MétaCan
Menu
Retour à la cohorte
Enregistrement W4290802321 · doi:10.5430/jct.v11n5p264

Female Engineering Students’ Motivations, Career Decisions, and Decision-Making Processes: A Social Cognitive Career and Motivation Theory

2022· article· en· W4290802321 sur OpenAlexvenueno aff
Luis Miguel Dos Santos

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCareer Development and Diversity
Établissements canadiensnon disponible
Organismes subventionnairesWoosong University
Mots-clésSocial cognitive theoryGraduation (instrument)Cognitive Information ProcessingStereotype (UML)Career portfolioFocus groupPsychologyCognitionCareer developmentSocial psychologyEngineeringMarketingBusiness

Résumé

récupéré en direct d'OpenAlex

Although women’s rights and career developments have changed over the past decade, only a few updated studies have been conducted to understand the current backgrounds of women in engineering. This study aims to understand and investigate the motivations, career decisions, and decision-making processes of a group of women in the engineering industry, specifically, a group of electrical and electronic engineering students in Taiwan. Based on social cognitive career and motivation theory, the study was guided by two research questions: 1) Why do Taiwanese female electrical and electronic engineering students decide to study this major at university level? 2) Do the participants intend to join the electrical and electronic engineering industry after graduation? Why or why not? The general inductive approach research design with interview, focus group, and member checking interview were used. The results indicated that academic interests, interests in career development, and job security concerns played significant roles in the motivations, career decisions, and decision-making processes of a group of female engineering students in Taiwan. The results of this study filled the gaps in gender discrimination, social stigma, and stereotype toward women in engineering, particularly in Taiwan.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,248
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,294
Écart entre enseignants0,270 · 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.

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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetCareer Development and DiversityTravaux en français237 207