Increasing Teacher Retention by Improving Self-Efficacy and Classroom Management Skills in Pre-Service Teachers
Notice bibliographique
Résumé
Pre-service teacher preparation programs are often ineffective in preparing new teachers to use classroom management skills and strategies. This contributes to high teacher-turnover rates for new teachers and ultimately influences principal retention and student outcomes. The crisis of teacher retention in the aftermath of the pandemic threatens U.S. global competitiveness and national security. Teacher preparation programs can address job stress and job satisfaction by better preparing teachers for the challenges of the post-pandemic classroom. The purpose of this longitudinal, mixed-methods improvement science study was to determine if embedding evidence-based classroom management skills and strategies into the instructional methods coursework programs, augmented by structured applied learning opportunities to improve the IE, would improve pre-service teachers’ self-efficacy in classroom management. The research used the Classroom Management Self Efficacy Instrument, focus groups, and written reflections. Five themes emerged from the data: student-teacher relationships, orderly classrooms, preventative measures, difficult students, and use of technology. Scores for seven practice-oriented items on the CMSEI showed strong improvement (M = 93.75%, post-intervention). Responding to the CMSEI question “I can manage a class very well,” 87.50% of students strongly agreed or agreed after the intervention. On eight items pertaining to self-efficacy on the post-survey, students reported strong efficacy (M = 85.16% agree or strongly agree). The major conclusion from this study is that embedding evidence-based classroom management skills and strategies into the instructional methods coursework, supported by structured applied learning opportunities, improves pre-service teachers’ self-efficacy and holds tremendous potential to reduce teacher attrition.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».