Collaborative Inquiry Driving Leadership Growth and School Improvement
Notice bibliographique
Résumé
Australia’s largest schooling system, the NSW Department of Education, is in a period of unprecedented change as the Department of Education initiates a range of reforms. One critical reform occurred in 2014 when the Department of Education and the New South Wales Teachers’ Federation agreed to link teachers’ salaries with accreditation. For the first time, all Department of Education principals, executives and teachers must complete an annual Performance and Development Plan. This article describes the work of a team of academics from the School of Education, Southern Cross University, and the Department of Education school leaders in northern NSW, exploring opportunities to accomplish school improvement through the “North Coast Initiative for School Improvement” (NCISI). The impetus for this initiative is based on the work of Alberta academics and researchers, Dr. David Townsend and Dr. Pamela Adams. The approach is based upon small teams, comprising a member of a school district’s central office, a district principal and university academics, who once a month visit the leadership team of a school in order to build instructional leadership. This process involves the use of a guiding question, generative dialogue and a collaborative inquiry methodology. Early findings indicate the NCISI’s approach is having positive impact leadership growth, through collaboration. Key elements of trust and professional identity have developed within teams. The very positive reaction of school communities to the project in its early stages is heartening and shows that there is a strong desire by school leaders to draw upon collaborative support in order to grow professionally. The project also demonstrates a strong level of commitment from a regional university to build productive relationships with schools.
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 | 0,056 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,021 | 0,046 |
| Communication savante | 0,025 | 0,015 |
| Science ouverte | 0,004 | 0,036 |
| Intégrité de la recherche | 0,005 | 0,008 |
| 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 ».