Development and Initial Validation of the L2‐Teacher Grit Scale
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Grit—“perseverance and passion for long‐term goals” (Duckworth, Peterson, Matthews, & Kelly, 2007, p. 1087)—has attracted the attention of researchers in fields ranging from psychology to business to education (e.g., Robertson‐Kraft & Duckworth, 2014; Robins, 2019). Continuing the line of research that explores the domain specificity of grit (e.g., F. T. C. Schmidt, Fleckenstein, Retelsdorf, Eskreis‐Winkler, & Möller, 2017), this study introduces the L2‐Teacher Grit Scale (L2TGS) developed to measure grit specifically among English language teachers ( N = 202). The results demonstrated, first, that the L2TGS possessed sufficient internal‐consistency reliability (ω = .77). A subsequent principal components analysis revealed a two‐component structure (POV = 50.87%), thus yielding evidence in favor of construct validity. A one‐tailed Pearson’s test for positive correlation between Duckworth and Quinn’s (2009) domain‐general Grit–S and L2TGS scores established concurrent validity of the new measure ( r c = .84). Lastly, the L2TGS exhibited a stronger predictive validity, explaining approximately 21% of the variance in L2‐teacher retention‐related scores compared to the Grit–S, which was a statistically nonsignificant predictor accounting for 4% of the total variance. Of note, female teachers had higher levels of grit than male teachers. In sum, our findings indicate support for an occupation‐specific approach to grit.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle