Emotional well-being of school principals: exploring enhancement and risk factors
Notice bibliographique
Résumé
Purpose This study aims to closely examine principals’ emotional well-being (EWB) and its enhancement and risk factors in the context of British Columbia (BC), Canada. Design/methodology/approach This exploratory study is based on an online survey from a previous research that garnered information from public school principals in BC, Canada about the various aspects of their well-being. The survey data were analysed using structural equation modelling. Findings The study results show that resilience, organizational support and policies and external influence can contribute to principals’ EWB, but factors that often put principals in draining situations, such as mental health issues among students and teachers and mentoring of new teachers, are risk factors that negatively impact principals’ EWB. Additionally, long work hours are also having a detrimental effect on principals’ EWB. Practical implications EWB is how well people are able to manage their emotions and cope with life and work adversities and challenges. With increasing, if not competing, demands of public education, it is EWB that can sustain principals to cope with work-related challenges and demands. Cultivating principals’ EWB becomes paramount, and it not only needs to focus on developing individuals’ resilience but also requires organizational and system support. Originality/value School principals’ EWB has been confirmed to be the most significant dimension of their overall well-being. A principal who is emotionally not well may exhibit emotional stress that can be in turn felt by students, teachers, staff and the wilder school community. Promoting EWB among school principals is paramount to creating healthy schools. However, studies on EWB itself are rather limited.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».