Is More Truly Merrier?: Mentoring and the Practice of Law
Notice bibliographique
Résumé
Cet article examine deux questions sur le mentorat. D'abord, qui est le plus susceptible de bénéficier de services de mentorat au cours de sa carrière? Ensuite, comment le mentorat influence‐t‐il les carrières des professionnels? En utilisant une enquête longitudinale sur des avocats, les auteures évaluent l'incidence des postes et des aspirations en début de carrière sur les chances de bénéficier de services de mentorat. Elles mesurent les bénéfices du mentorat au moyen des récompenses de carrière intrinsèques et extrinsèques, pour découvrir que le contexte organisationnel et les attributs individuels constituent d'importants prédicteurs de qui bénéficiera de mentorat. Les professionnels ayant de multiples mentors se sont avérés les grands gagnants, en ce qu'ils obtiennent des récompenses de carrière plus importantes et plus diversifiées que ceux n'ayant pas de mentor. This paper addresses two questions regarding mentoring: First, who is most likely to receive mentorship during their career? And second, how does mentorship shape the careers of professionals? Using a longitudinal survey of lawyers, we evaluate the impact of early career positions and aspirations on the chances for mentorship. We assess the benefits of mentorship across extrinsic and intrinsic career rewards. We find organizational context and individual attributes are important predictors of who receives mentorship. Professionals with multiple mentors were the big winners in that they obtain greater and more diverse career rewards over those with one or no mentors.
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 | 0,006 | 0,038 |
| 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 | 0,005 | 0,006 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; 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 ».