How Can Be Academic Talent Measured During Higher Education Studies? - An Exploratory Study
Notice bibliographique
Résumé
Many articles claim that talent management is a very important aspect of higher education. Despite of this, the studies, which investigate this topic empirically, are very rare. The Hungarian higher education talent management focuses mainly on academic-, scientific aspect of talent. So, the main purpose of talent-management is the academic reinforcement, namely, growing up a new generation of scientist/university teachers. The talent management in higher education can be imagined as a bridge between formal school studies and scientific career. In this study, I search answer for the (research) question: how should academic talent be measured during higher education studies? Moreover, does it have any sense to identify the academic talents during even their higher education studies? The research is based on opinion of 170 university teachers who supervised talented students during a young-researcher competition. The method was questionnaire-method. The questions gathered round two main topics: (1) identifying of talented students and cooperation with talented students; (2) own career of supervisor university teachers. The results had been analyzed with descriptive statistics which show the mostly chosen talent-identifying methods and features of talented students. The open-ended questions had been content-analyzed. The data of university-teacher’s career had been analyzed with mathematical statistical tests (ANOVAs, Two-sample T tests, correlations) where the dependent variable was the number of publication (as indicator of the scientific performance). The results may suggest conceptions for talent-programs (honor programs) based on academic talent; for doctoral schools, and for any other institutes who works with career entrant scientist. The scientific reinforcement would be more effective if scientific programs/scholarships/PhD-programs used professional methods during selection process, instead of subjective choices, based on CV and motivation letter.
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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».