How Do I Choose a Job? Factors Influencing the Career and Employment Decisions of Physiotherapy Graduates in Canada
Notice bibliographique
Résumé
Purpose: Physiotherapy is a diverse profession: there are many areas in which physiotherapists can practise. New graduates must decide in which area of physiotherapy they would like to work and with which organizations to seek employment. The purpose of this study was to describe the factors that influenced the career (area of practice, practice setting) and employment (organization) decisions of recent physiotherapy graduates. Method: Given Canada’s vast expanse, we used survey methodology. We invited English-speaking physiotherapists who had completed their physiotherapy education between October 2015 and December 2017 to participate in this study. The survey was emailed to 1,442 physiotherapists in British Columbia, Alberta, Saskatchewan, Manitoba, Ontario, and Nova Scotia. Results: We collected 351 responses (24%). Almost all respondents reported currently working as a physiotherapist, and the majority worked with patients with musculoskeletal conditions. Clinical education experiences were most influential in determining career decisions. Area of practice, practice setting, and mentorship were the most influential factors contributing to employment decisions. Conclusions: Clinical education experiences are influential in shaping physiotherapy students’ career and employment decisions. Employers who want to recruit physiotherapy graduates may consider partnering with physiotherapy programmes to offer clinical placement experiences and develop mentorship programmes that help build novice physiotherapists’ competence and confidence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».