L'apprentissage du leadership ou comment actualiser son capital de leadership
Notice bibliographique
Résumé
Résumé De nombreux théoriciens de la gestion et de praticiens se sont attardés à déterminer les qualités et les compétences clés que l’on devrait trouver chez les leaders. Ces qualités incluent notamment la vision, la pensée stratégique, la motivation, la communication interpersonnelle, l’intelligence émotionnelle et la compétence de contenu. Les stratégies de développement du leadership viseront donc à permettre aux leaders potentiels ou actuels d’acquérir ces qualités. Mais que disent les leaders eux-mêmes de leurs propres leviers de développement? Quelles ont été les avenues marquantes dans leur parcours avant et pendant l’exercice du leadership? Quelles ont été leurs stratégies? Pour répondre à ces questions, l’auteure a rencontré des leaders accomplis, étudié les biographies d’autres leaders et interrogé des candidats considérés comme de hauts potentiels mais qui n’ont pas démontré le leadership attendu le moment venu. Dans cet article, l’auteure propose un modèle d’apprentissage du leadership basé sur les stratégies cognitives, comportementales et relationnelles utilisées par des leaders et permettant à chacun d’actualiser son capital de leadership. Ce modèle présente sept axes majeurs d’apprentissage.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».