An Examination of Teacher Experience and Perception of Leadership Effort on Commitment to Stay Using Mediation Analysis
Notice bibliographique
Résumé
This study approaches the idea of teachers’ commitment to stay at their job by considering their perceptions of efforts by leadership to support working conditions in schools. Data from 85,000 teachers from the 2016 school year in North Carolina were used in the mediation analysis. Results show that administrative effort had a direct effect on teachers’ commitment to stay. This effort was mediated by how teachers view the working conditions in their schools, and new and veteran teachers view the impact of administrative effort on their commitment to stay in a similar manner. Policy implications are discussed, along with suggestions for unpacking these data to reveal a more discreet understanding of the internal dynamics of schools. Résumé Cette étude porte sur l’engagement des enseignants à rester à leur poste en fonction de leurs perceptions des efforts déployés par le leadership pour maintenir de bonnes conditions de travail dans les écoles. Les données de 85 000 enseignants de l’année scolaire 2016 en Caroline du Nord ont été utilisées dans une analyse de médiation. Les résultats montrent que l’effort administratif a eu un effet direct sur l’engagement des enseignants à rester. Toutefois, l’impact de cet effort administratif dépendait de la manière dont les enseignants percevaient les conditions de travail dans leurs écoles, ainsi que de la manière dont les nouveaux et anciens enseignants percevaient cet impact sur leur engagement. Cette étude évalue aussi les implications de cet état des choses pour la formulation de politiques et propose des pistes pour interpréter les données afin d’en arriver à une compréhension plus fine de la dynamique interne des écoles. Keywords / Mots clés : leadership preparation, university-school partnerships, leadership field experience, leadership-focused coaching, leadership mentoring / préparation au leadership, partenariats université-école, expérience de terrain en matière de leadership, coaching axé sur le leadership, mentorat en matière de leadership
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 | 0,010 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».