Les émotions au coeur du leadership
Bibliographic record
Abstract
L’avènement de la crise sanitaire a exacerbé la complexité du quotidien des directions d’établissement d’enseignement dont le travail était déjà exigeant sur le plan émotionnel. Ces leaders doivent plus que jamais gérer sainement leurs propres émotions, tout en se préoccupant de celles vécues par les élèves, les parents et leur personnel, et ce, en maintenant la mission de l’école. L’objectif de cet ouvrage est de soutenir les directions dans leur développement professionnel en proposant une réflexion et des pistes d’action sur les émotions vécues en contexte de travail. En plus de s’ancrer dans la littérature actuelle, ce livre se fonde sur une recherche dans laquelle sont étudiées les émotions impliquées dans l’actualisation du leadership des directions d’établissement d’enseignement du Québec. En cohérence avec le vécu de ces gestionnaires, une attention particulière est portée à l’anxiété, la colère et la joie. Les deux phases de cette recherche constituent les principales assises empiriques des propositions pratiques présentes dans ce livre. La première reprend les données collectées par questionnaires auprès d’un vaste échantillon de directions et de membres de leurs personnels. La seconde phase permet d’identifier et d’observer dans le cadre de leur travail réel des directions « exemplaires » ayant de bonnes compétences émotionnelles. Ce livre s’adresse à tous les acteurs du milieu de l’éducation qui cherchent à mieux comprendre l’influence des émotions vécues en position de leadership. Des pistes de réflexion et d’action pour l’actualisation du leadership par les émotions y sont proposées.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".