The Cultivation of Systemness for Enhanced Equity, Diversity and Inclusivity at a Mid-sized District School Board in the Province of Ontario
Notice bibliographique
Résumé
The cultivation of systemness for enhanced equity, diversity and inclusivity at a mid-sized district school board in the province of Ontario is addressed. The development of shared mindsets regarding a small number of ambitious goals (system coherence) and the implementation of administrative processes such as policies, procedures, practices and protocols (system alignment) that support the optimization of the multi-year strategic plan may, at times, prove difficult to achieve, especially as it relates to bias awareness and critical consciousness, as well as ameliorated fairness and impartiality throughout the organization. Viewed constructively as an opportunity for organizational improvement towards enhanced equity, diversity and inclusivity, strategies to facilitate the elimination of all forms of discrimination and the removal of systemic barriers to learning are explored. A seven-step model for effective change management is utilized as the framework to lead the change process to address the lack of coherence and alignment between the key categories of the annual action plan for equity and anti-racism, and, the goal statements of the empowering equity priority of the multi-year strategic plan for the district. As a tool that utilizes a blend of face-to-face and digital interactions to collect, communicate, collaborate and create with colleagues, professional learning networks (PLNs) are the selected solution to address the problem of practice. PLNs are endorsed as an innovative, forward-thinking approach for knowledge mobilization and solution generation in public education (Briscoe et al., 2015; Trust et al., 2016; Whitby, 2013).\nKeywords: systemness, alignment, coherence, equity, diversity, inclusivity, professional learning networks
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».