Amerika Birleşik Devletleri ve Kanada’da Okul Müdürlerinin Genel Profili ve Mesleki Gelişim Faaliyetlerine Katılım Düzeyleri / Demographic Characteristics of School Principals in the U.S.A. and Canada and Their Level of Participation in Professional Devel
Notice bibliographique
Résumé
Bu çalışmada amaç, köklü okul yöneticisi seçme ve yetiştirme geleneklerine sahip ABD ve Kanada’daki okul yöneticisi seçme ve yetiştirme modelleri ile bu ülkelerdeki mevcut müdürlerin genel profillerini incelemektir. Çalışmada alanyazın taraması ve nicel yöntemlerden betimleme yönteminden faydalanılmıştır. Çalışma kapsamında ABD ve Kanada’daki mevcut yönetici seçme ölçütleri ve yetiştirme modelleri alanyazın taraması yoluyla ortaya konmuştur. Bunun yanı sıra, 2013 Uluslararası Öğretme ve Öğrenme Anketi (Teaching and Learning International Survey [TALIS]) verilerinden yararlanılarak her iki ülkede görev yapan okul müdürlerinin demografik özellikleri (cinsiyet, yaş, eğitim durumu ve deneyim) ve aldıkları mesleki gelişim eğitimleri ve katıldıkları mentorluk, seminer, kurs ve gözlem ziyaretleri gibi profesyonel faaliyetler incelenmiştir. Bulgulara göre, yönetici seçme kriterleri; öğretmenlik tecrübesinin bulunması, eğitim yönetimi alanında yüksek lisans yapmış olmak, yöneticilik sertifikasına sahip olmak ve belirli programlara katılım olarak ortaya çıkmaktadır. Okul müdürlerinin yetiştirilmesinde ise stajyerlik ve mentorluk gibi uygulama odaklı çağdaş yöntemlerin kullanıldığı göze çarpmaktadır. Bu bulgulara paralel olarak, TALIS verileri ABD ve Kanada’daki müdürlerin çoğunluğunun önemli ölçüde öğretmenlik tecrübesine sahip olduğu, öğretimsel liderlik ve okul yönetimine ilişkin program veya kurslara, çeşitli network, mentorluk veya araştırma aktivitelerine ve konferans veya gözlem ziyareti amaçlı okul ziyareti aktivitelerine sıklıkla katıldıklarını göstermektedir.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».