Teacher Differences in Beliefs and Perceptions About Sustainable Agriculture: Influence on the Teaching of High School Agriculture Curriculum
Notice bibliographique
Résumé
The purpose of the study was to determine agriculture teacher differences in beliefs and perceptions about sustainable agriculture (SA) and the associations of these with the teaching of SA in the 12 states of the Midwest US. A descriptive design using self-administered structured questionnaires with Likert measurements was adopted. A stratified random sample of 844 teachers were self-administered the questionnaires. Data were analyzed by ANOVA by comparing means and conducting post-hoc tests. Teachers who agreed and those who disagreed about SA beliefs had no statistically significant difference in their mean ratings of beliefs about SA. Those who were neutral and those who disagreed about SA beliefs had similar mean ratings. Teachers who agreed with SA beliefs and those who were neutral about SA beliefs had a statistically significant difference in their mean ratings of SA beliefs. All three of those groups taught SA topics to a moderate extent. This was not the case for teachers who differed about their perceptions of SA topics/practices. Therefore, teacher differences in beliefs about SA may or may not influence the teaching of SA topics. Teacher perceptions of selected SA practices only influenced the extent to which teachers taught SA. SA goals can be achieved via teaching to influence teacher knowledge, affect, cognition, behavior, and actions towards SA. Teacher professional development needs can be identified from their differences in perceptions about SA practices. An education approach promoting the building of bridges among different perspectives about SA and systems teaching-learning can help to achieve SA goals.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 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) | 0,000 | 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 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 ».