GENERATIVE LEADERSHIP DEVELOPMENT IN AN AGRICULTURAL LEADERSHIP PROGRAM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Adult agricultural leadership programs (ALP) train people to address the needs of a diversifying society with pressing social, economic, environmental, and political challenges. Additionally, these programs offer transformative learning experiences that lead to a greater capacity of current and prospective leaders to become change agents in their communities. In a profession where vitality, strength, and perseverance are fundamental, the agricultural industry needs leaders who remain aware of the foundational knowledge contributed by their predecessors. At the same time, it also necessitates innovation that may revolutionize the agricultural industry for decades to come. In this mixed-method study, we asked participants of a state-based ALP to complete the Loyola Generativity Scale (N=48) that measures generative concern, with higher scores indicating stronger generative concern. Survey results (N=48) indicated average overall generative concern. However, there was a considerable variation among participants, scores ranging from 45 to 77. To understand the range of attitudes, we conducted interviews (N=11) with ALP participants. Generativity Theory provided the foundation of our qualitative analysis. We identified how participants are acting generatively in their leadership roles by promoting the sustainability of agriculture through social engagement, capitalizing on opportunities for teaching and learning, and expanding social capital through intergenerational professional networks. From this research, scholars and practitioners will gain a more nuanced understanding of how this ALP is facilitating generative leadership among today’s leaders so they may continue transforming their industry by connecting generational cohorts through the transmission of experience, knowledge, and expertise.
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.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle