Building Racially Responsive Leadership
Notice bibliographique
Résumé
The global Black Lives Matter protests in response to the killing of George Floyd ignited an immense response from Canadian higher educational institutions, who avowed to strengthen their commitment to addressing systemic anti-Black racism. Students and employees urged higher education leaders to acknowledge, redress, and correct the prevailing racial injustices impacting diverse Black communities. This call to action moved Canadian higher education leaders to examine gaps within leadership structures, practices, and policies through a lens of critical race theory (CRT) on how to confront emergent racial realities. Combatting these racial realities requires leaders to build racial literacy skills and develop equitable organizational strategies. This Organizational Improvement Plan (OIP) presents a possible solution that bolsters the capacity of higher education leaders in a metropolitan college in Canada to advance racial equity across leadership structures by making race salient in institutional goals, adopting anti-racist approaches, and building racially responsive behaviours towards realizing organizational equity outcomes. Racially responsive leadership (RRL; Harper, 2017) is a proactive leadership approach that authentically and with intentionality builds racially just environments to heighten institutional accountability, with a goal to improve the lives, experiences, and outcomes of diverse Black communities. This OIP incorporates principles of RRL and transformative leadership to realize deep change through creating new knowledge on equity leadership practices that develop multiple layers of accountability. Through building racial literacy among leaders, inspiring collective action to construct equitable leadership structures, this OIP is focused on how leaders can implement organizational equity outcomes to address the perils of systemic anti-Black racism.
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 | 0,011 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,013 | 0,006 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,006 |
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 ».