MétaCan
Menu
Retour à la cohorte
Enregistrement W2593176003

The role of intention in post-PhD career decision-making

2016· article· en· W2593176003 sur OpenAlexaff
Lynn McAlpine, Cheryl Amundsen

Notice bibliographique

Revue2017 Conference of the Canadian Society for the Study of Education · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)SituatedNarrativePsychologyCareer developmentIdentity (music)Medical educationPedagogyApplied psychologyMedicineComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Little is known about the journey from completion of the PhD to a range of post-PhD employment and careers. This paper addresses the role of personal intention in career decision-making and how intention interacts with personal values, goals and responsibilities as well as career opportunities. It addresses the question: What patterns, if any, were there in individuals’ career intentions and career decision-making over time? The research employs an identity development lens situated in a narrative approach to inquiry, thus focusing the research on the perspective of the individual.  The analysis draws on an extensive database developed using a longitudinal research design that spanned 10 years and followed 48 individuals transitioning into a range of post-PhD positions and careers. On an annual basis, we collected biographical information, weekly activity logs, a pre-interview questionnaire, and an interview. This cycle was repeated from 4 to 7 times for each individual with a final follow-up one year after the main course of data collection was completed. Six patterns of post-PhD journeys were identified that have pedagogical implications with the potential to improve supervision, departmental and institutional career support for students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,030
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,178
Tête enseignante GPT0,464
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineIncitatifs
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2017 Conference of the Canadian Society for the Study of EducationMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207