Supporting early career researchers: insights from interdisciplinary marine scientists
Notice bibliographique
Résumé
Abstract The immense challenges associated with realizing ocean and coastal sustainability require highly skilled interdisciplinary marine scientists. However, the barriers experienced by early career researchers (ECRs) seeking to address these challenges, and the support required to overcome those barriers, are not well understood. This study examines the perspectives of ECRs on opportunities to build interdisciplinary research capacity in marine science. We engaged 23 current and former graduate students and postdoctoral fellows in a policy Delphi method with three rounds of surveying that included semi-structured questionnaires and q-methodology. We identified the following five barriers that limit ECRs’ capacity for interdisciplinary research: (i) demanding workloads; (ii) stress linked to funding, publishing, and employment uncertainty; (iii) limited support for balancing personal and professional commitments; (iv) ineffective supervisory support; and (v) the steep learning curve associated with interdisciplinary research. Our analysis highlights three main types of responses to these barriers adopted by ECRs, including “taking on too much”, “coping effectively”, and “maintaining material wellbeing at any cost”. To overcome these barriers, we propose the following three institutional actions to build early career interdisciplinary researcher capacity: formalize mentorship, create interdisciplinary research groups, and mainstream mental health support.
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 | 0,050 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,018 | 0,012 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,003 | 0,019 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».