Flexibility at the Core: What Determines Employment of Part-Time Faculty in Academia
Notice bibliographique
Résumé
In this study, we examine institutional predictors of part-time faculty employment in the higher education sector in the United States. We draw upon institutional and individual-level data to examine the variation in the intensity of part-time employment in faculty positions among a representative sample of higher education institutions. Institutional-level data are from Integrated Postsecondary Education Data System (IPEDS) and individual-level data are from National Study of Postsecondary Faculty (NSOPF). These data allow us to examine the impact of both economic factors and social environment on employment practices of colleges and universities. This analysis adds to the emerging literature on non-standard work arrangements in core organizational functions. Our results suggest that the employment of part-time faculty is significantly associated with a set of organizational attributes and characteristics such as institutional type, sources of revenue, and part-time student enrolment. Private institutions, on average, have higher levels of part-time faculty than their public counterparts. The proportion of part-time students and the share of institutional revenues derived from tuition and fees are positively associated with part-time faculty employment. Faculty unions are positively related to the employment of part-time faculty. Finally, institutions that have limited resource slack and pay high salaries to their full-time faculty members tend to employ a high proportion of part-time faculty. These results support the arguments that higher educational institutions actively design and adopt contingent work arrangements to manage their resource dependence with constituencies and to reduce labour costs.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».