Accompagner les leaders dans la modélisation de leur leadership en contexte de recherche-action et de formation universitaire
Bibliographic record
Abstract
La complexité actuelle en éducation appelle un leadership fort dont le développement doit être accompagné chez les leaders scolaires (Drago-Severson et Blum-Stefano, 2018). Comment accompagner le développement d’un tel leadership en contexte de formation continue et de recherche-action ? Pour ce faire, nous privilégions la modélisation du leadership. Précisément, nous encourageons les leaders à se représenter, individuellement et collectivement, leurs actions prioritaires en cohérence avec des intentions et des présupposés conscients et explicites ajustés à leur contexte. Dans le cadre de cet article, nous présentons d’abord les ancrages épistémologiques et méthodologiques d’un tel dispositif d’accompagnement de la modélisation du leadership inspiré des théories constructivistes-développementales. Nous en présentons ensuite deux illustrations en contexte ; 1) de recherche-action auprès d’une équipe de la direction générale d’un centre de services scolaire et 2) de formation continue de directions d’établissements scolaires. Ces illustrations rendent explicites plusieurs dispositifs et outils d’accompagnement pour concrétiser la modélisation et certaines de ses retombées sur le développement d’un leadership individuel et collectif, compétent et conscient, de leaders scolaires québécois.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".