MétaCan
Menu
Retour à la cohorte
Enregistrement W4415680938 · doi:10.5539/elt.v18n11p181

Teacher Emotional Support and Academic Outcomes of Migrant Children in Urban China: A Qualitative Study

2025· article· W4415680938 sur OpenAlexvenueno aff
Yan Wu, Yufei Zhang, Guangmei Huang

Notice bibliographique

RevueEnglish Language Teaching · 2025
Typearticle
Langue
DomaineSocial Sciences
ThématiqueParental Involvement in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmotional supportPerceptionFace (sociological concept)Qualitative researchGrounded theoryAcademic achievementDual (grammatical number)China

Résumé

récupéré en direct d'OpenAlex

As China undergoes rapid urbanization, millions of children from migrant families face challenges integrating into urban education systems. Teacher emotional support plays a potentially significant role in the academic development of these children, yet its specific effects remain underexplored. This study employs grounded theory methodology to examine the perceptions of 5 fifth-grade migrant children in a public primary school in Guangzhou, China. Data were collected through semi-structured interviews and analyzed via open and axial coding. We find that academic-oriented emotional support from teachers, including classroom participation, academic expectations, and engaging teaching strategies, positively influenced children’s motivation and academic performance. Conversely, insufficient emotional availability, uneven attention, and negative emotional expression from teachers hindered student engagement. Many children relied on peers, parents, or technology for support due to limited access to their teachers. The study reveals an imbalance in teacher support, with academic performance prioritized over emotional well-being. Holistic teacher training and educational policy reforms are needed to better support the dual academic and emotional needs of migrant children.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,393
Écart entre enseignants0,368 · 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'étudeQualitatif
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnglish Language TeachingMême sujetParental Involvement in EducationTravaux en français237 207