Original Article: Women's “Choices” and Canadian Water Research and Policy: A Study of Professionals' Careers, Mentorship, and Experiential Knowledge
Notice bibliographique
Résumé
This article is an investigation of the different factors that potentially influence the career choices of Canadian female professionals working in water research and policy (WRP). This community was broadly defined as any Canadian engineers, technicians, biologists, planners, economists, scholars conducting physical and social research, public servants (e.g., national, provincial, municipal), and civil society activists who were self-identified as working on water-related issues. Participants' essay responses were assessed by using an integrated comparative framework—drawing insights from economics, social network theory, environmental psychology, innovation, knowledge management, and pro-environmental behavior. Focus was placed on participants' responses about what motivated their careers, how this motivation sustained their professional participation over time, and whether different experiences with people and/or nature influenced their contributions to Canadian WRP. The data analysis indicated that female professionals draw on their relationships and experiential knowledge to make career decisions, sustain their career progression, and direct their career contributions. The analysis suggested that both recruitment and retention within the water community could be improved by providing recognition of alternative knowledge opportunities, including opportunities to develop skill mastery over existing or new skills, and experiential knowledge in nature for children, and by facilitating mentorship relationships and social networks. By doing so, these interventions would help sustain the availability of diverse knowledge resources held by female professionals within Canadian WRP.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».