Improving Teacher Preparedness and Capacities: Narrowing the Gap to Support Youth Mental Health in a Catholic High School
Notice bibliographique
Résumé
A significant proportion of youth enrolled in Ontario high schools struggle with mental health challenges, and educators lack the necessary readiness and capacities to address these issues. To address the problem of practice (PoP), this dissertation-in-practice (DiP) endeavours to create subject-specific professional learning communities (PLCs) with the dual objective of improving teacher preparation to effectively deal with student mental health challenges and foster collective teacher efficacy (CTE) at Central Catholic High School (CCHS). There is a definite correlation between the recent global pandemic, student well-being, mental health, and academic achievement. Considering this, CCHS must increase teacher interventions, engage policies that promote greater equity, and enhance coordination across its teaching staff and student support systems. The DiP is framed by critical social justice and Catholic social teaching (CST). The combined framework is incorporated into Kotter’s (2014) eight-step change model, which is supplemented by collaborative teacher inquiry (CTI) and appreciative inquiry (AI), to facilitate a comprehensive, school-wide improvement plan to enhance collective teacher efficacy (CTE) and support student mental health. The implementation and communication strategies are guided by the Kotter change model and AI to promote learning throughout the change process.\n Keywords: appreciative inquiry, Catholic social teaching, collective teacher efficacy, collaborative teacher inquiry, critical social justice, faith-based leadership, transformative leadership
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».