MétaCan
Menu
Retour à la cohorte
Enregistrement W4247359388 · doi:10.24124/2010/bpgub1453

Successful mentoring: a model for the city of Prince George

2010· dissertation· en· W4247359388 sur OpenAlexaboutno aff
Dori Alger

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMentorshipSuccession planningContext (archaeology)George (robot)ManagementHuman capitalPublic relationsTalent managementLeadership developmentPsychologySociologyPolitical scienceEngineeringMedical educationHistoryMedicineEconomic growth

Résumé

récupéré en direct d'OpenAlex

Mentoring has existed in academic literature for over thirty years and has been a common form of developmental learning for centuries. The driving force of a formal mentoring program is built on the needs of an organization because mentoring can only truly be defined based on the purpose, expectations and context in which the relationship dwells. Anchored in an organization's culture, a formal mentoring program is synonymous with a talent management strategy. This research paper examines the literature regarding the past, present, and future of mentoring along with the various models, elements, phases, and stages involved in a mentoring program. The purpose, discussed in the research questions on page four, is linked to defining a successful mentoring program, contrasting the literature to the City of Prince George, and formulating a cost benefit analysis of a mentorship initiative. Since the City of Prince George is subject to a high degree of retirement risk this topic as it relates to succession planning will be specifically scrutinized.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,748
Score d'incertitude au seuil0,845

Scores Codex et Gemma par catégorie

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

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 Opus0,045
Tête enseignante GPT0,364
Écart entre enseignants0,319 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMentoring and Academic DevelopmentTravaux en français237 207