MétaCan
Menu
Retour à la cohorte
Enregistrement W1263623954 · doi:10.18052/www.scipress.com/ilshs.47.10

The Challenges to Professional Standing among Academics

2015· article· en· W1263623954 sur OpenAlexaff
Donovan A. McFarlane

Notice bibliographique

RevueInternational Letters of Social and Humanistic Sciences · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUniversity Challenges and Reforms
Établissements canadiensWycliffe College
Organismes subventionnairesnon disponible
Mots-clésSociologyFace (sociological concept)Transition (genetics)Perspective (graphical)Higher educationProfessional developmentPolitical sciencePedagogySocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

In this paper, the author looks at the challenges to professional standing among academics. Using Michael Zweig’s contention that, “The challenge to professional standing among academics is not only a question of tenure” (27), the author explores this perspective by examining the state of higher educational institutions and 21st. century trends and factors that affect academic standing across universities and colleges. The author views the changes in human values and profession, global cultural transition, and the changing face of the university from an intellectual to a corporate-oriented model among the factors affecting the professional standing of academics. The transition of the university from faculty-oriented and controlled to administrator-oriented and operated, is seen as a critical factor in this regard as advocated by authors Benjamin Ginsberg and Steven Johnson. Other factors affecting professional standing are related to traits including gender and race as evident from the works of Diggs, Garrison-Wade, Estrada, and Galindo. The author examines the perspectives of several authoritative writers and sources including Ginsberg, Readings, Newman, and Johnson on the university and faculty standing. The author concludes that as colleges and universities are increasingly confronted with new challenges, professional standing among academics will continue to be challenged.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0370,028
Communication savante0,0200,008
Science ouverte0,0030,020
Intégrité de la recherche0,0060,009
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,141
Tête enseignante GPT0,362
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Letters of Social and Humanistic SciencesMême sujetUniversity Challenges and ReformsTravaux en français237 207