MétaCan
Menu
Retour à la cohorte
Enregistrement W3166853272 · doi:10.1080/02103702.2021.1928950

Developing as a post-PhD researcher: agency and feedback in construction of grant funding success ( <i>El desarrollo del investigador posdoctoral: agencia y feedback en la preparación de propuestas de financiación exitosas</i> )

2021· article· en· W3166853272 sur OpenAlexafffundabout
Larissa Yousoubova, Lynn McAlpine

Notice bibliographique

RevueJournal for the Study of Education and Development Infancia y Aprendizaje · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensMcGill University
Organismes subventionnairesMcGill University
Mots-clésAgency (philosophy)PerformativityFunding AgencyExperiential learningSociologyPedagogyPublic relationsPsychologyPolitical scienceSocial scienceGender studies

Résumé

récupéré en direct d'OpenAlex

Grant funding is critical to building a sustained research career. Yet in this climate of academic performativity little is known about how individual academics make their contribution to knowledge fundable. This in-depth longitudinal case study explores an approach evolved by an experienced Canadian scientist whose work is recognized for both scholarly and societal impact. We demonstrate how, over ten years, his agentive participation in academic interactions has contributed to continual development of his research and its funding through: his seeking and engaging with feedback; network-wide view of feedback sources; and drawing on feedback to inform his writing and research thinking. The article suggests a developmental view of the process in which, over time, researchers conceive, expand and draw on their feedback networks. Locating funding success within the social dimensions of knowledge and researcher development, the study sheds light on the role of agency and experiential learning in enabling contributions to frontline knowledge. Results suggest a novel, encompassing way for post-PhD researchers to build towards sustained grant funding.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,175
Tête enseignante GPT0,498
Écart entre enseignants0,323 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal for the Study of Education and Development Infancia y AprendizajeMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207