The Unlearning Imperative in Educational Leadership: Recognizing the Need and Navigating the Process
Notice bibliographique
Résumé
The evolving landscape of education demands leaders who can adapt and innovate to meet unprecedented challenges. A critical, yet underexplored, competency in this realm is the ability to unlearn outdated leadership paradigms and relearn new, contextually relevant approaches. This extended abstract examines the imperative of unlearning in educational leadership, focusing on how leaders can identify obsolete competencies, discard limiting frameworks, and navigate the complex process of acquiring novel knowledge. Drawing from qualitative and theoretical insights (Hedberg, 1981; Zahra et al., 2021), the study highlights the interplay between unlearning and leadership development within Lithuanian educational institutions. Anchored in the principles of adult learning and andragogy, this research delves into the psychological and organizational dynamics that influence the unlearning process. It identifies key triggers for unlearning, such as institutional reforms and societal shifts, and offers a conceptual model to guide leaders through this transformative journey (Grisold et al., 2017; McGill, 2022). By fostering adaptability and cognitive flexibility, unlearning emerges as a strategic tool to cultivate innovative, responsive leadership in the educational sector. This study not only contributes to theoretical discourse but also provides actionable insights for practitioners aiming to reshape their leadership competencies in a dynamic environment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,036 |
| Communication savante | 0,015 | 0,014 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,006 |
| 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 source (Gemma direct ou Codex distillé), 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 ».