A Study on the Elements and Indicators of Academic Management Models in the Digital Era to Improve the Academic Achievement of Secondary Schools Under the Office of the Basic Education Commission
Notice bibliographique
Résumé
This study aimed to identify, develop, and validate components and indicators of academic management models in the digital era for improving academic achievement in secondary schools under Thailand’s Office of the Basic Education Commission. A mixed-method approach was employed, encompassing comprehensive literature review, qualitative content analysis, expert validation, and quantitative assessment. The research was conducted in three phases: 1) identification and development of components and indicators through literature review and content analysis; 2) validation of the model by nine experts in educational administration and academic leadership, using the Index of Item-Objective Congruence (IOC) and a 5-point rating scale; and 3) assessment of acceptance and feasibility by 434 secondary school administrators, along with evaluation of internal consistency using Cronbach’s alpha. Results revealed five key components with 16 indicators: curriculum, academic management process, learning activities, participation in education, and quality control of education. Expert validation indicated high suitability across all components (mean scores ranging from 4.56 to 4.70). The assessment by school administrators and teachers showed high acceptance and feasibility (overall mean 3.56). Internal consistency analysis demonstrated good to excellent reliability (Cronbach’s alpha 0.78–0.87 for individual components, 0.94 overall). This study provides a comprehensive, validated framework for academic management in the digital era, potentially contributing to improved educational outcomes in Thai secondary schools. Future research should focus on practical implementation and long-term impact assessment.
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 | 0,003 | 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».