Exploring New Directions for Theorizing About Career Shocks
Notice bibliographique
Résumé
It is abundantly clear that careers have become highly unpredictable and volatile, implying that scholars must include significant disruptions when studying contemporary career development and success. As a result, research on career shocks has flourished in recent years. However, the career shocks literature lacks comprehensive theorizing of how career shocks impact people’s work, careers, and lives. We argue that now is the time to develop and share such theories. Therefore, this symposium brings together five different studies that contribute uniquely to new theorizing on career shocks. Career Shocks: A Psychological Process Model Author: Scott Seibert; University at Buffalo, School of Management Author: Mel Fugate; Mississippi State University Author: Jos Akkermans; Vrije Universiteit Amsterdam Author: Maria Kraimer; University at Buffalo, School of Management Author: Stefan Thomas Mol; University of Amsterdam Career Shocks and Chance Events Role and Impact on Careers: A Career Ecosystem Perspective Author: Yehuda Baruch; University of Southampton Intersecting Shocks: Advancing Career Shocks Theory through the Lens of Race and Gender Author: Holly Slay Ferraro; Villanova University Author: Jennifer Ann Marrone; Seattle University Career Shocks on Reddit: How Mass Layoffs Impact Employees Author: Claudia Christina Kitz; University of Groningen Author: Anita Keller; University of Groningen Author: NANXI Yan; University of Amsterdam Agency Constraints and Bounded Rationality in Career-Shock Contexts: Advancing a Theory of Aberrant Career Navigation Author: Matthew B. Perrigino; Baruch College of the City University of New York Author: Ariane Ollier-Malaterre; Université du Québec à Montréal (UQAM) Author: Marcello Russo; University of Bologna
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».