Pre-service teachers' concerns about diversity
Notice bibliographique
Résumé
Purpose The purpose of this study was to investigate pre-service teachers' concerns about including diverse learners in their classrooms. The study identified which concerns they ranked highest and lowest and which types of diversity they were most concerned about. The study also compared results in relation to demographic variables of gender, year and major. Design/methodology/approach Data collection relied on the Concerns about Inclusive Education Scale administered online with 343 pre-service teachers enrolled in higher education in Thailand. Analysis aimed to identify what were the highest categories of concerns as well as any significant relationships between concerns and demographic variables of gender, year and major. Analysis also identified the types of diversity about which pre-service teachers were most concerned along with any significant relationships between types of diversity and gender, year and major. Findings Results revealed that pre-service teachers ranked lack of resources as their highest concern about teaching diverse learners. Analysis revealed a significant difference for gender with females ( p = 0.014) having a significantly higher level of concern about lack of resources than males. Mental health disabilities along with physical and learning disabilities were ranked highest in terms of types of diversity about which they were most concerned. There were no statistically significant differences for demographics regarding type of diversity about which teachers were most concerned. Originality/value There is a lack of research related to higher education's role in preparing teachers to teach in contexts of diversity. This study goes beyond traditional definitions to include 12 types of diversity.
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 | 0,001 |
| 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) | 0,002 | 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 ».