The Effects of Service-Learning Participation on Pre-Internship Educators’ Teachers’ Sense of Efficacy
Notice bibliographique
Résumé
This study aimed to determine if pre-internship teacher education students’ participation in service-learning activities in K-12 classrooms would significantly affect their teachers’ sense of efficacy (TSE). A secondary focus sought to determine if one type of service-learning activity (e.g., whole-class instruction) would affect teacher efficacy more than another (e.g., small-group tutoring). Findings revealed that pre-internship service-learners in both types of service-learning activities increased significantly in their TSE. However, neither type of service-learning activity was superior to the other as measured by the minimally accepted .05 level. The discussion focuses on factors shared between the two service-learning designs that might mediate a positive mastery experience.L’objectif de cette étude était de déterminer si la participation par des étudiants en pédagogie à des activités de bénévolat dans des classes de la maternelle à la 12e année augmenterait de façon significative leur sentiment d’être efficaces comme enseignants. Un deuxième objectif consistait à déterminer si un type d’activité de bénévolat (par ex. l’enseignement à toute la classe) affecterait l’efficacité d’un enseignant plus qu’une autre (par ex. le tutorat à de petits groupes). Les résultats indiquent que les deux types d’activité ont accru de façon significative le sentiment d’efficacité comme enseignants chez les étudiants bénévoles. Toutefois, les paramètres selon le seuil minimal de 0,05 ont révélé qu’aucune activité n’était supérieure à l’autre. La discussion porte sur des facteurs communs aux deux activités de bénévolat et qui pourraient entrainer une expérience d’apprentissage fructueuse.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».