Doctoral Education in a Successful Ecological Niche: A Qualitative Exploratory Case Study of the Relationship between the Microclimate and Doctoral Students’ Learning to Become a Researcher
Notice bibliographique
Résumé
Scholarly communities are dependent on and often measured by their ability to attract and develop doctoral students. Recent literature suggests that most scholarly communities entail ecological niches in which the doctoral students learn the codes and practices of research. In this article, we explore the microclimate in an ecological niche of doctoral education. Based on a theoretical definition of microclimate as the emotional atmosphere that ties group members together and affects their actions, we conducted a case study that aimed to describe the key features of the microclimate in a successful ecological niche of doctoral education, and the ways in which the microclimate support the doctoral students’ learning. The methods we applied in the case study were based on short-term ethnographic fieldwork. The results reveal four key features of the emotional atmosphere in the microclimate: mutual appreciation, balancing seriousness and humor, desire, and ambition. These features constitute the shared emotionality that sets the scene for the microclimate, and affects and guides the doctoral students’ daily practices. Furthermore, the results indicate that the microclimate supports successful doctoral education because it: 1) fleshes out the professional attitude that is necessary for becoming a successful researcher in the department, 2) shapes and adapts the doctoral students’ desires to grasp and identify with the department’s practices, and 3) provides the doctoral students with access to flow zones that drive their education. These results may suggest practical implications for fostering and cultivating successful ecological niches in medical education at doctoral level.
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 | 0,003 | 0,002 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».