Markers of Agency in Preservice Music Teachers: A Directed Content Analysis of Written Coursework
Notice bibliographique
Résumé
Abstract The purpose of this study was to examine agentic thinking among preservice music teachers through a “directed content analysis” (Hsieh & Shannon, 2005) of the written coursework of 2 cohorts of preservice music teachers (N = 66) enrolled in an introduction to music education course in order to advance knowledge of agentic thinking in music teacher education research and practice. We used a theoretical framework informed by Emirbayer and Mische’s (1998) triadic conception of agency that positions human agency at the nexus of 3 temporally oriented elements: iteration (past), projectivity (future), and practical evaluation (present). We investigated the agentic temporalities of different assignment types and analyzed the agentic vocabulary usage in premidterm and postmidterm assignments by cohort, identified gender, year in school, residency status, major, and applied instrument. We found slight differences in overall agentic vocabulary and vocabulary by agentic element between cohorts. Unexpectedly, we noted a marked decline in overall agentic vocabulary usage in postmidterm written assignments compared to premidterm written assignments. Analysis of change over time by agentic element found decreases in iterative and practical evaluative vocabulary and an increase in projective vocabulary usage in postmidterm written assignments. Findings from key-word-in-context analysis, however, suggest that a decline in agentic vocabulary may be related to a refinement in agentic vocabulary usage and an increased openness to different perspectives and career options. Based on our results, we argue that Emirbayer and Mische’s framework may provide music teacher educators and researchers with a nuanced tool by which to investigate, understand, and foster music teacher agency.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,006 | 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 ».