Early childhood professional well-being in Nova Scotia: A mixed methods study
Notice bibliographique
Résumé
Ensuring access to high-quality programs and services can improve children’s long-term health and education outcomes and reduce inequities in health, income, and education in the population. The professional well-being of those working in the early childhood education sector has been negatively associated with levels of turnover, which in turn can impact program quality more broadly. Considering the variability of professionals working in the field of early childhood, it is important to better understand how their experiences influence their professional well-being. This study aims to address this gap, through a mixed methods exploration of survey responses to items on an Early Childhood Professional Well-Being questionnaire. We conducted both an Latent Profile Analysis (LPA) on 27 items and also a conventional content analysis of one open-response item and then compared and contrasted results to create a fulsome illustration of patterns of early childhood professional well-being. The LPA revealed five distinct profiles of professional well-being: highest well-being, generally high well-being, active agency, comfortable well-being, and low wellbeing. Years of experience and newcomer status had a relationship to profile membership, with more years of experience associated with higher professional well-being and newcomer status with lower or medium levels of well-being. Our content analysis revealed mostly negative perspectives regarding professional well-being, most often due to various, overlapping external factors. Greater understanding of profile membership and what may impact it as well as the larger external systems that affect early childhood professionals will help to inform policy supports for professional well-being of specific individuals, thereby promoting professional wellbeing and, in turn, overall program quality.
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 | 0,023 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».