Religious Diversity and Teacher Education: Experiences and Perspectives of Muslim Women as Teacher Candidates in Pre-service Programs
Notice bibliographique
Résumé
This qualitative research project explores the insights of Muslim women as teacher candidates completing pre-service programs in Ontario. Ontario schools cater to students from many ethnic, cultural and religious groups, including a sizable Muslim population. Muslims make up 4.6% of Ontario’s population with the highest concentration of Muslims in the GTA (Statistics Canada, 2011). The Muslim population in Ontario is of a significant enough number that, in a post 9/11 world, it has prompted discussion of how to integrate Muslim populations in Canada. In this research, I explore how Islamophobic sentiment is experienced in Ontario-based teacher education programs. I use Critical Race Theory (CRT) and Critical Race Feminism (CRF) to analyse and deconstruct experiences of female Muslim teacher candidates in pre-service programs. I discuss how Muslims are a racialized group that experience racism as discussed by critical race literature; however, there is a marked difference between how Muslim men and women experience gendered Islamophobia. By using in-depth research-based interviews, I explore how Muslim women perceived diversity, education, accommodations and Islamophobia in pre-service programs. This study adds to the current literature on critical race theory and anti-racist practices in education. Furthermore, this study adds to the voice of Muslim women in the discussion of diversity and inclusivity in educational institutions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».