How do we teach about ethnic and cultural diversity in PETE? A discourse analysis of interviews from Norway, Aotearoa/New Zealand and Canada
Notice bibliographique
Résumé
Background Although social justice has been a topic of interest in physical education for over 40 years, research still shows that physical education excludes and marginalises students based on various identity dimensions. Presently, with societies becoming more diverse, there is heightened anticipation for teacher educators to demonstrate ‘cultural responsiveness’ or ‘cultural competence’.Purpose This paper investigates how Physical Education Teacher Education (PETE) educators in Norway, Aotearoa/New Zealand and Canada construct teaching about ethnic and cultural diversity.Methods This study’s data comprise 23 interviews with PETE educators from three countries. We analysed the interviews using concepts from discourse theory and a framework from multicultural education.Findings While the way teacher educators discuss teaching about issues of ethnic and cultural diversity in PETE highly depends on each country’s contexts, there still are overlaps encapsulated by discourses. Our analysis suggests most discursive articulations from interviews reproduced liberal discourses, with fewer discursive articulations from conservative and critical discourses. Furthermore, the discourses constructed certain subject positions for students and teacher educators that carry implications for practice.Conclusion Although there are consistent attempts to engage with critical discourses, the dominance of liberal discourses persists in PETE in all three countries. This prevalence poses a risk of perpetuating othering and marginalisation.
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 ».