Put Yourself at the Helm: Charting New Territory, Correcting Course, and Weathering the Storm of Career Trajectories
Notice bibliographique
Résumé
What bearing have you set you set your sights on? How do you navigate the ever-changing swells and winds of our professional landscape? Are you feeling a nebulous desire for change, that your career is not going in the direction you were expecting, worry about lack of future opportunities, or even a deep dissatisfaction in your current position? You are not alone. The formation of the Committee on Advanced Training for Certified Genetic Counselors (CATCGC) was partly in response to such sentiments, expressed within a vibrant dialogue amongst members of the genetic counseling community. The CATCGC sought to understand how genetic counselors chart courses for their careers by conducting a Decision Points exercise during a pre-conference symposium (PCS) at the 2014 NSGC Annual Education Conference. Participants were asked to identify a decision point at which they were most satisfied with their careers and one at which they were least satisfied and to describe the situation, their personal goals and intentions, any actions they took, and the outcomes. Qualitative analysis in the constructivist tradition was conducted on participants' responses and facilitators' notes from the PCS to explore what personal meanings were made of the decision points; twelve themes related to Career High Points, Low Points, and how genetic counselors made career transitions were identified. Using a constructivist framework, themes are presented in the context of the authors' personal experiences, and the authors' share their reflections on these data. We wrote this article to offer you a window into your peers' experiences - the good, the bad, and the ugly - hoping to encourage and challenge you to reflect deeply, no matter where you are on your career journey.
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 | 0,002 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».