MétaCan
Menu
Retour à la cohorte
Enregistrement W1977621440 · doi:10.1108/09578230810908334

Using case studies to visualize success with first year principals

2008· article· en· W1977621440 sur OpenAlexaff
Ann Sherman

Notice bibliographique

RevueJournal of Educational Administration · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTeacher Education and Leadership Studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPrincipal (computer security)OriginalityVisualizationComputer scienceValue (mathematics)Management sciencePsychologyEngineeringArtificial intelligenceCreativity

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to present a discussion of one element of a principal preparation graduate program that uses visualization as a technique to practice decision making. Design/methodology/approach The author analyzed information collected from participants who created personal case studies using a visualization technique. Data also were collected through interviews and reflections of the new principals. Findings A description of the use of visualization is offered including two examples of case studies using visualization. In the examples, new principals learned to make strong decisions about challenges and felt they developed problem‐solving skills that they would use in the future. Research limitations/implications The study was limited to case scenarios of two new principals. There is a need for a greater connection between university preparation programs and the daily reality of principals' work. Practical implications The suitability of the content of existing principal preparation programs warrants closer examination. Originality/value This report contributes to the understanding of possible strategies for use in principal preparation programs that develop capacity and decision making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0060,005
Communication savante0,0090,008
Science ouverte0,0030,006
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,357
Tête enseignante GPT0,519
Écart entre enseignants0,162 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Educational AdministrationMême sujetTeacher Education and Leadership StudiesTravaux en français237 207