Mobilizing change in a business school using appreciative inquiry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to explore how appreciative inquiry (AI) as a pedagogical tool can be generative in nature creating opportunities for development and change in a business school context. Design/methodology/approach Using a qualitative approach this research involved data collection and analysis in three stages of AI with a group of undergraduate students enrolled in strategic management and organizational change courses. Initial data collection occurred over a three‐hour period with a larger group of students, followed by two sessions with a smaller group of organizational change students. Findings The experiential nature of the AI process was a success in promoting inquiry and dialogue, encouraging collaboration and team building, and empowering individuals toward a collection vision. Through an iterative process, four possibility statements were developed including: meaningful relationships with professors and peers; leadership opportunities; experiential learning; and creativity and flexibility in program design. These statements serve as a starting point for future planning to the business school under study. Practical implications The process offered a number of insights for both faculty and students regarding the symbiotic relationships between learning and change as fundamental to moving a business school from a place of learning to a learning organization. The inquiry process of AI opens the system up to learning about itself as a prelude to change. By intentionally ignoring the traditional deficit approach to change, AI encourages the system to seek its point of light, its achievements, and in so doing, inhibits the dissipative nature of problem‐centred methodologies. Originality/value The use of AI in this context demonstrates the potential for AI as a pedagogical tool, as well as the usefulness of AI as a bridge to creating partnerships with multiple stakeholders in developing business schools into learning organizations.
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle