Self-Regulation in the Career Goal Pursuit Process:Some Novel Perspectives on Career Self-Management
Notice bibliographique
Résumé
Due to less predictable career environments, increased career uncertainty, and complex and ongoing changes in jobs and organizational structures, it has become increasingly important for individuals to self-manage their career in order to stay employable, safeguard well-being, and obtain career sustainability. Setting and pursuing career goals is considered to be an important and integral part of career self-management. However, an in-depth understanding of what motivates people to set career goals and how these goals are pursued and adjusted in the face of challenges is largely lacking to date. Therefore, the aim of this symposium is to further our understanding of career goal pursuit by zooming in on various self- regulatory aspects in the career goal pursuit process. Assessing the Career Motivation Profile of Graduate Business Students Author: Gerard Beenen; California State University-Fullerton Author: Serge Da Motta Veiga; NEOMA Business School Work Precarity and Career Goal Progress in Young People Author: Michelle Hood; Griffith University Author: Peter A Creed; Griffith University The Dual Motivational Effects of Perceived Career Goal Progress on Career Goal Pursuit Author: Marijke Verbruggen; KU Leuven Author: Xinhui Jing; KU Leuven Career Adapting Process through the Lens of Goal Adjustment Author: Sarah Darlene Mullen; University of Bern Author: Andreas Hirschi; University of Bern Promoting High-Quality Job Searches through Metacognitive Self-Regulation Author: Justin Weinhardt; University of Calgary Author: Ivy Mai; University of Calgary Author: Janice Ton; University of Calgary Author: Shuhua Sun; Tulane University
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».