More than how you start or finish: performance trajectories predict interns’ post-graduation vocational outcomes
Notice bibliographique
Résumé
Purpose Internships are a common form of short-term employment for students seeking to demonstrate their value to employers and thereby improve their post-graduation career opportunities. As such, performance during the internship has been found to be positively related to post-graduation vocational outcomes. Yet, internships also serve a developmental purpose, wherein students’ performance is expected to change over time. We extend previous research by taking into account this dynamism and examining the relative validity of interns' job performance trajectories compared to static indicators of interns’ performance for predicting post-graduation vocational outcomes. Design/methodology/approach We analyzed data from 465 engineering interns at a large Canadian university. Interns' performance was evaluated by supervisors at three intervals during their internships. Employment outcomes were assessed through a survey 6–12 months after graduation. Using latent growth modeling, we assessed the predictive validity of performance trajectories above initial, average and final performance evaluations. Findings Performance trajectories positively predicted receiving a job offer from the host organization and post-graduation salaries. This effect was consistently observed in almost every instance, controlling for initial, average, and final performance evaluations. Originality/value This study introduces the concept of performance trajectories as a critical predictor of internship success. Additionally, it contributes to the dynamic job performance literature by presenting evidence for the robustness of evaluators’ preference for performance trajectories, even in a field setting where memory heuristics may dampen the predictive effect of trends. Practically, this study provides guidance for interns and intern-support staff seeking to optimize internship experiences for career benefits.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».