MétaCan
Menu
Retour à la cohorte
Enregistrement W2810756212 · doi:10.24926/jrmc.v1i3.1270

Leadership Succession at Regional Medical Campuses: What incoming leaders might want to know from their predecessors

2018· article· en· W2810756212 sur OpenAlexaboutno aff
Gerry Cooper, Mark Awuku, Dema Kadri

Notice bibliographique

RevueJournal of Regional Medical Campuses · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublic relationsSuccession planningPolitical scienceWindsorLeadership developmentBridge (graph theory)SociologyMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

Succession planning and changeover between outgoing and incoming leaders within medical education is an important but largely neglected topic (Rayburn, Grigsby & Brubaker, 2016). The paucity of literature is even more apparent regarding leadership transitioning at regional medical campuses (RMC). With this paper, perhaps one of the first to inform this topic, we hope to bridge this gap by assembling the shared perspectives of an administrator, senior faculty member and a learner from the same RMC. Specifically, this work will focus on the following two questions:
 
 Based on our collective experiences what are the critical issues facing an incoming RMC dean?
 Are there practical strategies which might assist an incoming RMC dean with the leadership transition process?
 
 This commentary is the result of our collective experience at Western University’s Windsor Campus, a 10-year old regional medical campus of the Schulich School of Medicine & Dentistry located in southwestern Ontario, Canada. We make the assumption that RMC’s encountering leadership transitions are adequately funded, in this way incoming deans can properly attend to effective leadership succession processes. This paper might be of particular interest to those who are personally transitioning as new RMC deans or who will soon take on such a leadership role. We have no conflicts of interest to declare.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,234
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,081
Tête enseignante GPT0,363
Écart entre enseignants0,281 · 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'étudeSans objet
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Regional Medical CampusesMême sujetInnovations in Medical EducationTravaux en français237 207