MétaCan
Menu
Retour à la cohorte
Enregistrement W4309315529 · doi:10.3390/su142215098

In the Eye of the Hurricane: Careers under Lockdown

2022· article· en· W4309315529 sur OpenAlexaff
Maria Mouratidou, Mirit K. Grabarski

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Employability
Établissements canadiensLakehead University
Organismes subventionnairesUniversity of Cumbria
Mots-clésPsychologyPerceptionEmployabilityEmpowermentOptimismApplied psychologyPsychological resilienceSocial psychologyTest (biology)Political sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has created career disruptions and shocks for many individuals, due to layoffs, reduced work hours and increased work–life conflict. Our study aimed to explore individual-level perceptions of people regarding their careers during the first lockdown in the UK, and to test potential implications of the situation for individuals’ career sustainability. For a deeper understanding of these perceptions, we used a sequential mixed-methods research design. First, we conducted a qualitative study, using semi-structured interviews to explore how people perceive their careers during early stages of the pandemic. We identified two themes that characterize the common experiences during this time period, namely employer support and careful optimism, that play an important role in the way careers unfold. Then, in the quantitative study, we conducted an online survey to empirically test a research model that links the concept of employer support with employability, career satisfaction and mental well-being. We also investigate the mediating role of career empowerment, which is a motivational cognitive construct that captures individual cognitions of agentic control over one’s career. Our research provides a rich snapshot that depicts people’s perceptions of careers during a shock event, which has both theoretical and practical implications.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,178
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,015
Tête enseignante GPT0,348
Écart entre enseignants0,333 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetHigher Education and EmployabilityTravaux en français237 207