MétaCan
Menu
Retour à la cohorte
Enregistrement W4381094514 · doi:10.1007/s10734-023-01068-y

Investigating PhDs’ early career occupational outcomes in Italy: individual motivations, role of supervisor and gender differences

2023· article· en· W4381094514 sur OpenAlexaff
Renzo Carriero, Massimiliano Coda Zabetta, Aldo Geuna, Francesca Tomatis

Notice bibliographique

RevueHigher Education · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDoctoral Education Challenges and Solutions
Établissements canadiensInnovation, Science and Economic Development Canada
Organismes subventionnairesUniversität KasselUniversità degli Studi di TorinoUniversité de Strasbourg
Mots-clésMicrodata (statistics)SupervisorCareer pathPsychologyCareer developmentPopulationPath analysis (statistics)Higher educationDemographic economicsMedical educationSocial psychologySociologyManagementEconomic growthDemographyMedicineEconomicsCensus

Résumé

récupéré en direct d'OpenAlex

Abstract The paper examines how individual motivations, the role of the supervisor and gender influence the early career path of doctorate holders. We investigate PhD graduates’ occupational outcomes beyond academia in the framework of current literature on the oversupply of PhD holders and labor market constraints. Our analysis relies on two unique datasets. The first, at the national level, includes microdata from the Italian National Institute of Statistics regarding about 41,000 graduates who account for over 70% of the population of 6 cohorts surveyed for the period 2004–2014. The other dataset is from a single university, and resulted from an original survey of 760 PhD holders who earned their doctorates from the University of Turin in 2007–2017. We find that PhD holders’ motivation towards science is associated with their subsequent employment in academia or in other research and non-research jobs. Sponsoring support in early career and the supervisor’s propensity for basic research also play a role in the future academic career path. Gender differences in type of occupation, however, continue to persist even taking motivations and the supervisor’s role into account.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,392
Tête enseignante GPT0,502
Écart entre enseignants0,110 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineIncitatifs
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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher EducationMême sujetDoctoral Education Challenges and SolutionsTravaux en français237 207