Understanding language teacher wellbeing: An ESM study of daily stressors and uplifts
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
This study focuses on understanding language teachers’ lived experiences of their stressors and positive uplifts from a holistic perspective covering their professional lives in school, their personal lives beyond, and the connection between the two. The aim was to explore the nature of teachers’ experiences of stress and how they spilled over from work into home domains. We also were keen to understand the dynamics of their experiences of stress and how their perception of daily stressors was related to their overall sense of wellbeing as well as their life and chronic stressors. The data were collected via a specially created app, which collected survey data and experience sampling method (ESM) data from language teachers across the globe. Teachers’ wellbeing was investigated using the PERMA Profiler (Butler & Kern, 2016), their personality using Goldberg’s (1992) Big Five measurement tool, and a questionnaire on chronic stressors and stressful life events. From a larger sample ( n = 47), a set of 6 case studies of teachers who scored highly for wellbeing and those who scored low on wellbeing was examined to explore in depth and across time, the relationships between overall wellbeing, chronic stressors and stressful life events, the experience of daily stressors, and perceptions of health. The findings point to the complexity of the relationships between stress, wellbeing, and health as well as the dynamism of stress and the relationships between stress experienced in the workplace and at home. The study has important implications for research in this area and reveals the merits of working with this innovative data collection tool.
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 | 0,002 | 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 | 0,001 |
| 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