MétaCan
Menu
Retour à la cohorte
Enregistrement W2797847014

DEVELOPING LEADERSHIP THROUGH LEADERSHIP EXPERIENCES: AN ACTION LEARNING APPROACH

2018· article· en· W2797847014 sur OpenAlexaff
Céleste M. Grimard, Sabrina Pellerin

Notice bibliographique

RevueDevelopments in Business Simulation and Experiential Learning: Proceedings of the Annual ABSEL conference · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Learning and Leadership
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésAction learningShared leadershipLeadership styleLeadership developmentAction (physics)NeuroleadershipContext (archaeology)Transactional leadershipPsychologyLeadershipExperiential learningPedagogyEducational leadershipSPARK (programming language)Professional developmentPublic relationsPolitical scienceCooperative learningTeaching methodComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

University leadership courses or corporate leadership development programs traditionally offer classroom-based instruction pertaining to the theories, attributes, and behaviors of leaders. Although these activities may spark increased awareness and understanding of leadership, this learning is not easily transferred to the workplace. Indeed, transference of learning is a significant issue not only in traditional leadership education and training, but in any learning program that take learners away from the context in which they will be applying their new skills. To address these deficiencies in transference, we propose an action learning approach that invites individuals to undertake practical exercises in their personal or professional lives as a means of building leadership skills “in context.” In this paper, we share our experience in applying an action learning approach in three sections of a leadership course.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,296
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,004
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,303
Écart entre enseignants0,140 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopments in Business Simulation and Experiential Learning: Proceedings of the Annual ABSEL conferenceMême sujetOrganizational Learning and LeadershipTravaux en français237 207