Academic Rank and Position Effect on Academic Research Output – A Case Study of Ariel University
Notice bibliographique
Résumé
The aim of this study is to explore the effects of professional factors (academic rank and academic-administrative role) and home-unit-related factors (affiliation and number of faculty members in the faculty) on faculty members’ research output, measured by number of citations. Research literature on operations research in the academia reflects a dual approach to the association between number of citations and research quality, although it is generally concurred that the number of citations is taken into consideration in assessments for promotion and tenure, and represents a measure of publication quality. The association between faculty members’ administrative roles and their academic output is explored for the first time in this study.We collected data on four citation-related variables for 315 senior faculty members, as well as their affiliation, academic rank, and administrative/academic role, if any. Structural Equation Modeling (SEM) was employed to test the model’s goodness of fit.Findings show that faculty affiliation, academic rank, and academic-administrative role affect number of citations. The association between number of citations per faculty, engagement in administrative tasks, and the number of faculty members in the faculty has significant implications for faculty promotion policies and the “price” faculty members pay for assuming administrative duties, especially in the early years of their academic career. Furthermore, the faculty also plays an important role in academic outputs, and its organizational climate may promote or disrupt research-oriented academic careers.
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 | 0,009 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».