Znanstveni novak / znanstvena novakinja na sveučilištu
Ključne činjenice
Znanstveni novaci na sveučilištu provode akademska istraživanja za sveučilište ili fakultet na kojem su zaposleni. Mogu pomagati profesorima s kojima su povezani, svojim supervizorima, u njihovim istraživanjima ili provoditi vlastita istraživanja u srodnom području tih profesora.
Pozicija znanstvenog novaka/znanstvene novakinje na sveučilištu je ključna uloga u akademskom okruženju. Tijekom svakodnevnog rada, znanstveni novak/novakinja provodi istraživanja pod mentorstvom iskusnih profesora ili supervizora, a može se baviti i vlastitim istraživačkim projektima u srodnim područjima. Fokus je na prikupljanju i analizi podataka, pisanju znanstvenih izvještaja i sudjelovanju u znanstvenim diskusijama.
- • Planiranje i provedba istraživačkih projekata pod mentorstvom.
- • Prikupljanje, analiza i interpretacija podataka koristeći relevantne metode i alate.
- • Pisanje znanstvenih izvještaja, radnih materijala i prezentacija.
Gdje se traži ovo zanimanje
Prijavljeni manjak i višak radne snage, po godinama. Objavljuje se za skupine zanimanja, ne za pojedinačne nazive radnih mjesta.
Dublja boja: jednako prijavljeno više uzastopnih godina.
Brojke obuhvaćaju Stručnjaci/stručnjakinje za odgoj i obrazovanje — 131 zanimanja, uključujući ovo.
Manjak: Greece, Luxembourg, Spain.
Najdulji manjak: Switzerland, 3 godine.
Odaberite područje na karti kako biste vidjeli njegove podatke.
O ovom izvoru ›
Izvor: ELA/EURES, manjak i višak radne snage. Podaci se objavljuju na razini skupine zanimanja i obuhvaćaju Europu. Izdanja se razlikuju po ustroju priloga i po obuhvaćenim zemljama, pa razlika među godinama ne znači uvijek da se tržište rada promijenilo. Zemlje u sivoj nisu prijavljene, što nije isto što i uravnoteženost.
What these words mean
The four things this section reports
- Reported demand
- Whether employers report needing people in this job — a judgement published by a national or EU body, not a count.
- Where it is heading
- Which way employment in this job is expected to move over the coming years, from an official projection.
- Openings
- Roughly how many openings arise — from growth and from people leaving the job.
- Typical pay
- What people in this job typically earn where the source publishes it. Blank does not mean unpaid; it means nobody publishes it for that place.
A measure is left out when nobody publishes it for that place, rather than shown as zero.
Which way the market leans for you
- In your favour
- More openings than people looking — employers are competing for candidates.
- Balanced
- Openings and candidates are roughly matched.
- Competitive
- More people looking than openings — expect to compete.
- Mixed evidence
- Sources disagree, or the same occupation group is short in one part and oversupplied in another.
Every source resolves to one of these four, so there is a single vocabulary to learn. What differs is the evidence behind it, which is printed underneath each verdict — a measured ratio of openings to jobseekers, or an assessment published by a national body.
How this job compares with other jobs in the same country
- Strong
- Among the strongest in that country
- Good
- Stronger than most jobs in that country
- Mixed
- About typical for that country
- Weak
- Weaker than most jobs in that country
This is a rank within one country, not a score you can carry across borders — the registers behind two countries count different people, so the same number means different things in each. It is also why a job can be among the strongest in a country and still show as Competitive: it leads the field in a market that is crowded overall.
Where these come from
Every figure is published by a national statistics office, a public employment service or an EU body, and each card names its source and the period it covers. Some places are counted monthly, others assessed once or twice a year, so two places on the same map can be describing different moments — the date is always shown.
None of this predicts one person's chances. It describes a market.
Istražite više
Pronađite svoj karijerni put i otkrijte znanost iza naših preporuka.
Može li vam znanstveni novak / znanstvena novakinja na sveučilištu odgovarati?
Odgovorite na tri brza pitanja. Ovo nije potpuna procjena — to je zadirkivanje koje će vam pomoći da odlučite želite li usporediti svoj profil.
Uživate li u zadacima koji zahtijevaju Postignuće?
Uživate li u zadacima koji zahtijevaju Postignuće/Napori?
Uživate li u zadacima koji zahtijevaju Integritet?
Budućnost za znanstveni novak / znanstvena novakinja na sveučilištu
The outlook for znanstveni novak / znanstvena novakinja na sveučilištu reflects a balanced mix of automation exposure and durable, human-led work.
Kako se računaju ovi rezultati?
Indeks otpornosti (0–100) procjenjuje koliko je ovo zanimanje strukturalno zaštićeno od automatizacije i AI ometanja, temeljen na analizi na razini zadataka. Viši rezultati znače više zadataka koji zahtijevaju ljudsku prosudbu. AI izloženost prikazuje procijenjeni postotak radnih sati koje bi trenutačne AI mogućnosti mogle zahvatiti. Ovo su strukturalni pokazatelji izvedeni iz modela, ne predviđanja o individualnoj sigurnosti posla.
Kako bi se znanstveni novak / znanstvena novakinja na sveučilištu mogao promijeniti kako usvajanje umjetne inteligencije raste?
Ova će se uloga vjerojatno postupno mijenjati, pri čemu će AI podržavati odabrane zadatke, a ne zamijeniti cijelo zanimanje.
Ilustrativni scenarij na temelju automatizacije zadataka — nije prognoza. Vrijednosti se zaokružuju što gledate dalje unaprijed.
Ova će se uloga vjerojatno postupno mijenjati, pri čemu će AI podržavati odabrane zadatke, a ne zamijeniti cijelo zanimanje.
Ilustrativni scenarij na temelju automatizacije zadataka — nije prognoza. Vrijednosti se zaokružuju što gledate dalje unaprijed.
Kako AI može promijeniti ovu ulogu
Deterministička interpretacija trenutnih signala uloga na temelju modela — nije jamstvo zamjene.
Što još ovisi o ljudima
- Komunicirati na profesionalnoj razini u istraživačkom i poslovnom okruženju.
- ocjenjivati istraživačke aktivnosti
- pomagati u znanstvenom istraživanju
Gdje AI može postati kopilot
- razvijati znanstvene teorije
- upravljati otvorenim publikacijama
- pokazivati stručno znanje u svojem području
Zadaci koji su najviše izloženi automatizaciji
- objedinjavati informacije
- prijavljivati se za financiranje istraživanja
- upravljati istraživačkim podacima
Vitalni znakovi i AI vektori
Vektori izloženosti umjetnoj inteligenciji
0-100%Izloženost AI-podržanoj analizi, prepoznavanju uzoraka i zadacima prediktivnog modeliranja
Izloženost generiranju sadržaja, kreativnom povećanju i alatima velikih jezičnih modela
Izloženost fizičkoj automatizaciji, robotici i pomicanju zadataka vođenom senzorima
Izloženost automatizaciji toka rada, softveru za podršku odlučivanju i digitalizaciji procesa
Tehnički detalji
NexFuture v3.0 procjenjuje izloženost automatizaciji izravno iz ESCO-ovih ključnih skupina vještina, ponderiranu masom vještina i kalibriranu prema stručnim sidrima. Rezultati su vjerojatnosne procjene, ne jamstva. Za potpune pojedinosti pogledajte NexFuture metodološku bijelu knjigu.
Mjeri izloženost automatizaciji. Ne mjeri plaću, potražnju ni koliko poslova postoji u vašoj blizini.
Što ljudi u ovoj ulozi obično rade
Obrazovanje
Tipičan dan kao znanstveni novak / znanstvena novakinja na sveučilištu
09 09:00 · jutro istražiti zadanu tematiku
10 10:30 · Sredina jutra razvijati softver otvorenog koda
12 12:00 · podne razvijati znanstvene teorije
14 14:00 · poslijepodne upravljati pravima intelektualnog vlasništva
15 15:30 · Kasno popodne arhivirati znanstvenu dokumentaciju
17 17:00 · Zaključak dijeliti i širiti rezultate u znanstvenoj zajednici
Redoslijed zadataka je ilustrativan. Pojedini dani variraju.
Što vam je potrebno za ovaj posao
Vještine, znanja i alati koje ova uloga zahtijeva — te osobine i nagrade koje s njom dolaze.
-
provesti znanstvena istraživanja
Planirati znanstveno istraživanje oblikovanjem istraživačkog pitanja i provođenjem empirijskih istraživanja ili istraživanja literature kako bi se istražila istina o istraživačkom pitanju.
-
upravljati pristupačnim, interoperabilnim podacima koji se mogu pronaći i ponovno upotrijebiti
Izrađivati, opisivati, pohranjivati, čuvati i (ponovno) upotrebljavati znanstvene podatke na temelju načela „FAIR” (pristupačni, interoperabilni podaci koji se mogu pronaći i ponovno upotrijebiti), čime se podaci čine što otvorenijima i zatvorenima prema potrebi.
-
provoditi znanstvena istraživanja
Sudjelovati u osmišljavanju ili stvaranju novih znanja oblikovanjem istraživačkih pitanja, istraživanjem, poboljšanjem ili razvojem koncepata, teorija, modela, tehnika, instrumenata, softvera ili operativnih metoda te korištenjem znanstvenih metoda i tehnika.
-
istražiti zadanu tematiku
Provoditi učinkovito istraživanje relevantne zadane tematike kako bi se mogle generirati sažete informacije prikladne za različite publike. Istraživanje može obuhvaćati proučavanje knjiga, časopisa, interneta i/ili usmenih rasprava sa stručnim osobama.
-
primjenjivati znanstvene metode
Primjenjivati znanstvene metode i tehnike za istraživanje fenomena, stjecanjem novog znanja ili ispravljanjem i integracijom prethodnog znanja.
-
primjenjivati načela istraživačke etike i znanstvenog integriteta u istraživačkim aktivnostima
Primjenjivati temeljna etička načela i zakonodavstvo na znanstvena istraživanja, uključujući pitanja istraživačkog integriteta. Provoditi, preispitivati ili izvještavati o istraživanjima izbjegavajući kršenje tih načela izmišljanjem, krivotvorenjem i plagijatima.
-
promicati otvorene inovacije u istraživanju
Poticati integriranu suradnju u okviru koje različiti dionici zajedno stvaraju inovacije kao zajedničku vrijednost.
-
uključivati rodnu dimenziju u istraživanje
U cijelom istraživačkom procesu uzeti u obzir biološke karakteristike te društvene i kulturne značajke žena i muškaraca koje se mijenjaju (rod).
-
provoditi istraživanja u različitim disciplinama
Provoditi istraživanja u različitim područjima i izvan uobičajenih granica djelovanja.
-
promicati sudjelovanje javnosti u istraživanju
Surađivati s javnošću u oblikovanju, provedbi i diseminaciji istraživanja.
-
pisati znanstvene i stručne radove, izrađivati tehničku dokumentaciju
Pisati i uređivati znanstvene, akademske ili tehničke tekstove o različitim temama.
-
pisati prijedloge istraživanja
Sažimati i pisati prijedloge u cilju rješavanja problema istraživanja. Izraditi temeljni plan prijedloga i ciljeve, procijenjeni proračun, rizike i utjecaj. Dokumentirati napretke i nove razvoje događaja o relevantnom predmetu i području istraživanja.
-
dijeliti i širiti rezultate u znanstvenoj zajednici
Objavljivati znanstvene rezultate javnosti svim prikladnim sredstvima, uključujući na konferencijama, radionicama, seminarima i u znanstvenim publikacijama.
-
objavljivati znanstvena istraživanja
Provoditi znanstvena istraživanja u svojem području na visokoj školi, sveučilištu ili samostalno i objavljivati rezultate u knjigama ili znanstvenim i stručnim časopisima kako bi ostvarili znanstveni doprinos i postigli osobnu akademsku akreditaciju.
-
pisati znanstvene publikacije
Prezentirati hipotezu, pronalaske i zaključke znanstvenog istraživanja u vašem stručnom području u profesionalnoj publikaciji.
-
upravljati istraživačkim podacima
Proizvoditi i analizirati znanstvene podatke koji proizlaze iz kvalitativnih i kvantitativnih istraživačkih metoda. Pohranjivati i održavati podatke u istraživačkim bazama podataka. Podupirati ponovnu uporabu znanstvenih podataka i biti upoznat s načelima otvorenog pristupa podacima.
-
arhivirati znanstvenu dokumentaciju
Pohranjivati dokumente kao što su protokoli, rezultati analize i znanstveni podatci s pomoću sustava arhiviranja kako bi se znanstvenicima i inženjerima omogućilo da za svoja istraživanja uzmu u obzir metode i rezultate iz prethodnih ispitivanja.
-
koristiti se tehnikama za obradu podataka
Prikupljati, obrađivati i analizirati relevantne podatke i informacije, pravilno pohranjivati i ažurirati podatke te predstavljati podatke s pomoću grafikona i statističkih dijagrama.
-
Komunicirati na profesionalnoj razini u istraživačkom i poslovnom okruženju.
Odnositi se s poštovanjem prema drugima i biti kolegijalan. Slušati, davati i primati komentare o radu, obazrivo postupati s drugima neovisno o ulozi – to uključuje nadzor nad osobljem i vođenje u profesionalnom okruženju.
-
pratiti kretanja u stručnom području
Držati korak s novim istraživanjima, propisima i drugim bitnim promjenama, povezanima s tržištem rada ili na drugi način, do kojih dolazi u okviru područja specijalizacije.
-
razvijati softver otvorenog koda
Koristiti i proizvoditi softvera otvorenog koda. Poznavati glavne modele otvorenog koda, sustave licenciranja i prakse kodiranja koje se obično primjenjuju u proizvodnji softvera otvorenog koda.
-
govoriti različite jezike
Savladati strane jezike radi komuniciranja na jednom ili više stranih jezika.
-
ocjenjivati istraživačke aktivnosti
Procijeniti napredak, utjecaj i rezultate istraživača u srodnim disciplinama.
-
pokazivati stručno znanje u svojem području
Pokazivati temeljito znanje i složeno razumijevanje određenog istraživačkog područja, što podrazumijeva odgovorno istraživanje, istraživačku etiku, načela znanstvenog integriteta i usklađenost sa zahtjevima Opće uredbe o zaštiti podataka kad je riječ o istraživačkim aktivnostima u okviru određene discipline.
sveučilišne procedure
Unutarnji poslovi sveučilišta, kao što je struktura obrazovne potpore i upravljanja, politike i propisi.
europska integracija
Trajni proces gospodarske, društvene i političke integracije europskih zemalja radi unaprjeđenja njihove međusobne suradnje i blagostanja u nastojanju da se prevladaju povijesni sukobi i ostvari trajni mir i stabilnost. Europska integracija ima svoje korijene u razdoblju nakon Drugog svjetskog rata, a njezin je glavni element razvoj Europske unije.
kognitivno računalstvo
Interdisciplinarno područje kognitivne znanosti i računalstva koje uključuje simulaciju procesa ljudskog razmišljanja pomoću računalnog pristupa. Upotrebljava algoritme za rudarenje podataka i obradu prirodnog jezika za oponašanje funkcioniranja ljudskog mozga.
matične stanice
Biološki razvoj ljudskih embrionalnih matičnih stanica, te etička pitanja koja izazivaju zabrinutost i s time povezani pravni zahtjevi.
računalna biologija
Interdisciplinarno znanstveno područje u kojem se analitika podataka i teorija podataka primjenjuju na istraživanje bioloških sustava dobivenih pokusima.
računalna kemija
Grana kemije čiji je cilj rješavanje složenih kemijskih problema pomoću računalnih simulacija.
računalna mehanika
Upotreba modeliranja i simulacije za predviđanje složenih fizikalnih ponašanja u znanosti i inženjerstvu. Dopunjuje se s drugim područjima mehanike, uključujući mehaniku čvrstih tijela i mehaniku fluida, ali i sa znanošću o materijalima, matematikom i numeričkim metodama.
- metodologija znanstvenog istraživanja
- plan istraživanja
- znanstvena literatura
- geografija
- industrijsko istraživanje i razvoj
Provjerite odgovara li ova uloga DNK vaše karijere
Pristupite besplatnoj procjeni DNK karijere da vidite kako se znanstveni novak / znanstvena novakinja na sveučilištu slaže s vašim interesima, stilom rada i budućim putem. Za manje od 10 minuta dobit ćete personalizirani signal za fit i plan za sljedeće korake.
Skenirajte za nastavak na mobilnom uređajuZnanstveni novak / znanstvena novakinja na sveučilištu: kako steći kvalifikacije i gdje studirati
Što je obično potrebno za kvalifikaciju: razina obrazovanja, gdje je to regulirana profesija i gdje studirati.
Preddiplomski sveučilišni studij
Putovi rasta i slične uloge
Istražite tipične putove napredovanja u karijeri, srodne vještine i slične uloge kako biste planirali svoj sljedeći prijelaz.
Gdje se uklapa znanstveni novak / znanstvena novakinja na sveučilištu?
Rezultati sličnosti temeljeni na preklapanju vještina iz ESCO podataka.
Često postavljana pitanja
- Koja je razlika između rada znanstvenog novaka/novakinje i asistenta/asistentice?
- Iako se ulogama ponekad preklapaju, znanstveni novak/novakinja se primarno fokusira na provođenje istraživanja i razvoj znanstvenih vještina, dok asistent/asistentica može imati širi spektar zadataka, uključujući i administrativne i nastavne aktivnosti.
- Kako se bira mentor/mentorica za znanstvenog novaka/novakinju?
- Obično se mentor/mentorica bira na temelju područja istraživanja i interesa znanstvenog novaka/novakinje, uzimajući u obzir stručnost profesora/profesorice i dostupnost za mentorski rad. Proces odabira može uključivati intervjue i konzultacije s voditeljem odsjeka ili fakulteta.
- Koji su najvažniji uvjeti za zapošljavanje na poziciji znanstvenog novaka/novakinje?
- Obično se traži diplomski studij (magistarski ili doktorat) u relevantnom znanstvenom području. Važni su i izvrsne analitičke vještine, sposobnost kritičkog mišljenja, te motivacija za istraživački rad. Poznavanje statističkih metoda i znanstvenih alata je često prednost.
- Znanstveni Novak / Znanstvena Novakinja Na Sveučilištu — postoji li manjak u Europi?
- Ne. U izdanju ELA/EURES za 2025. višak je prijavljen u 4 od 7 europskih zemalja koje su ocijenile ovu skupinu zanimanja: Austrija, Češka, Njemačka, Latvija. 3 zemalja prijavilo je manjak. Te se ocjene objavljuju po skupinama zanimanja, a ne po pojedinačnim nazivima radnih mjesta.
- Znanstveni Novak / Znanstvena Novakinja Na Sveučilištu — kolika je plaća u Sjedinjenim Državama?
- 58.040 dolara godišnje prema medijanu, na dan 2025-05. Medijani saveznih država kreću se od 26.560 do 69.090 dolara. Izvor: US Bureau of Labor Statistics. Podatak se odnosi na Sjedinjene Države i nije projekcija za Europu.
Izvori: ESCO O*NET ELA/EURES Cedefop BLS Podaci ažurirani 20. rujna 2026. O našim podacima