A 1-Day Immersion in Professional Development for Early Career Faculty and Researchers
Notice bibliographique
Résumé
Abstract The early career stage for scientific researchers and faculty is fraught with challenges, including establishing professional relationships, securing funding, balancing work and personal life, and navigating job uncertainties. Early career professionals were among those especially impacted by the COVID-19 pandemic, in having limited opportunities for networking and professional development. Recognizing these challenges, the University Corporation for Atmospheric Research (UCAR) and the U.S. National Science Foundation National Center for Atmospheric Research (NSF NCAR) piloted a 1-day professional development workshop in Boulder, Colorado, on 8 October 2023 as a preworkshop for the biannual UCAR Members Meeting. We hoped to foster networking and peer learning among 122 attendees from the atmospheric sciences, 76 (62%) of whom were university faculty and 46 (38%) of whom were postdocs, researchers, and staff from NSF NCAR and UCAR. Participants, representing 58 universities across the U.S. and Canada, engaged in a program that included networking events, informational sessions, and hands-on workshops. Sessions covered topics such as active learning, mentoring graduate students, understanding tenure, time management, mental health, fostering welcoming environments, and grant proposal writing. Feedback from participants highlighted the value of networking opportunities and peer learning, emphasizing the importance of continued professional development tailored to early career scientists’ needs. The workshop also allowed us to learn more about challenges early career professionals are facing. This workshop serves as a model for future initiatives aimed at supporting early career researchers in Earth system science and related fields.
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 | 0,007 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».