MétaCan
Menu
Retour à la cohorte
Enregistrement W4399558903 · doi:10.1080/00336297.2024.2354765

Postdoctoral Fellowships in Physical Education and Sport Sciences/Kinesiology: An International Investigation of Structures and Experiences

2024· article· en· W4399558903 sur OpenAlexaff
Jodi Harding-Kuriger, Stephanie Beni, Jenna R. Lorusso

Notice bibliographique

RevueQuest · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal Disorders and Rehabilitation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésKinesiologyPhysical educationSports scienceMedical educationPedagogyMedicinePsychologyLibrary scienceComputer sciencePhysiology

Résumé

récupéré en direct d'OpenAlex

Postdoctoral fellowships (PDFs) are becoming increasingly common yet remain nebulous to many. The purpose of this research has been to investigate the structures and experiences of PDFs for fellows and supervisors in physical education and sport sciences/kinesiology (PESSK) internationally. Fourteen fellows and five supervisors participated in one-to-one semi-structured interviews. Data were thematically analyzed and interpreted through Dewey’s theory of experience. Findings revealed participants understood PDFs in relation to doctoral education and as preparation for academic careers. Reasons for engaging included ambitions for new contexts and mentorship, unprepared or unable to secure faculty employment, and facilitating professional learning. Challenges related to low salaries, family considerations, structural and institutional obstacles, international barriers, and high turnover. Perceived values included professional and personal growth and fellows as a learning, relationship, and productivity resource for supervisors. This research holds important implications for postdocs, supervisors, institutions, and funding agencies in supporting early-career scholarship in PESSK.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,004
Communication savante0,0020,002
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,353
Écart entre enseignants0,337 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuestMême sujetMusculoskeletal Disorders and RehabilitationTravaux en français237 207