Part-Time Nurse Faculty Intent to Remain Employed in Academia: A Cross-Sectional Study
Notice bibliographique
Résumé
The purpose of this study was to test and refine a model of part-time nurse faculty intent to remain employed in the academic organization. Cross-sectional survey methods were used. A total of 282 part-time nurse faculty working in colleges or universities in Ontario, Canada were invited to participate. Survey instruments and items measured demographic, workplace, nurse responses to the workplace, and external variables. Correlation, multiple regression, and mediation analyses were conducted using data from 119 participants (47.6% response rate). Of the 19 variables hypothesized to affect intent to remain employed in the academic organization, seven influenced intent to remain. The resulting model indicated that the older the part-time nurse faculty member, the lower the level of intent to remain and the more years worked in the organization, the higher the level of intent to remain. The more opportunities perceived to exist outside of the employing organization, the higher the level of intent to remain. Additionally, the more satisfied part-time nurse faculty were with their job overall, the higher their level of intent to remain. In the workplace, the more support from the leader, the more formal or informal recognition received, and the more fair work procedures were perceived to be, the higher levels of part-time nurse faculty intent to remain employed in the academic organization, mediated by job satisfaction. Although age, organizational tenure, and external career opportunities are non-modifiable variables, deans and directors can encourage part-time nurse faculty to remain employed in their academic job by focusing on enhancing overall job satisfaction. Effective strategies may include formal or informal acknowledgement of good performance, consistent verbal and behavioural support, and implementation of procedural practices, such as performance evaluations and pay raises in a fair manner.
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 | 0,004 | 0,008 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».