Bridging knowledge and practice: evidence from pre-service early childhood teachers’ PCK implementation in their teaching practicum
Notice bibliographique
Résumé
This study investigates the role of Pedagogical Content Knowledge (PCK) in equipping pre-service early childhood education teachers with essential skills for addressing practical classroom challenges. Using a mixed-methods approach, the research analyzed data from 45 female pre-service teachers across six educational institutions, combining quantitative surveys with in-depth qualitative interviews. Statistical analysis revealed strong intercorrelations among teaching competencies (ρ = 0.58–0.78, p < .01), with a single dominant factor explaining 65.3% of competency variance. Curriculum confidence (β = 0.72, p = .020) and teaching aids competence (β = 0.61, p = .035) emerged as significant predictors of PCK integration ability. Thematic analysis identified four key dimensions of PCK implementation: concept simplification and concretization, multimodal teaching strategies, resource adaptation, and assessment-driven modifications. Notably, experience with special needs students showed positive correlations with developmental understanding (ρ = 0.29, p = .036), teaching aids competence (ρ = 0.28, p = .048), and PCK integration ability (ρ = 0.31, p = .024), though 72% of participants reported no such experience. The findings suggest that enhancing pre-service teacher preparation requires coordinated efforts across institutional, curricular, and practical training domains, with particular emphasis on expanding exposure to diverse learner needs and strengthening technological integration with traditional pedagogical approaches. This study contributes to the theoretical understanding of PCK development while offering practical implications for teacher preparation programs and professional development initiatives.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».