Notice bibliographique
Résumé
1,127 U.S. high school senior and college undergraduate perceptions of teaching’s prestige, status, and esteem were explored in this study. The population consisted of 302 high school seniors and 825 college undergraduates from the Midwestern region of the United States. The study included 51 statements where participants rated their perceptions of teaching’s prestige, status, and esteem on an 8-point Likert scale. The data was factor analyzed, and the results identified that the perceptions of teaching’s prestige consisted of financial and image perceptions. A descriptive analysis found that U.S. high school senior and college undergraduate perceptions of teaching’s financial component of prestige (M = 9.99, SD = 2.90) and esteem (M = 10.42, SD = 3.05) were more negative in comparison to status (M = 13.38, SD = 2.74). Bivariate correlation, Univariate, and hierarchal linear regression techniques measured the effects that the perceptions of teaching’s prestige, status, and esteem had on U.S. high school seniors and college undergraduate teaching considerations. The results indicated that the perceptions of teaching’s status may encourage U.S. high school seniors and college undergraduates to consider careers in teaching, but the perceptions of esteem may produce opposite effects. The results demonstrated that the perceptions of teaching’s esteem may discourage U.S. high school seniors and college undergraduates scoring in the upper deciles of the ACT (American College Testing) from considering teaching in the United States. The results indicated that the perceptions of esteem may also discourage U.S. urban female high school seniors and college undergraduates from considering the career. Finally, the results demonstrated the perceptions of teaching’s esteem and its interaction with the financial perceptions of teaching’s prestige may discourage U.S. aspiring teachers from the career. This result raises questions as to the “roots” of the early teacher attrition problem in the United States.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».