Learning Support for Managers in the Canadian Federal Public Service
Notice bibliographique
Résumé
In the Canadian Federal Public Service, workplace learning is used to teach managers about important topics related to their role. Access to these types of courses is critical as managers, in particular lower-level managers, have the largest number of direct reports. These managers’ decisions influence individuals, groups of employees and ultimately the department they work for. For example, in the case of a harassment or discrimination complaint, how a manager manages the situation can impact not only the mental health and wellbeing of the employees involved, but how the Canadian public views the department. Given the potential impacts a manager’s knowledge, and subsequent ability, has on both individuals and the public’s perception of their department, understanding how we can best support managers’ learning is instrumental in the effectiveness and efficiency of the organization in question. This research was conducted using survey research design and data were collected via an online questionnaire. The aim of this research was to investigate the attitudes and opinions of Managers in the Canadian Federal Public Service about the level of support received to complete mandatory and professional development courses. The primary theme that emerged from this research is that managers struggle to find the time to complete training. Time was mentioned by respondents when asked about mandatory training, developmental training, and support pre and post COVID-19. In every instance, time was identified as the most limiting factor. Findings imply that in order to support managers in the Canadian Federal Public Service, more efforts are needed to do more to provide managers with dedicated time to complete training. The pandemic has increased workloads, and added confounding factors for some, well trained managers are needed more than ever to assist employees navigate the new and highly virtual workplace that they find themselves in.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,003 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».