On becoming a coach
Notice bibliographique
Résumé
BACKGROUND: Health care leaders have called for the development of communication and leadership skills to improve manager-employee relationships, employee job satisfaction, quality care, and work environments. PURPOSES: The aim of the study reported here was to pilot how a 2-day coaching workshop ("Coaching for Impressive CARE") conducted as a leadership development strategy influenced frontline care managers' coaching practices in residential long-term care (LTC) settings. We had four objectives: (a) to identify managers' perceptions of their role as a coach of employee performance in LTC facilities, (b) to understand managers' intentions to coach employee performance, (c) to examine opportunities and factors that contributed to or challenged implementation of workshop coaching skills in daily leadership/management practice, and (d) to examine managers' reports of using coaching practices and employee responses after the workshop. METHODS: We used an exploratory/descriptive design involving pre-/post-workshop surveys, e-mail reminders, and focus groups to examine participation of 21 LTC managers in a 2-day coaching workshop and their use of coaching practices in the workplace. FINDINGS: Focus group findings provided examples of how participants used their coaching skills in practice (e.g., communicating empathy) and how staff responded. Factors contributing to and challenging implementation of these coaching skills in the workplace were identified. Attitudes and intentions to be a coach increased significantly, and some coaching skills were used more frequently after the workshop, specifically planning for performance change with employees. PRACTICE IMPLICATIONS: The coaching workshop was feasible to implement, well received by participants, influenced their willingness to become coaches, and had some noted impact on their use of coaching behaviors in the workplace. Coaching skills by managers to improve staff performance with residents in LTC facilities can be learned.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,007 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,007 |
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 ».