Impact of a formal mentoring program on academic promotion of Department of Medicine faculty: A comparative study
Notice bibliographique
Résumé
PURPOSE: To evaluate the impact of a formal mentoring program on time to academic promotion and differences in gender-based outcomes. METHODS: Comparisons of time to promotion (i) before and after implementation of a formal mentoring program and (ii) between mentored and non-mentored faculty matched for covariates. Using paired-samples t-testing and mixed repeated measures ANCOVA, we explored the effect of mentor assignment and influence of gender on time to promotion. RESULTS: Promotional data from 1988 to 2010 for 382 faculty members appointed before 2003 were compared with 229 faculty members appointed in 2003 or later. Faculty appointed in 2003 or later were promoted 1.2 years (mean) sooner versus those appointed before 2003 (3.7 [SD = 1.7] vs. 2.5 [SD = 2], p < 0.0001). Regardless of year of appointment, mentor assignment appears to be significantly associated with a reduction in time to promotion versus non-mentored (3.4 [SD = 2.4] vs. 4.4 [SD = 2.6], p = 0.011). Gender effects were statistically insignificant. Post hoc analyses of time to promotion suggested that observed differences are not attributable to temporal effects, but rather assignment to a mentor. CONCLUSIONS: Mentoring was a powerful predictor of promotion, regardless of the year of appointment and likely benefited both genders equally. University resource allocation in support of mentoring appears to accelerate faculty advancement.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».