An Evidence-Based Approach to Covid-19 Pandemic Effects on Academics
Notice bibliographique
Résumé
Abstract We discuss our evidence-based approach to understanding and addressing the gendered impact of the pandemic on academics at Queen’s University Belfast, a research-intensive Russell Group UK University. The study was a collaboration between the University-wide Queen’s Gender Initiative, researchers, and Human Resources. A staff survey ran from 23 September until 30 October 2020, assessing academic productivity and personal factors including caring responsibilities, wellbeing, and time spent working. Data from 537 academics showed that multiple challenges were experienced with most of the day spent on work and caregiving tasks. The majority of worktime comprised teaching, at a cost to research productivity and personal wellbeing. These patterns were accentuated for female academics. From this holistic approach to understanding academics’ challenges, recommendations were presented to the University’s Executive Board and other high-level institutional committees. An Action Plan of sustainable solutions designed to mitigate the pandemic effect focused on promotion, research, workload support, and wellbeing. Furthermore, the findings directly informed policies to enhance working life, particularly in new models of flexible working. In summary, we report methodology to integrate research and centralized efforts to address the pandemic’s impact on academics, using a gender lens and incorporating complementarity of work, home-life and wellbeing.
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 | 0,286 | 0,429 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,017 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,021 | 0,012 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».