Work-based learning: a leadership development example from an action research study of shared governance implementation
Notice bibliographique
Résumé
AIM: An empowering action research study was undertaken to evaluate and strengthen the implementation of shared governance. One aim was to identify factors that acted as aids or barriers to effective decision-making by clinical leaders. As a work-based learning approach, action research was expected to lead to integration of learning into practice by researcher and participants alike. BACKGROUND: Shared governance replaces traditional hierarchies and requires and develops clinical leaders. Strategies are needed to maximize learning from introduction of such initiatives at the individual, group and organizational level. METHODS: Participant-observations and interviews were undertaken with shared governance council members from one model in north-west England. RESULTS: Leadership skills and knowledge and shared governance practices were significantly enhanced. Preparation for council roles was considered inadequate. Increased structured time for reflection and action planning was indicated. CONCLUSIONS: Implementation of shared governance has succeeded in developing leadership capacity. Evaluation findings have led to improvements in the overall shared governance model. Action research has been found to have great utility at optimizing work-based learning. Nurse Managers need to develop their coaching and facilitating skills and recognize there is no "quick fix" for developing clinical leaders. Implications include the need to support learners in identifying and implementing changes arising from work-based learning activities, the significant resource implications and the need to optimize the organizational climate if work-based learning approaches to leadership and management development are to succeed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».