MétaCan
Menu
Retour à la cohorte
Enregistrement W4405955961 · doi:10.5539/elt.v18n1p64

Dynamically Stable Evolution of Ideal Selves in Motivation of High School English Teachers in China

2025· article· en· W4405955961 sur OpenAlexvenueno aff
Xueshan Zhang

Notice bibliographique

RevueEnglish Language Teaching · 2025
Typearticle
Langueen
DomainePsychology
ThématiquePsychology of Development and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyIdeal (ethics)ChinaMathematics educationPedagogySocial psychologyEpistemology

Résumé

récupéré en direct d'OpenAlex

Given that few studies focus on the complex and dynamic nature of English teachers’ teaching motivation in China (Dörnyei & Ushioda, 2021), this study aims to explore English teachers’ teaching motivation development with the possible selves theory (Markus & Nurius, 1986), which offers the most comprehensive and versatile lens for the analysis of teachers’ teaching motivation. There were seven participants in this study, including English teachers at early, mid, and late stages of their careers from a public high school in northern China. Data were collected through semi-structured interviews and teachers’ reflective journals. This study found that there was a dynamically stable evolution of participants’ ideal teacher selves. While the dynamics meant that there was continuous emergence of new ideal images, the stability meant that teachers’ ideal selves were static within a particular period. It is also true that the emergence of new ideal images did not mean that participants had discarded or fully realized prior ones. On the contrary, they preserved and adapted key components of previous ideal images while acquiring new ones. In effect, they formed a synthesized ideal teacher self with various components (i.e., key components of various ideal images emerging at different professional stages), which is susceptible to future changes. In addition, the agreement between ideal selves and the ought-to self enhanced participants’ motivation.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,259
Score d'incertitude au seuil0,662

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,005
Tête enseignante GPT0,279
Écart entre enseignants0,273 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetPsychology of Development and EducationTravaux en français237 207