MétaCan
Menu
Retour à la cohorte
Enregistrement W4412223867

Impacts of managerial systems on early educators’ job satisfaction in five countries

2024· article· en· W4412223867 sur OpenAlexaffabout
Matthew B. Rogers, Khatuna Dolidze, Astrid Mus Rasmussen, Fabio Dovigo, Laura Doan

Notice bibliographique

RevueRUNE (Research UNE) · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésJob satisfactionBusinessPsychologySocial psychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The work of early childhood educators is conducted in highly regulated environments in many Western nations. This is due to managerialism, the right arm of neoliberal-inspired policies. To explore educators' work within these contexts, our international study highlights the impacts of these systems on educators and the children they teach. This paper presents findings from five countries, namely, Australia, Canada, Denmark, Georgia and Italy. The results reveal the experiences of educators in these countries, impacted by neoliberal-inspired policies that are manifested in two different ways. They are dealing with increased managerial regulation or with the neglect of the sector in the pursuit of higher profits. Educators' job satisfaction is impacted when they perceive they are not able to adequately educate and support children due to these constraints. Using a critical neoliberal framework, we employed a mixed-method approach. The participants were educators with various roles and qualifications in a variety of service types. To analyse the numerical/closed answer data we used cross tabulation. Thematic analysis was used to analyse the qualitative data. Despite their difficulties, educators provided many ideas on the ways their government can better support their work so that they can focus on supporting children's learning through play. This study will be of interest to researchers, educators, policymakers and teacher educators.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,061
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,392
Écart entre enseignants0,354 · 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 source (Gemma direct ou Codex distillé), 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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRUNE (Research UNE)Même sujetEarly Childhood Education and DevelopmentTravaux en français237 207