MétaCan
Menu
Retour à la cohorte
Enregistrement W3152528846 · doi:10.1002/meet.14504901038

Preparing for the academic job market: An interactive panel for doctoral students

2012· article· en· W3152528846 sur OpenAlexaboutno aff
Karen Miller, Naresh Kumar Agarwal

Notice bibliographique

RevueProceedings of the American Society for Information Science and Technology · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of BathUniversity of Greenwich
Mots-clésJob marketPanel discussionCareer PathwaysMedical educationWork (physics)Function (biology)PsychologyEngineeringMedicineBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract This proposal expands on the basic format of the successful interactive doctoral student panel sponsored by SIG/ED at the 2011 ASIS&T annual meeting. The 2012 panel will feature several new panelists and a discussion of alternative career paths to the traditional job market, such as postdoctoral opportunities. The function of this panel is to provide an interactive platform for faculty members at all stages of their careers to provide advice and input for doctoral students nearing the completion of their doctoral work. This panel will provide valuable insight on finishing the dissertation, weighing post‐doctoral opportunities, entering the job market, and beginning an academic career. The format will allow participants to ask questions anonymously that may otherwise be embarrassing to ask. The seven panelists represent all stages of an academic career: three assistant professors, two associate professors (including an associate dean), and two full professors (including one dean). The participants come from six different institutions and represent two countries (U.S. and Canada). The panel will be of greatest use to those doctoral students at the end of their doctoral program, but, as proven in 2011, will also be of interest to doctoral students beginning their doctoral work and new assistant professors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,024
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0160,002
Communication savante0,0070,004
Science ouverte0,0030,016
Intégrité de la recherche0,0070,010
Charge utile insuffisante (le modèle a refusé de juger)0,0420,015

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.

Tête enseignante Opus0,150
Tête enseignante GPT0,512
Écart entre enseignants0,362 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the American Society for Information Science and TechnologyMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207