Science Teachers' Perceptions of Social-Emotional Learning: Lessons from Oman
Notice bibliographique
Résumé
The study aimed to identify science teachers' perceptions of social-emotional learning. A descriptive approach using quantitative methodology was followed, and a nationally representative sample of male and female science teachers (n = 1034) was used. A questionnaire was designed and used for data collection. The results revealed that science teachers have negative perceptions of emotional-social learning. Statistically significant differences were found between females and males. Also, there was a statistically significant difference based on grade level taught. However, there were no statistically significant differences in science teachers' perceptions due to years of teaching experience. Implications are discussed and recommendations are offered for promoting teachers' social-emotional competence. Keywords: Science Teacher, perception, Social-Emotional Learning, Sultanate of Oman L'étude visait à identifier les perceptions des enseignants de sciences sur l'apprentissage socio-émotionnel. L’étude a suivi une approche descriptive utilisant une méthodologie quantitative et elle repose sur un échantillon représentatif au niveau national de enseignants de sciences masculins et féminins (n = 1 034). Un questionnaire a été conçu et utilisé pour la collecte des données. Les résultats ont révélé que les enseignants de sciences ont des perceptions négatives de l'apprentissage émotionnel et social. On a constaté des différences statistiquement significatives entre les femmes et les hommes. De même, une différence statistiquement significative a été constatée en fonction du niveau scolaire enseigné. Cependant, aucune différence statistiquement significative dans les perceptions des enseignants de sciences n’a été constaté en fonction des années d'expérience d'enseignement. Les implications sont discutées et des recommandations sont proposées pour promouvoir la compétence socio-émotionnelle des enseignants. Mots clés : enseignant de sciences, perception, apprentissage socio-affectif, Sultanat d'Oman.
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 | 0,001 | 0,002 |
| 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 | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».