Navigating Teacher Professionalism in Autoethnography: Ethical and Occupational Dilemmas in Professional Learning Reflections
Notice bibliographique
Résumé
Ongoing professional learning and engaging in practitioner-based research are characteristic qualities of teachers’ transformative professionalism. Autoethnography may align with the objectives of promoting autonomous adult learning through systematic reflection to enhance professional practice. Through an autoethnographic method, I generate a vignette disseminating my experiences as a public school teacher engaging in autoethnography as a reflective professional learning strategy to bolster my pedagogical/collegial practices. Findings generated via my reflective inquiry demonstrated that autoethnography may advance teachers’ transformative professionalism through autonomous exercise of knowledge and self-directed learning, and may bridge the gaps between theory and praxis in educational contexts. However, my vignette further revealed the confining tensions in which organizational professionalism ideology may simultaneously control and impede the scope, content, and dissemination of teachers’ autoethnographies, resulting in subtle forms of self-censorship. Further, this study generates new methodological insights into the procedural construction of a teacher’s autoethnography, specifically revealing the ethical challenges I navigated as a teacher engaging in autoethnography, a process that necessitated difficult decision-making regarding my own willingness to be occupationally vulnerable and measures to safeguard students’ confidentiality. Consequent to this inquiry, I generated practical recommendations to guide teachers interested in engaging autoethnography as a learning reflection tool and outline considerations to ensure authors’ physical, emotional, and occupational safety.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».