Impacto de la educación formal de postgrado en Management: análisis de las transiciones de carrera de los graduados de un Master of Business Administration
Bibliographic record
Abstract
Las carreras laborales se han vuelto cada vez más diversas y suelen desarrollarse en múltiples ámbitos organizacionales, con trayectorias profesionales que evidencian frecuentes cambios y transiciones. En este contexto, los individuos asumen una mayor responsabilidad en el desarrollo de su propia carrera profesional, buscando adquirir nuevos conocimientos y habilidades que garanticen su empleabilidad futura, por ejemplo, a través de la realización de programas de formación gerencial. El presente trabajo examina el impacto de la educación de postgrado en Management sobre las transiciones de carrera. Particularmente, se exploran aquellas transiciones realizadas por profesionales graduados de uno de los programas Master of Business Administration (MBA) de mayor prestigio en Argentina. Con sustento en el enfoque de teoría fundada, se identifican tipologías de transiciones de carrera para los profesionales y se indaga acerca de los motivos que los impulsaron a realizarlas. Nuestros resultados revelan ciertos patrones específicos en las transiciones de carrera profesional (transiciones de rol y transiciones organizacionales) que los entrevistados vinculan con la realización del MBA, particularmente en términos de tiempo e impacto percibido. Con base en los resultados observados, se desarrolla un modelo teórico integrador que distingue a las transiciones de carrera en función del momento de su concreción y del tipo de transición.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".