Shaping Professional Identity Through Professional Development: A Retrospective Study of TESOL Professionals
Notice bibliographique
Résumé
In an educational milieu student learning outcomes are directly related to teacher professional identity (TPI) i.e. improvement in the TPI will bear a direct positive effect on the learners’ academic achievements. Current study focuses on the development of TPI of English as a Foreign Language Teacher at English Language Institute (ELI) of a Saudi Arabian university through an in-service Cambridge English Teachers (CET) Professional Development (PD) program (CET-PD). Five determinants of TPI - Knowledge of Teaching Context (KCT), Collegial Collaboration (CC), Teaching Practices (TPs), Teacher Self-Efficacy (TSE), and Teacher Agency (TA) were studied before and after the PD program. Retrospective pretest-posttest research design was employed for addressing the research question: whereas responses on the five determinants were elicited from 120 participants through a self-administered questionnaire before and after the CET-PD program. Due to non-normality of data, a non-parametric statistic test-Wilcoxon signed Rank test was employed to analyze the collected data using SPSS. Results of the study revealed that three determinants of TPI - KCT, TSE, and TPs exhibited larger differences; whereas, for CC the differences were moderate and for TA the differences were minimal. By and large, due to in-service CET- PD program TPI exhibited improvement. The results of the study will be beneficial for teacher trainers to focus more on the teachers’ awareness of the learners’ and institutional contextual knowledge in a culture embedded in conservative norms. This study is a part of the quantitative phase of an ongoing Ph.D. project which employs mixed method convergent design.
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 | 0,002 | 0,074 |
| 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 | 0,001 | 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 ».