Well-being Practices, Rhythms, and Commitments: Perspectives from Early-Career Teachers in British Columbia, Canada
Notice bibliographique
Résumé
One of the ways to address stress and burnout in the teaching profession is by paying attention to teacher well-being. Seligman (2011) argued that there are five pillars of emotional health: positive emotions, engagement, positive relationships, meaning, and accomplishment, also known as the PERMA theory of well-being. This article details an action-research study that examined what PERMA-related practices, rhythms, and commitments teachers in British Columbia believed were the most influential in contributing to their overall wellness. Eight initial participants, who taught full-time, had at least three years of experience, and generally enjoyed their profession, were recruited from a public school and an independent school in British Columbia, Canada. Initial participants completed a quantitative well-being assessment known as the PERMA-Profiler, to identify a group of three teachers who would be appropriate for participation in the follow-up, qualitative, one-on-one interviews. Content analysis of teacher perspectives revealed an emphasis on the actions related to three key themes: the power of relationships, practicing gratitude through reflection, and intentionality surrounding time investment and allocation. This article concludes with implications for how to help teachers flourish, describing various practices, rhythms, and commitments that are beneficial for educators’ pursuits of emotional wellness.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,039 | 0,006 |
| Communication savante | 0,006 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».