MétaCan
Menu
Retour à la cohorte
Enregistrement W4404316745 · doi:10.22329/jtl.v18i2.8788

Urban Pre-service English-as-a-Foreign-Language (EFL) Teachers’ Challenges During Teaching Practicum in Rural Schools: A Photovoice Phenomenological Approach

2024· article· en· W4404316745 sur OpenAlexvenueno aff
Heri Mudra

Notice bibliographique

RevueJournal of Teaching and Learning · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhotovoicePracticumPedagogyPhenomenology (philosophy)PsychologyMathematics educationEnglish as a foreign languageEnglish languageSociologyMedical educationMedicineArt

Résumé

récupéré en direct d'OpenAlex

While many previous studies focused on English-as-a-Foreign-Language (EFL) teachers’ teaching practices in urban schools, little study has been indulged regarding pre-service English teachers’ (PSTs) challenges and experiences to practice teaching in a rural school. This study aimed to explore various difficulties encountered by urban PSTs during teaching practicum (TP) in rural schools. A total of seven PSTs enrolled in urban universities were voluntarily involved in a study that involves people’s senses and perceptions, rather than scientific evidence, also known as a phenomenological study. Data were collected through multiple semi-structured interviews, followed by a photovoice approach through which the participants were asked to take emotional photos. The results revealed that the PSTs encountered four main challenges during TP in rural schools, including changes in teacher identity construction, intercultural sensitivity barriers, a lack of supporting resources, and limited teacher professional development. Each challenge was accomplished by photographs representing PSTs’ emotions and feelings, such as a collection of dolls, natural scenery, old-printed books, and blank paper. In conclusion, integrating emotional photos into descriptive exploration is paramount evidence of how the challenges were encountered, managed, and solved for better future teaching and learning practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,012
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,261
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Teaching and LearningMême sujetSecond Language Learning and TeachingTravaux en français237 207