Indicators of Good Governance for Administrators of the Primary Educational Service Area Office
Notice bibliographique
Résumé
This research aimed at accomplishing the following: (1) to build theoretical model, then to test its fitness with the empirical data; and (2) to investigate the factor loading of the main factors and sub-factors, as well as those indicators, which were compared to the determined criteria. The research applied descriptive research methodology to collect the data using a 5-scale questionnaire. The population consisted of 1,100 administrators in the Primary Educational Service Area Office (PEASO). The determination of the sample group size was established by applying the rule of population sample parameter proportion of 20:1, which was equal to 820 participants. From the 795 questionnaires, which were returned, the results of the data analysis were concluded by analyzing confirmatory factors using the AMOS program. It was determined that the theoretical model and empirical data were relevant given the following criteria: a Relative Chi-Square > 3.00 and a Root Mean Square Error of Approximation > 0.0. In addition, the Goodness-of-Fit Index, Adjusted Goodness of Fit Index, Comparative Fit Index, and Normed Fit Index were found to be between 0.90 – 1.00. Moreover, the factor loading of the main factors was from 0.86 – 1.06, which is higher than the determined criteria (0.70), while the factor loading of the sub-factors and the indicators ranged from 0.73 – 0.95 and 0.30 – 1.00, respectively. These numbers were also higher than the determined criteria of 0.30, indicating that as a result of the research, the theoretical model could be used as a guideline to improve better governance for the administrators of PEASO with construct and content validity.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».