MétaCan
Menu
Retour à la cohorte
Enregistrement W2042633939 · doi:10.1080/03075070902818761

Alternative and professional doctoral programs: what is driving the demand?

2009· article· en· W2042633939 sur OpenAlexaff
Laura Servage

Notice bibliographique

RevueStudies in Higher Education · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCorporatizationHigher educationHuman capitalScrutinyProsperitySociologyHuman capital theoryProfessional developmentPedagogyPolitical sciencePublic relationsEconomic growthEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

As part of an overall massification of higher education, enrollments in doctoral programs are expanding. At the same time, doctoral studies are subject to much scrutiny and reform in Australia, the UK and the United States. This work examines policy documents related to doctoral reform from these countries in order to offer a critique of their functionalist underpinnings. Central to doctoral reforms is the growth of the professional doctorate, which is proposed as an alternative to conventional PhDs that better prepares graduates to participate in non‐academic careers. In this work, the professional doctorate is examined from the dominant perspective of human capital theory. Alternative theories emphasizing conflict and competition in higher education are offered. Credentialism and the corporatization of higher education may provide more nuanced explanations of the growth of the professional doctorate. The article concludes with some thoughts on the impacts of policy on those whose lives are ultimately shaped by it: students and graduates who may be disappointed to find that human capital theory does not deliver on its promise of status and prosperity for society’s most highly educated workers.

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)0,014
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,007
Communication savante0,0120,018
Science ouverte0,0020,005
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0410,004

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 Opus0,343
Tête enseignante GPT0,582
Écart entre enseignants0,239 · 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.

Devis d'étudeObservationnel
DomaineIncitatifs
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

Citations84
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in Higher EducationMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207