THE EVOLUTION OF INSTRUCTIONAL LEADERSHIP: A 10-YEAR BIBLIOMETRIC PERSPECTIVE
Notice bibliographique
Résumé
The study aimed to examine past study publication trends for instructional leadership over 10 years (2014 - 2024). Bibliometric analysis was conducted through the searching method on the Scopus database. The search string for the Scopus database was conducted systematically. A total of 2094 published articles were analysed using Microsoft Excel, Scopus Analyser and VOSviewer. Our analysis employed advanced bibliometric techniques including annual publication trends, greatest number of articles, most popular subject area, top ten authors, most co-authorship influential countries, collaboration networks based on the co-authorship and popular keywords. The analysis revealed that the study of instructional leadership displays an increasing trend annually. This bibliometric analysis identifies Hallinger, P. and Shaked, H. as key contributors to the instructional leadership literature, authoring 37.98% of the publications and significantly influencing the development of foundational theories. The study also reveals a predominant focus on social sciences which constitute 63.54% of the research, thereby linking instructional leadership with educational policy and management. Additionally, extensive international collaborations are evident, particularly among scholars from the United States, United Kingdom, Australia, China and Canada. Commonly cited keywords such as transformational leadership, school improvement and student achievement underscore their importance in ongoing instructional leadership discussions. This study not only maps the intellectual territory but also illustrates the evolving focus areas and collaborative patterns, providing valuable insights for researchers and policymakers aiming to enhance instructional leadership frameworks globally.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| 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 | 0,000 |
| 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 ».