MétaCan
Menu
Retour à la cohorte
Enregistrement W2609972955 · doi:10.1080/00221546.2016.1272317

Testing a Model of Pretenure Faculty Members’ Teaching and Research Success: Motivation as a Mediator of Balance, Expectations, and Collegiality

2017· article· en· W2609972955 sur OpenAlexaff
Robert H. Stupnisky, Nathan C. Hall, Lia M. Daniels, Emmanuel Mensah

Notice bibliographique

RevueThe Journal of Higher Education · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensUniversity of AlbertaMcGill University
Organismes subventionnairesnon disponible
Mots-clésCollegialityAutonomyCompetence (human resources)PsychologyFaculty developmentBalance (ability)PedagogyProfessional developmentMedical educationSocial psychologyPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

With the aim of advancing the growing research literature on faculty development, a model of pretenure faculty success in teaching and research was proposed. Building from the early-career faculty literature and self-determination theory, we hypothesized that balance, clear expectations, and collegiality predict success by supporting autonomy, competence, and relatedness that, in turn, promote intrinsic motivation and success for teaching and research. The model was evaluated using path analyses on 105 pretenure faculty members' survey responses from two research universities. With respect to teaching success, the benefits of collegiality were mediated by relatedness. For research success, the advantages of good balance were mediated by autonomy and competence. Satisfying these needs within their respective domains positively predicted intrinsic motivation that, in turn, led to greater perceived and expected success. These results have implications for both pretenure faculty development and achievement motivation research literatures, as well as institutional efforts to promote faculty development.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,994
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,138
Tête enseignante GPT0,491
Écart entre enseignants0,353 · 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

Citations77
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Higher EducationMême sujetHigher Education Research StudiesTravaux en français237 207