Exploring the Networking of Academic Health Science Leaders: How and Why Do They Do It?
Notice bibliographique
Résumé
PURPOSE: Networking is essential to leadership effectiveness in the business context. Yet little is known about leadership networking within the academic health science context. If we are going to train academic leaders, we must first understand the relational, network-based activities of their work. The purpose of this study was to explore how academic health science leaders engage in networking activities in the academic health science context. METHOD: A constructivist grounded theory approach guided our study. The authors interviewed 24 academic health science leaders who were enrolled in the New and Evolving Academic Leadership program at the University of Toronto and used social network mapping as an elicitation method. Interviews, which were conducted between September 2014 and June 2015, explored participants' networks and networking activities. Constant comparative analysis was used to analyze the interviews, with attention paid to identifying key networking activities. RESULTS: Academic health science leaders were found to engage in 4 types of networking activities: role bound, project based, goal/vision informed, and opportunity driven. These 4 types were influenced by participants' conception of their role and their perceived leadership work context, which in turn influenced their sense of agency. CONCLUSIONS: The networking activities identified in this study of academic health science leaders resonate with effective networking activities found in other fields. The findings highlight that these activities can be facilitated by focusing on leaders' perceptions about role and work context. Leadership development should thus attend to these perceptions to encourage effective networking skills.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».