Leadership Self-Efficacy (LSE) in Doctoral Programs: Examining the Supervisors’ Lived Experiences in Canadian Universities
Notice bibliographique
Résumé
In this article, we describe Leadership Self-Efficacy (LSE) in doctoral programs by examining the lived experiences and perspectives of doctoral supervisors. A phenomenological research design was used to interview 16 supervisors from Canadian universities across all disciplines, social sciences and humanities, the natural sciences and engineering, and health sciences. The findings revealed the interplay of five types of efficacy in this context: research-self-efficacy (RSE) that is related to supervisors; research-self-efficacy (RSE) that is related to students; leadership self-efficacy (LSE) that is related to supervisors' roles; student self-efficacy (SSE) that is related to students' role; and, collective efficacy (CE). The main type of efficacy that made the difference in the doctoral studies context and allowed supervisors to help their students achieve their milestones, while maintaining their mental health, was the supervisors' Leadership Self-Efficacy (LSE). Effective supervisors found techniques to enhance the level of their LSE, and to support their students and enhance their students' sense of efficacy. However, the findings also suggest that supervisors experienced challenges in their roles and were not sufficiently supported, which may adversely influence their LSE and, in turn, affect doctoral students' performance and wellbeing. Implications include addressing the LSE in the doctoral supervision context at the individual level, group level, and departmental/institutional level.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».