Pre-service Teachers’ Experiences of Learning About and Through Models-Based Practice
Notice bibliographique
Résumé
Background: Models-Based Practice (MBP) represents an innovative approach toward meaningful pedagogical and curricular change in physical education. However, little is known about the ways pre-service teachers (PSTs) learn about multiple models (theories and benchmarks), while also learning through the models (experiencing the models as learners) during Physical Education Teacher Education programs. Purpose: Drawing from Loughran’s (2006) pedagogy of teacher education theory, the purpose of this paper is to understand PSTs’ experiences learning about and through MBP focusing specifically on the following models: Teaching Personal and Social Responsibility, Cooperative Learning, Peer Teaching, and Teaching Games for Understanding. Method: Participants were PSTs enrolled in three distinct PETE courses. An ethnographic approach was used to provide rich description and interpretation of data, uncovering shared meanings of nine PSTs' experiences of MBP. The following data were gathered: 27 individual interviews, 2 focus group interviews, and 16 reflective journals. Using content structures from pedagogy of teacher education theory, data were analysed by coding and comparing participants’ responses. Results: Many PSTs gave positive responses to MBP after enrolling in one relatively short 13-week course. Yet, PSTs suggested that increased experiential learning through multiple models over several courses led to increased understanding of MBP and identification as prospective teachers who could use MBP in the future. Discussion: The results of this research support suggestions that PSTs should be provided with extended opportunities to learn about and through several models during PETE programs. Program-wide adoption offers the greatest promise in supporting future implementation of MBP.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».