Factors Related to Teacher Resilience during COVID-19
Notice bibliographique
Résumé
Teaching during the 2020–2021 school year was fraught with challenges related to the COVID-19 pandemic. In the United States, teacher experiences varied greatly. Teacher attrition has been a concern for years, and contemporary media outlets reported that this was exacerbated by the pandemic. The authors surveyed teachers nationally between January and February 2021 (n = 334) to uncover what factors were related to teachers’ reported intention to remain in the classroom after the 2020– 2021 school year. Logistic regression findings indicate that teachers approaching retirement age and those teaching in private schools were significantly less likely to report an intention to remain at their school while elementary school teachers were more likely to stay. Conversely, we found that teacher autonomy, job satisfaction, and student access to resources outside of school were all positively associated with an intention to remain in their current position. RésuméAu cours de l’année scolaire 2020–2021, l’enseignement a fait face à de nombreux défis reliés à la pandémie de la COVID-19. Aux États-Unis, les expériences des enseignants ont été très diverses. Depuis des années, l’érosion de l’effectif est un souci, et les médias contemporains signalent que la pandémie a augmenté celle-ci. En janvier et février 2021, les auteurs ont sondé des enseignants à l’échelle nationale (n = 334) afin de relever les facteurs ayant motivé ceux-ci à vouloir continuer audelà de 2020–2021. Une régression logistique effectuée par les auteurs indique que les enseignants proches de la retraite et ceux travaillant dans des écoles privées étaient moins enclins à rapporter l’intention de rester dans leurs écoles tandis que les enseignants des écoles élémentaires avaient davantage l’intention de persévérer. En général, les auteurs ont trouvé que l’autonomie de l’enseignant, la satisfaction au travail, et l’accès des étudiants à des ressources au-delà de leur école étaient tous positivement associés au désir de continuer à enseigner. Keywords / Mots clés : COVID-19, teacher retention, teacher attrition, teacher autonomy, job satisfaction, retirement age / COVID-19, fidélisation des enseignants, attrition des enseignants, autonomie des enseignants, satisfaction au travail, âge de la retraite
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».