Notice bibliographique
Résumé
Le rôle des chaises de département est essentiel dans education supérieur. Par conséquent, déterminant les sources de leurs facteurs de force aussi bien que clarifier les manières l'impact de ces facteurs de force leurs vies pourrait être utile dans l'identification des solutions qui rendent des chaises plus efficaces personnellement et professionnellement. Une méthodologie à trois étages de Delphes a été employée pour que cette étude explore les facteurs de force supérieurs que les chaises de département (4 femmes, 16 hommes) à travers différentes disciplines à une une expérience canadienne d'université et aux manières ces facteurs de force influencent leurs vies personnelles et professionnelles. Les résultats de l'étude ont indiqué 18 catégories des facteurs de force. Parmi toutes ces catégories, les cinq avec le de plus haut niveau de l'accord entre les chaises de département ont été examinés en détail. Les cinq facteurs de force principaux étaient : « Personnel heure pour recherche », la « pression de temps » de « dates-limites », la « tâche exige », et la « centralisation ». Ces facteurs de force se sont avérés pour effectuer les chaises personnelles et les vies professionnelles défavorablement. La conscience au sujet des facteurs d'effort qui diminuent l'efficacité des chaises au travail et à leur satisfaction à la maison peut informer la planification et l'exécution des initiatives pour parer l'influence négative des facteurs de force sur des chaises de département et de toute l'université comme système.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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.
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 ».