Factors Affecting the Adjustment of Pre-Service Teachers, Faculty of Education, Buriram Rajabhat University
Notice bibliographique
Résumé
This research aimed to 1) study the relationship of factors affecting the adjustment of pre-service teachers in the Faculty of Education, Buriram Rajabhat University, and 2) study the factors affecting the adjustment of pre-service teachers in the Faculty of Education, Buriram Rajabhat University. The sample group consisted of 242 pre-service teachers from the Faculty of Education, Buriram Rajabhat University, selected by simple random sampling. The data collection tool was a 5-point Likert scale questionnaire. The statistics used for data analysis included mean, percentage, standard deviation, Pearson's correlation coefficient, and multiple linear regression analysis using the Stepwise method. Research findings revealed that 1) the relationship between the factors affecting the adjustment of pre-service teachers in the Faculty of Education, Buriram Rajabhat University had correlation coefficients ranging from 0.442 to 0.703, with all aspects showing statistical significance at the .01 level. The factors most related to adjustment were achievement motivation, followed by peer relationships, and attitude towards learning, respectively, and 2) the factors affecting the adjustment of pre-service teachers in the Faculty of Education that could predict their adjustment were: achievement motivation (β = 0.496, b = .525), peer relationships (β = 0.238, b = .221), and the relationship between mentor teachers and students (β = 0.139, b = .118). These factors could predict the adjustment of pre-service teachers in the Faculty of Education, Buriram Rajabhat University, by 55.60% (R2 = .556, p < .001). The predictive equation in unstandardized scores is Y = 0.461 + 0.525X2 + 0.221X4 + 0.118X5, and the predictive equation in standardized scores is ZY = 0.496ZX2 + 0.238ZX4 + 0.139ZX5.
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 | 0,000 | 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 | 0,000 |
| 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 ».