Achievements in Research and Teaching—Investigating the Effect of Age and Gender
Notice bibliographique
Résumé
Purpose. This study deals with the research and teaching achievements of faculty members as affected by demographics. The topic of age of employment, as well as age of retirement, is one that occupies modern society, both in research and with regard to the significance of age for the labor world in practice. Gender-related differences regarding this issue have occupied the academic literature as well. In the current study we examined the impact of age and gender on research output (by number of citations) and satisfaction with teaching (by student survey scores). Method. Empirical data on article citations and teaching surveys were gathered for 315 senior faculty members at Ariel University, Israel. Structural equation modeling was used to test the model’s goodness-of-fit. Findings indicate that the higher the age of the faculty members the greater their output. The opposite is true of teaching surveys. Age appears to contribute to the number of article citations and less so to students’ satisfaction with the teaching of senior faculty members. A sensitivity analysis was also performed. Men were found to have a higher number of citations than women. Results and discussion. The research findings have practical meaning. The achievements of academic faculty members are undoubtedly age-dependent: seniority and experience contribute to research (number of citations) and do not contribute to teaching as measured by student satisfaction. The question is whether in the modern era, when quality of life and life expectancy are on the rise, there is room to breach the employment age limitations in academia, particularly for high academic producers, in light of their achievements.
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 | 0,003 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».