Consistent churn of early career researchers: an analysis of turnover and replacement in the scientific workforce
Notice bibliographique
Résumé
Scientific advancement depends on sustaining a workforce trained in the scientific method. These scientists can in turn train the next generation of scientists and ensure that novel research continues to contribute to society. However, recent evidence shows that academic careers are shortening over time (Milojević et al., 2018). This coupled with a surplus of early career researchers (ECRs) relative to academic faculty positions raises the concern that talented scientists might not be retained in academic research. However, the empirical properties of the modern academic workforce are largely unknown. We use the publication histories of 3.5 million researchers to examine how career age composition of the scientific workforce has changed over 30 years. We find that for most fields there has been a relatively stable distribution of scientists at various career stages, with notable exceptions in Health and Physics. Using these data, we calculate the rate that researchers enter and depart the academic workforce, finding the most rapid turnover among ECRs. While varying the rates of turnover and replacement based on these observations, we develop a model and project a continuation of current career age proportions. This implies that the makeup of the workforce may remain stable with an abundance of ECRs. We conclude that the disconnect between the number of ECRs and the number of available long-term academic positions may be attributed to the collaborative nature of the academy. The stabilization of the workforce with a high proportion of ECRs urges a reassessment of how academic careers are portrayed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».