Psychological Individual Characteristics in School Leaders: a Scoping Review Protocol
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Available research points to certain common characteristics regarding the effectiveness of school leaders, such as their ability to manage their school and time and to create a heathy learning climate (Barkman, 2015; Daniëls et al., 2019). Many of the investigated characteristics are occupational in nature due to their specific work features and due to the institutional context of school. Therefore, the picture of school leaders’ characteristics is not complete. Taking up this desiderium, this scoping review aims to investigate what is known about psychological individual characteristics in school leaders. These characteristics may play an important role in the overall picture of school leadership, for instance if they matter in processes for selection of leaders or leadership success. The objective of this scoping review is to describe the extent and distribution of available research regarding psychological individual characteristics of school leaders according to the framework proposed by Leithwood and the Council of Ontario Directors of Education (Leithwood, 2012). Barkman, C. (2015). The characteristics of an effective school leader. BU Journal of Graduate Studies in Education, 7(1) , 14–18. https://files.eric.ed.gov/fulltext/EJ1230685.pdf Daniëls, E., Hondeghem, A., & Dochy, D. (2019). A review on leadership and leadership development in educational settings. Educational Research Review, 27(3), 110—125. https://doi.org/10.1016/j.edurev.2019.02.003 Leithwood, K. (2012). Strong Districts and Their Leadership. Council of Ontario Directors of Education. http://www.ontariodirectors.ca/downloads/strong%20districts-2.pdf
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.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,010 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,085 |
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 découle