Sharing mentoring experiences of elementary teachers : moving towards collaborative learning communities
Notice bibliographique
Résumé
This qualitative, illustrative study inquired into the mentoring experiences of six teachers in the Lower Mainland of Greater Vancouver. The purpose of this study was to examine factors that enhanced or hindered the mentoring relationships. Data consisted of transcripts from semi-structured interviews. The constant comparative method (Denzin & Lincoln, 1994) was used to analyze data. Many teachers preferred hierarchical mentoring, where one person was more experienced than the other. Participants also preferred mentoring that was informal, friendly and reciprocal, and strongly favoured working with someone of similar background and educational platform, with diversity, conflict and negativity avoided. Participants also expressed a preference for mentoring that was non-evaluative, practical, safe and respectful. Teachers described characteristics that hindered mentoring relationships as being assigned to or experiencing a negative mentoring situation, workload and stress. Furthermore, the lack of time and financial support for mentoring and professional development was an issue. The participants' preference for more experienced teachers as mentors, which suggests a hierarchical relationship, contradicted findings that suggested participants also want mentoring relationships that are nonhierarchical and collaborative, based on treating each other as 'equals'. I suggest that collaborative mentoring can occur if more innovative, truly collaborative partnerships between universities and schools are encouraged, which may include teachers engaging in action research. I also suggest that collaborative mentoring coupled with action research may provide practical, timely, ongoing support for the professional development and the life-long inquiry into the practice of student, novice and experienced teachers. Finally, the study suggests the need for addressing and reducing teacher workload and stress, combined with a drastic change in the culture of educational organizations for collaborative mentoring to succeed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,017 | 0,008 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».