MétaCan
Menu
Retour à la cohorte
Enregistrement W4408733165 · doi:10.1044/2025_aja-24-00215

Survey of Former Audiologists: Reasons for Leaving the Profession

2025· article· en· W4408733165 sur OpenAlexaboutno aff
Michaela Machak, Diana C. Emanuel, Jeremy J. Donai, Rian Q. Landers‐Ramos

Notice bibliographique

RevueAmerican Journal of Audiology · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing Loss and Rehabilitation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAudiologistAshaPrivate practiceQuarter (Canadian coin)PsychosocialIncentiveMedicineAttritionAudiologyHearing lossPsychologyMedical educationFamily medicineBusinessPsychiatry

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Audiologists play an essential role in hearing health care. It has been predicted that the supply of audiologists may fail to meet future market demand. One way to improve the number of available audiologists is to improve retention. The purpose of this study was an exploration of audiologist attrition as a first step toward creating strategies to improve retention. METHOD: A survey completed by 47 former audiologists included questions about demographics, why participants entered and exited the audiology profession, and job satisfaction. RESULTS: Participants cited lack of reward as the most common reason for leaving the profession. About a third disliked the for-profit hearing aid dispensing aspect of the profession, and a few would return to the profession for an audiology job that did not involve hearing aid dispensing. About a quarter left audiology to pursue other opportunities (e.g., selling a private practice), and about a quarter reported poor psychosocial work environment. CONCLUSION: Findings highlight the need for national efforts focused on (a) improving audiology awareness so students have a greater understanding of audiology as they are exploring career choices, (b) advocating for improved compensation overall and compensation models that de-emphasize sales-based financial incentives, and (c) creating strategies to help improve audiologists' work environment and opportunities for leadership roles. SUPPLEMENTAL MATERIAL: https://doi.org/10.23641/asha.28599341.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,044
Tête enseignante GPT0,364
Écart entre enseignants0,320 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of AudiologyMême sujetHearing Loss and RehabilitationTravaux en français237 207