schneider, B. (1987): The People Make the Place. Personnel Psychology, 40(3), 437–453. DOI: 10.1111/j.1744-6570.1987.tb00609.x.
• Schneider, B., Goldstein, H. W. & Smith, D. B. (1995): The ASA Framework: An Update. Personnel Psychology, 48(4), 747–773. DOI: 10.1111/j.1744-6570.1995.tb01780.x.
• Singh, P., Suar, D. & Leiter, M. P. (2012): Antecedents, Work-Related Consequences, and Buffers of Job Burnout Among Indian Software Developers. Journal of Leadership & Organizational Studies, 19(1), 83–104. DOI: 10.1177/1548051811429572.
• Trinkenreich, B., Santos, F. & Stol, K. J. (2024): Predicting Attrition among Software Professionals: Antecedents and Consequences of Burnout and Engagement. ACM Transactions on Software Engineering and Methodology, 33(8), Article 218, 1–45. DOI: 10.1145/3691629.
• Tulili, T. R., Capiluppi, A. & Rastogi, A. (2023): Burnout in software engineering: A systematic mapping study. Information and Software Technology, 155, 107116. DOI: 10.1016/j.infsof.2022.107116.