Predictors of knowledge creation performance. A quantitative qualitative comparative study of European doctorandi

• Main Author: Capó Artigues, Aina Maria
• Other Authors: Coenders, Germà
• Format: Doctoral Thesis
• Language: English
• Published: Universitat de Girona 2009
• Subjects: Recerca multimètode; Multimethod research; Creación de conocimiento; Creació de coneixement; Knowledge creation; Grupos de investigación; Grups de recerca; Research groups; Redes sociales; Xarxes socials; Social networks; Recerca comparativa internacional; Investigación comparativa internacional; International comparative research; Rendimiento académico; Rendiment academic; Academic performance; Investigación multimétodo; 00; 30; 378
• Online Access: http://hdl.handle.net/10803/7704; http://nbn-resolving.de/urn:isbn:9788469251676

Aquesta tesi forma part d'un projecte destinat a predir el rendiment acadèmic dels estudiants de doctorat portat a terme per l'INSOC (International Network on Social Capital and Performance). El grup de recerca INSOC està format per les universitats de Girona (Espanya), Ljubljana (Eslovènia), Giessen (Alemanya) i Ghent (Bèlgica). El primer objectiu d'aquesta tesi és desenvolupar anàlisis quantitatius comparatius sobre el rendiment acadèmic dels estudiants de doctorat entre Espanya, Eslovènia i Alemanya a partir dels resultats individuals del rendiment acadèmic obtinguts de cada una de les universitats. La naturalesa internacional del grup de recerca implica la recerca comparativa. Vam utilitzar variables personal, actitudinals i de xarxa per predir el rendiment. El segon objectiu d'aquesta tesi és entendre de manera qualitativa perquè les variables de xarxa no ajuden quantitativament a predir el rendiment a la universitat de Girona (Espanya). En el capítol 1, definim conceptes relacionats amb el rendiment i donam un llistat de cada una de les variables independents (variables de xarxa, personals i actitudinals), resumint la lliteratura. Finalment, explicam com s'organitzen els estudis de doctorat a cada un dels diferents països. A partir d'aquestes definicions teòriques, en els pròxims capítols, primer presentarem els qüestionaris utilitzats a Espanya, Eslovènia i Alemanya per mesurar aquests diferents tipus de variables. Després, compararem les variables que són relevants per predir el rendiment dels estudiants de doctorat a cada país. Després d'això, fixarem diferents models de regressió per predir el rendiment entre països. En tots aquests models les variables de xarxa fallen a predir el rendiment a la Universitat de Girona. Finalment, utilitzem estudis qualitatius per entendre aquests resultats inesperats. En el capítol 2, expliquem com hem dissenyat i conduït els qüestionaris en els diferents països amb l'objectiu d'explicar el rendiment dels estudiants de doctorat obtinguts a Espanya, Eslovènia i Alemanya. En el capítol 3, cream indicadors comparables però apareixen problemes de comparabilitat en preguntes particulars a Espanya, Eslovènia i Alemanya. En aquest capítol expliquem com utilitzem les variables dels tres països per crear indicadors comparables. Aquest pas és molt important perquè el principal objectiu del grup de recerca INSOC és comparar el rendiment dels estudiants de doctorat entre els diferents països. En el capítol 4 comparem models de regressió obtinguts de predir el rendiment dels estudiants de doctorat a les universitats de Girona (Espanya) i Eslovènia. Les variables són característiques dels grups de recerca dels estudiants de doctorat enteses com una xarxa social egocèntrica, característiques personals i actitudinals dels estudiants de doctorat i algunes carecterístiques dels directors. Vam trobar que les variables de xarxa egocèntriques no predien el rendiment a la Universitat de Girona. En el capítol 5, comparem dades eslovenes, espanyoles i alemnayes, seguint la metodologia del capítol 4. Concluïm que el cas alemany és molt diferent. El poder predictiu de les variables de xarxa no millora. En el capítol 6 el grup de recerca dels estudiants de doctorat és entès com una xarxa duocèntrica (Coromina et al., 2008), amb l'objectiu d'obtendre informació de la relació mútua entre els estudiants i els seus directors i els contactes d'ambdós amb els altres de la xarxa. La inclusió de la xarxa duocèntrica no millora el poder predictiu del model de regressió utilitzant les variales egocèntriques de xarxa. El capítol 7 pretèn entendre perquè les variables de xarxa no predeixen el rendiment a la Universitat de Girona. Utilitzem el mètode mixte, esperant que l'estudi qualitatiu pugui cobrir les raons de perquè la qualitat de la xarxa falla en la qualitat del treball dels estudiants. Per recollir dades per l'estudi qualitatiu utilitzem entrevistes en profunditat. === This thesis belongs to a wider project designed to predict PhD students' academic performance carried out by the INSOC (International Network on Social Capital and Performance). The INSOC research group is composed by the universities of Girona (Spain), Ljubljana (Slovenia), Giessen (Germany) and Ghent (Belgium). The first aim of this thesis is to develop quantitative comparative analyses about the PhD students' academic performance across Spain, Slovenia and Germany from the individual academic performance results obtained in each university member. The international nature of the research group implies that we strongly emphasize comparative research. We use together background variables, attitudinal variables and social network variables for predicting performance. The second aim of this thesis is to qualitatively understand why network variables fail to quantitatively predict performance in the University of Girona (Spain). Thus, this thesis fit into the multimethod tradition. In Chapter 1, we define concepts related with performance and we give a list of each of the independent variables (social network, background and attitudinal variables) with a literature summary. Finally, we explain how PhD studies are organaized in the different countries. Drawing from these theoretical explanations, in the next chapters we first present the questionnaires used in Spain, Slovenia and Germany to measure these different types of variables. Then, we compare the variables which are relevant in order to predict PhD student performance in each country. After that, we fit alternative regression models to predict performance across countries. In all these models network variables fail to predict performance in the University of Girona. Finally, we use a qualitative study to understand this unexpected result. In Chapter 2, we explain how we designed and conducted a survey in the different countries with the aim of explaining the PhD students' performance obtained in Spain, Slovenia and Germany. In Chapter 3, we create comparable indicators wherever some comparability problems arose with particular questions in Spain, Slovenia and Germany. In this chapter we explain how we used all three countries' variables in order to create comparable indicators. This step is very important because the main goal of the INSOC research group is to compare the PhD student's performance between the different countries. In Chapter 4 we compare regression models obtained to predict PhD students' academic performance in the universities of Girona (Spain) and Slovenia. Explanatory variables are characteristics of PhD student's research group understood as an egocentered social network, background and attitudinal characteristics of the PhD students and some characteristics of the supervisors. We find that egocentered network variables do not predict performance in the University of Girona. In Chapter 5 we compare the Slovenian, Spanish and German data, following the methodology used in Chapter 4. We conclude that the German case is very different. Predictive power of network variables does not improve. In Chapter 6 the PhD student's research group is understood as a duocentered social network (Coromina et al., 2008), in order to obtain information regarding the mutual relationship between PhD students and their supervisor and the ties of both to their alters in the network. The inclusion of duocentered network variables does not improve the predictive power of the regression model using egocentered network variables. Chapter 7 attempts to understand why networks fail to predict performance in the University of Girona. Using the mixed method approach, we expect that a qualitative study can uncover the reasons why the quality of the networks fails to translate into the quality of the students' work. For data collection in the qualitative research we used in-depth interviews.