Generation‐specific incentives and disincentives for nurse faculty to remain employed
Notice bibliographique
Résumé
AIMS: The aims of this paper are to: (1) describe work characteristics that nurse faculty report encourage them to remain in or leave their academic positions; and (2) determine if there are generational differences in work characteristics selected. BACKGROUND: Nurse faculty play key roles in preparing new nurses and graduate nurses. However, educational institutions are challenged to maintain full employment in faculty positions. DESIGN: A cross-sectional, descriptive survey design was employed. METHODS: Ontario nurse faculty were asked to select, from a list, work characteristics that entice them to remain in or leave their faculty positions. Respondent data (n = 650) were collected using mailed surveys over four months in 2011. RESULTS: While preferred work characteristics differed across generations, the most frequently selected incentives enticing nurse faculty to stay were having: a supportive director/dean, reasonable workloads, supportive colleagues, adequate resources, manageable class sizes and work/life balance. The most frequently selected disincentives included: unmanageable workloads, unsupportive organizations, poor work environments, exposure to bullying, belittling and other types of incivility in the workplace and having an unsupportive director/dean. CONCLUSION: This research yields new and important knowledge about work characteristics that nurse faculty report shape their decisions to remain in or leave their current employment. Certain work characteristics were rated as important among all generations. Where similarities exist, broad strategies addressing work characteristics may effectively promote nurse faculty retention. However, where generational differences exist, retention-promoting strategies should target generation-specific preferences.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».