Amerika Birleşik Devletleri ve Kanada’da Okul Müdürlerinin Genel Profili ve Mesleki Gelişim Faaliyetlerine Katılım Düzeyleri / Demographic Characteristics of School Principals in the U.S.A. and Canada and Their Level of Participation in Professional Devel
Bibliographic record
Abstract
Bu çalışmada amaç, köklü okul yöneticisi seçme ve yetiştirme geleneklerine sahip ABD ve Kanada’daki okul yöneticisi seçme ve yetiştirme modelleri ile bu ülkelerdeki mevcut müdürlerin genel profillerini incelemektir. Çalışmada alanyazın taraması ve nicel yöntemlerden betimleme yönteminden faydalanılmıştır. Çalışma kapsamında ABD ve Kanada’daki mevcut yönetici seçme ölçütleri ve yetiştirme modelleri alanyazın taraması yoluyla ortaya konmuştur. Bunun yanı sıra, 2013 Uluslararası Öğretme ve Öğrenme Anketi (Teaching and Learning International Survey [TALIS]) verilerinden yararlanılarak her iki ülkede görev yapan okul müdürlerinin demografik özellikleri (cinsiyet, yaş, eğitim durumu ve deneyim) ve aldıkları mesleki gelişim eğitimleri ve katıldıkları mentorluk, seminer, kurs ve gözlem ziyaretleri gibi profesyonel faaliyetler incelenmiştir. Bulgulara göre, yönetici seçme kriterleri; öğretmenlik tecrübesinin bulunması, eğitim yönetimi alanında yüksek lisans yapmış olmak, yöneticilik sertifikasına sahip olmak ve belirli programlara katılım olarak ortaya çıkmaktadır. Okul müdürlerinin yetiştirilmesinde ise stajyerlik ve mentorluk gibi uygulama odaklı çağdaş yöntemlerin kullanıldığı göze çarpmaktadır. Bu bulgulara paralel olarak, TALIS verileri ABD ve Kanada’daki müdürlerin çoğunluğunun önemli ölçüde öğretmenlik tecrübesine sahip olduğu, öğretimsel liderlik ve okul yönetimine ilişkin program veya kurslara, çeşitli network, mentorluk veya araştırma aktivitelerine ve konferans veya gözlem ziyareti amaçlı okul ziyareti aktivitelerine sıklıkla katıldıklarını göstermektedir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".