The extended late career phase – examining senior nursing professionals
Notice bibliographique
Résumé
Purpose By relying on a sustainable career perspective and recent studies on senior employees’ late career phase, this study aims to examine senior (50+) nurses’ late career narratives in the context of extending retirement age. Given the current global nursing shortage, there is a pressing need to find ways on how to promote longer and sustainable careers in the health-care field. Yet, there is limited knowledge about the extended late career phase of senior nurses. Design/methodology/approach Empirical data were derived from 22 interviews collected among senior (50+) nursing professionals working in a Finnish university hospital. The qualitative interview data were analysed using a narrative analysis method. As a result of the narrative analysis, four career narratives were constructed. Findings The findings demonstrated that senior nurses’ late career narratives differed in terms of late career aspirations, constraints, mobility and active agency of one’s own career. The identified career narratives indicate that the building blocks of sustainable late careers in the context of extending retirement age are diverse. Research limitations/implications The qualitative interview data were restricted to senior nurses working in one university hospital. Interviews were conducted on site and some nurses were called away leaving some of the interviews shorter than expected. Practical implications To support sustainable late careers requires that attention be based on the whole career ecosystem covering individual, organizational and societal aspects and how they are intertwined together. Originality/value So far, few studies have investigated the extended late career phase of senior employees in the context of a changing career landscape.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».