基于文本挖掘的大学教师自我实现和职业满意度的预测模型的构建
Yunshi Fang1, Mengting Chen1, Jihua Shi2
1Department of International Economics and Trade, School of Business, Guangzhou College of Technology and Business, Guangzhou, 510850, Guangdong, China.
大学教师 大学教师
科学领域:
- 教育心理学教育心理学
- 数据科学数据科学数据科学
- 学术职业发展 学术职业发展
背景情况:
- 大学教师越来越多地寻求职业满意度和自我实现.
- 了解学术专业福利需要数据驱动的见解.
- 不断变化的学术环境需要新的方法来支持教师.
研究的目的:
- 为大学教师的自我实现和职业满意度开发一个预测模型.
- 确定影响学术专业福祉的关键因素.
- 为了利用文本挖掘对教师经验的可操作见解.
主要方法:
- 从变压器增强的职业生涯和自我实现文本挖掘框架 (BE-CSTMF) 中引入双向编码器表示.
- 使用增强的BERT从文本数据中获得深入的上下文洞察力.
- 将BERT与XGBoost集成,用于对调查和学术数据的预测建模.
主要成果:
- 确定了影响职业满意度和自我实现的关键模式,情绪和因素 (例如,工作与生活的平衡,认可,机构支持).
- BE-CSTMF模型准确地预测大学教授的自我实现和职业幸福感.
- 通过文本分析揭示了学术专业福祉的特征.
结论:
- BE-CSTMF框架提供了一种数据驱动的方法来理解和预测学术专业福利.
- 这些发现为制定有针对性的干预措施提供了基础,以提高教师的职业满意度和自我实现.
- 强调自然语言处理和机器学习在支持学术专业人员方面的协同作用.
更多相关视频
10:43Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes
Published on: June 10, 2021
09:20Cloud-Based Phrase Mining and Analysis of User-Defined Phrase-Category Association in Biomedical Publications
Published on: February 23, 2019
相关概念视频
Self-Evaluation Maintenance Model
Self-Evaluation: Self-Enhancement and Self-Verification
Self-Discrepancy Theory
Self-Presentation: Self-Monitoring and Self-Handicapping
Introspection
The Sense of Self: Reflected Self-Appraisal and Social Comparison
