MétaCan
Menu
Retour à la cohorte
Enregistrement W4312043079 · doi:10.29173/ijll25

Lifelong learning-centred community-based leadership development in higher education.

2022· article· en· W4312043079 sur OpenAlexaff
Kevin Watson

Notice bibliographique

RevueInternational Journal for Leadership in Learning · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Employability
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésExperiential learningCognitive reframingLifelong learningMindsetPedagogyLeadership developmentProfessional developmentSociologyAdult educationHigher educationLeadership styleExperiential educationContext (archaeology)PsychologyPublic relationsPolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

This article proposes a Learning Sciences framework, set within a community-based leadership lens, emphasizing the implementation of a humanistic Lifelong Learning process, towards well-being in Higher Education (HE). What makes a community focused LL environment so difficult, is the longstanding business-based model that has dominated HE institutions over the past twenty years. It has produced a politically charged marketing-style mindset within HE administration that cascades to faculty and students. This cascade has contributed to mental health issues at several levels of HE. In response, HE administration and professional developmental bodies need to reframe leadership and professional development away from this dominant model, placing humanistic-focused development at the centre. The framework focuses on individual experiential development through the tripartite of LL, Social Emotional Learning (SEL) and Learning Communities (LC) through an Integration, Continuity and Engagement (ICE) process. This framework emphasises the reciprocal relationship that HE Administration must initiate and foster within the context of community development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,408
Tête enseignante GPT0,404
Écart entre enseignants0,005 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Leadership in LearningMême sujetHigher Education and EmployabilityTravaux en français237 207