MétaCan
Menu
Retour à la cohorte
Enregistrement W2037563747 · doi:10.1155/2010/491368

Mentoring Experiences of Aging and Disability Rehabilitation Researchers

2010· article· en· W2037563747 sur OpenAlexaffabout
Mary C. Egan, Kerry Byrne, Paul Stolee, Judy King

Notice bibliographique

RevueRehabilitation Research and Practice · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensUniversity of WaterlooUniversity of British ColumbiaÉlisabeth Bruyère HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineRehabilitationGerontologyPhysical medicine and rehabilitationNursingPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Objectives. To explore research mentoring experiences and perceived mentoring needs of aging and disability researchers at different career stages. Design. Focus group and individual interviews with rehabilitation researchers at various career stages based in hospitals, universities, and hospital-based research institutes in Ontario, Canada. Results. The overall theme was mentoring for transition. Participants across career stages referred to helpful mentoring experiences as those that assisted them to move from their previous stage into the present stage or from the present stage into their next career progression. Unhelpful mentoring experiences were characterized by mentor actions that were potentially detrimental to transition. Subsumed under this theme were three categories. The first, "hidden information" referred to practical information that was difficult to access. The second "delicate issues" referred to helping the participant work through issues related to sensitive matters, the discussion of which could put the participants or their colleagues in a vulnerable position. The third category was "special challenges of clinician-researchers". Conclusions. Helpful mentoring for rehabilitation researchers working on concerns related to aging and disability appears to be characterized by interaction with more experienced individuals who aid the researcher work through issues related to career transition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,043
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,135
Score d'incertitude au seuil0,965

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,043
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,502
Écart entre enseignants0,383 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRehabilitation Research and PracticeMême sujetMentoring and Academic DevelopmentTravaux en français237 207