Indicators and Approaches for Developing Leadership of School Administrators in the New Normal Era in Schools Under the Primary Educational Service Area Office in the Northeast
Notice bibliographique
Résumé
Research on developing leadership indicators and approaches is crucial for school administrators in the new normal era. It helps them adapt to rapid changes, integrate digital technologies for effective management, and foster educational resilience amid uncertainties. Strong leadership ensures schools remain innovative, stable, and future-ready. This study aimed to develop indicators and approaches for enhancing the leadership of school administrators in the new normal era, under the Primary Educational Service Area Office in northeastern region. The research employed a mixed-methods research, divided into four phases: phase 1 was reviewing relevant literature, academic documents, and research studies to identify key components and indicators; phase 2 was validating the model against empirical data through a questionnaire survey conducted among sample of 400 school administrators under the Primary Educational Service Area Office in northeastern region; phase 3 was developing leadership development approaches based on in-depth interviews with five experts; and phase 4 was assessing the proposed approaches through a qualitative focus group discussion with nine specialists. The findings revealed that: (1) the 50 indicators identified in the study meet the established criteria for appropriateness; (2) the developed model was consistent with empirical data; (3) the leadership development approaches in the new normal era consisted of five key components, ranked by their respective factor loading as follows: digital technology competency, organizational communication, creativity, visionary leadership, and social and legal ethics; and (4) all indicators demonstrated appropriateness, feasibility, usefulness, and comprehensive validity.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».