The changing postdoc and key predictors of satisfaction with professional training
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The postdoctoral position was originally created as a short training period for PhD holders on the path to becoming university professors; however, the single-purpose paradigm of training has evolved considerably over time. The purpose of this paper is to report on the opportunities and challenges faced by postdocs as they navigate this complex training period. Design/methodology/approach To better understand the changes in postdoctoral training the Canadian Association of Postdoctoral Scholars – l’Association Canadienne des Stagiaires Postdoctoraux (CAPS-ACSP) conducted three professional national surveys of postdocs working in Canada and Canadian postdocs working internationally. Using the data from each survey, the authors investigated demographics, career goals and mental health and developed a theory-based path model for predicting postdoctoral training satisfaction, using structural equation modeling. Findings The analysis revealed that during their training postdocs face mental health symptoms, which play a role in job satisfaction. Additionally, predictors of satisfaction with career training were opportunities for skills development and encouragement from supervisors. Predictors of satisfaction with compensation were salary, skills training, mental health and encouragement from supervisors. Originality/value This first in-depth analysis of mental health symptoms illuminates the postdoc experience in academia. The study highlights the need for substantive changes to address the challenges facing postdoctoral training in the current research model in North America.
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.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 découle