Pre-Service Teachers using Social Media: Self-Concept in Online Spaces
Notice bibliographique
Résumé
With the expansion of personal interactions to online spaces, specifically through social media, individual identity and self-concept development can be subjected to a variety of interactions, experiences, and comparisons. For pre-service teachers (PTs), interactions through social media can be experienced through a personal and professional lens. This research aimed to understand better the relationship between PT self-concept and social media use. A survey design method with Likert scale instruments was used to determine potential correlations between PT self-concept clarity and self-presentation across personal and professional spheres online. Univariate correlational analyses were run between the four Likert scale tools, and results indicated a weak, positive relationship between self-concept clarity and self-presentation. Self-concept differentiation was addressed by analyzing the open-ended questions at the end of the survey, using a thematic qualitative approach. Results of the qualitative analysis suggested that PTs exhibited a high level of self-concept differentiation as they considered the content of what they posted and presented online for both personal and professional accounts, meaning they accurately utilized the desired self-concept traits for the differing environments. The findings showed that PTs’ self-presentation in online spaces often aligned with their understanding of who they are and who they want to be, and they consider a variety of scenarios when presenting themselves online, including future careers, self-image, and the professionalism of teaching. The findings also showed that PTs compare themselves to others within the program, often feeling a sensation of intimidation, competitiveness, and perfectionism. An implication for teacher education is for programs to provide additional support for PTs who struggle to navigate the competitiveness of a professional program, their own professional identity, and the concept of moral and ethical duties within their roles as PTs and future teachers.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».