Unravelling the process of idea generation and assessment during the <scp>PhD</scp> trajectory: A case study approach
Notice bibliographique
Résumé
Abstract The three missions of universities are education, research, and knowledge/technology transfer. At the micro‐level of the research and knowledge/technology transfer mission, we position researchers, as individuals who decided to pursue a scientific career in academia, with the PhD as the starting point. While existing literature acknowledges the supervisor's significance during this process from dependency to autonomy, this paper advocates for a closer examination of external factors such as the network, supervisor's experience, and work environment in idea generation. Ideas in this context encompass both curiosity‐driven and entrepreneurial concepts, often evolving from one to the other. Our research builds upon the theory of opportunity identification, drawing parallels between ideas and opportunities. The research asserts that PhD students primarily rely on their networks for idea generation due to limited prior knowledge and experience. Our findings underscore the dynamic interplay between PhD students, supervisors, and networks in the process of idea generation, advancing a comprehensive framework encapsulating the multifaceted influences on the trajectory from idea generation to execution in the context of PhD education. The framework is based on empirical evidence from a qualitative case study comprising 16 PhD students in a European H2020 project in the field of Photonics, illuminating the intricate relationship between supervisors' orientations (entrepreneurial or curiosity‐driven) and the types of ideas generated by PhD students. Practical implications highlight the need for tailored support and resources to foster independent research capabilities among PhD students, considering individual variations in supervisory support and networking opportunities.
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 | 0,037 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,012 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».