Bibliographic record
Abstract
Meninger i ledelse - succesfuld skoleledelse mellem visioner og selvledelse Hvordan praktiseres succesfuld skoleledelse i danske skoler? Hvad kendetegner god skoleledelse i en dansk sammenhæng? Bogen søger at give svar på disse spørgsmål på baggrund af resultater fra og refleksioner over den danske del af et internationalt forskningsprojekt om succesfuld skoleledelse, hvori følgende lande deltog: USA, Canada, Australien, England, Kina, Sverige, Norge og Danmark. Med udgangspunkt i skolelederen sætter forfatterne luppen på hvad der sker på de succesfulde skoler: Skolerne fremtræder som lærende organisationer De opererer i kommunikative netværk De anvender en mængde koordinerede sociale teknologier Mange ledelsesopgaver er i vidt omfang distribueret ud i alle skolens hjørner Skolerne er typisk afdelingsopdelte skoler med selvstyrende team, med gruppeudviklingssamtaler, og andre sociale teknologier, Såvel de professionelle (lærerne m.m.) som eleverne indgår i udøvelsen af ledelsesopgaver ....... Skolens hovedopgave er at fremme elevernes læring og demokratiske dannelse. Forfatterne forsøger at give svar på, hvordan moderne skoleledelse kan fremme denne læring og dannelse. De sætter til diskussion, hvordan skoleledelser kan skabe den rette balance mellem ledelse og selvledelse i den moderne skoleorganisations netværk. De overvejer, hvordan man kan finde den rette balance mellem målrettet styring og en frugtbar medindflydelse. Bogen henvender sig til skoleledere, mennesker der overvejer at blive skoleledere samt andre med interesse i, hvorledes moderne danske skoler ledes.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.022 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.023 | 0.005 |
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".