The Post-tenure Apex: Unrewarding, Unproductive, Unhappy. Is Continuing Learning a Remedy for Mid-Career Misery?
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
Academics who are in mid-to late-stages of their career are often overlooked as participants when leaders of higher education are planning continuing learning opportunities. The reasons are varied but typically originate from a lack of understanding about this long and important phase in an academic's career. Prior research has reported that a crisis can happen at this career apex, illustrating a need for continuing learning. Many academics who move into midcareer encounter issues such as plateauing (e.g., no longer finding new research results), career disappointments (e.g., no longer able to attain research funding), and changing perspectives about their priorities (e.g., publication outputs are no longer a priority). The purpose of this study was to extend our understanding of the value of continuing learning for mid-to late-career faculty. We conducted a study on the perceived value and impact of continuing learning for mid-to late-career academics. Our findings indicate that when development centres are planning activities for mid-to late-career faculty, it will have the greatest value when (a) based on careerstage appropriate needs (e.g., high priority areas identified); and (b) activities are directed to mid-to late-career academics. While prior research has shown that interaction and collaboration are important for mid-to late-career academics, findings from this study indicate technical and practical knowledge are a higher priority.
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| 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