Leading institutional policy implementation: Negotiating the complexities of policy implementation in higher education in the UAE.
Notice bibliographique
Résumé
While it is widely understood that assessment policy and its implementation by actors profoundly affect the quality of student learning in higher education, there is a dearth of research highlighting the institutional factors that influence policy implementation in today’s globalized world. Although leadership is an often-cited factor influencing policy implementation, it is not well understood in the United Arab Emirates (UAE) and the Middle East. This paper discusses a qualitative case study that explored how leadership negotiates institutional factors and influences actors’ implementation of assessment in a Health Sciences department in an institution in the UAE. Adopting Hans Bresser’s (2004) Contextual Interaction Theory (CIT) as an empirically-based conceptual framework, the case study examined how institutional factors and leadership influence motivation, cognition, and power/capacity in a UAE institution. Data were collected from semi-structured interviews with key informants in a Health Sciences department and internal and external policy documentation. Findings indicated that the policy design and the institution’s top-down approach to governance influenced leaders’ implementation of assessment policy in particular ways. In addition, the institutional culture of change and the sizable multi-campus structure impacted the department's policy and leaders’ assessment implementation. Finally, there were findings on the nature of leadership and the nuances of supporting and influencing policy implementation that was contextualized in UAE society. The study results offer policymakers, institutional leaders, and department-level leaders (department and program leaders) a deeper understanding of how system-level influences impact policy implementation.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».