SUPPORTING NEW SCHOOL LEADERS: THE BENEFITS OF ONLINE PEER COMMUNITIES
Notice bibliographique
Résumé
Although school leaders receive coursework and some practicum experience, there are gaps in their preparation that can only be filled on the job. Because the decisions made by new educational leaders are of great consequence to themselves and their school communities, an important goal should be the sharing of knowledge and support amongst a community of peers. This work reviews the challenges facing new administrators, critically reviews the training of educational administrators in Ontario, and recommends an in-service community method to supplement the support received by new administrators in their first several years. This document begins with an examination of relevant research literature in leadership development, online communities, the nature of expertise, and technology-enhanced learning with technology. One outcome of this review is a set of “knowledge dimensions” that are important to the development of leadership expertise. The dissertation then examines a three year journey of an online community of educational administrators who share in their journey toward expertise. The e-mails from the community were analyzed according to their function within the community and their relevant domain content. Of particular interest was the question of how such e-mail exchanges allowed members to develop in all five dimensions of school leadership knowledge. A coding of e-mail threads revealed that all dimensions of leadership knowledge were represented in the content, and that the quality of e-mails improved in both content as well as knowledge building practices over the three years. The growth of the community as a whole and of individual members is examined through a set of individual case studies. Finally, the dissertation closes with a discussion of the future of this community, as well as the prospects that such an approach could be applied more widely in support of new school leaders.
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 | 0,006 | 0,016 |
| 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 | 0,005 | 0,002 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».