Evaluation of Teacher and Student Misbehaviours in Primary Schools from Prospective Teachers' Point of View
Notice bibliographique
Résumé
The aim of this study was to evaluate teacher and student misbehaviours and the methods teachers use with regard tostudent misbehaviours in primary schools from prospective classroom teachers' point of view. The study usedphenomenological method, a qualitative research design, since thorough data collection was performed based onpersonal experiences. The study group consisted of junior (3rd grade) students registered for the 2017-2018 academicyear in the classroom teaching programme provided by a state university in the Central Anatolia region. 52prospective classroom teachers participated in the study, on a voluntary basis. While forming the study group, it wasintentionally preferred that prospective classroom teachers took the School Experience course. To collect data, asemi-structured interview form was prepared by the researcher. The form included 4 questions on demographiccharacteristics and 3 questions on the research topic. Data obtained from the study was analyzed by using descriptiveanalysis, which is widely used in qualitative studies. Certain conclusions were made based on the results obtainedfrom the research. Some of these conclusions can be stated as follows: 1. Some of the most common studentmisbehaviours in primary schools, according to prospective classroom teachers, are quarrelling with friends, talkingwithout taking permission, complaining, chatting among themselves, and wandering around the classroom. 2. Someof the most common teacher misbehaviours in primary schools, according to prospective classroom teachers, areextreme yelling, constant use of a particular method, discriminating students over one another, and cancelling playand physical activity lesson.
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 | 0,000 |
| 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) | 0,001 | 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 ».