Developing an Undergraduate Career Conference: Leveraging Mentorship to Promote Career Discovery
Notice bibliographique
Résumé
Are students ready for jobs when it comes time to graduation? This is a common question, and one that is often addressed in the media (e.g., Collie, 2019). Despite psychology being one of the most popular degree plans for undergraduate students (e.g., Higher Education Research Institute, 2008), many students in undergraduate psychology programs fail to see the relevance and value of their degree (Borden and Rajecki, 2000). In this work, we designed, delivered, and assessed a career conference for students in psychology. Intentionally different from a career fair where students seek jobs, this event applied a mentorship-based conference model. In this conference model, in addition to professional development training, industry mentors who work in professional fields related to psychology were invited to provide personal insight on their careers in a small-group format. Critical to this model, students were encouraged and able to ask questions that may not be appropriate for a job fair where hiring is happening. Further, this career model involved intentional connections with our Career Services office, allowing for programmatic delivery of career-based content within the domain-specific event. We provide early empirical evidence that this method of career development supports students in learning about career paths that psychology can lead to, identifying skills that will assist them in finding a career, feeling confident in their ability to network effectively, and feeling more connected with professionals in careers related to psychology. We suggest that this model may be beneficial across disciplines.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».