MétaCan
Menu
Retour à la cohorte
Enregistrement W2765519693 · doi:10.1002/pra2.2017.14505401078

Seeking balance: Professional development needs of tenured information science faculty

2017· article· en· W2765519693 sur OpenAlexaff
Irene Lopatovska, Heather L. O'Brien, Abebe Rorissa, Martina Dragija Ivanović, Heidi Julien

Notice bibliographique

RevueProceedings of the Association for Information Science and Technology · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésProfessional developmentPanel discussionBrainstormingFaculty developmentPublic relationsMedical educationService (business)Work (physics)PsychologySociologyPolitical sciencePedagogyMedicineBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT There is minimal, mainly anecdotal, evidence of discourse about the professional development of information science (IS) academics. In an effort to initiate discussion on professional development and encourage information sharing among IS faculty and administrators, we organized a panel at the 2016 Annual Meeting of ASIS&T (Lopatovska et al., ). The panel brought attention to the professional development resources and strategies available to mid‐career faculty and uncovered the need to continue the discussion. This proposed interactive panel aims to identify tenured IS faculty members' needs related to their scholarly, teaching and service pursuits, explore professional wellbeing and work climate, share best practices and brainstorm potential solutions for some of the identified issues. The issues and solutions uncovered during the panel discussion will be shared with the broader community with the hope that recommendations can be adopted and acted upon by individuals, academic institutions and professional associations. The panel will be of interest to faculty, doctoral students and academic administrators.

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)0,016
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0130,004
Communication savante0,0080,005
Science ouverte0,0020,008
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,020
Tête enseignante GPT0,310
Écart entre enseignants0,290 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Association for Information Science and TechnologyMême sujetKnowledge Management and SharingTravaux en français237 207