Effect of Personal and Occupational Characteristics on Attitudes to an Obligatory Retirement Age—A Content Analysis Investigation
Notice bibliographique
Résumé
This study is a pioneer study examining the effects of personal and occupational background variables on the attitude of faculty members to an obligatory retirement age in academia. Previous studies on performance measures of academic faculty in research, teaching, academic administration, and contribution to the community, testified to associations between faculty member achievements and their personal characteristics (gender, age) as well as features related to their academic field of occupation (faculty, academic rank, tenure). Hence, these quality measures of academic faculty have meaning for and influence on research, even after the customary retirement age. Obligatory retirement age is a well-known issue and it is arousing much interest in general, and in academia in particular. Academic work includes activity focused on research, teaching, advisory work, participation in academic committees and conferences—namely, activities that require human thinking. This leads to the question of whether and to what degree personal and occupational characteristics are associated with the attitude of faculty members to retirement age. One hundred and eight questionnaires administered to senior faculty were collected in a case study of a single university. Qualitative and statistical research tools were employed, with the aim of creating a model that expresses the association between faculty members’ personal and occupational characteristics and their attitude to retirement age in academia. The research findings show that the background variables affecting the attitude of faculty members to retirement are age and tenure—faculty members’ age and status as tenured faculty determine their objection to the obligatory retirement age.
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 | 0,001 |
| 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 | 0,000 | 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 ».