The Impact of COVID-19 on Teacher’s Psychological Well-Being and Attrition: A Qualitative Post-Pandemic Exploration
Notice bibliographique
Résumé
According to the literature, teachers’ perceptions of teaching before, during, and after COVID-19 vary based on psychological factors, access to teaching materials and resources, induction programs, and leadership staff. Addressing the gaps in the literature, the aim of this study was to explore the perceptions of teachers who recently left the teaching profession before, during, and after COVID-19 (2020-2024) and the psychological factors that led them to leave the teaching profession. Semi-structured interviews were conducted with elementary and secondary teachers (n = 8) from multiple cities throughout Ontario, Canada with most participants from the Greater Toronto Area. The data were analyzed using a reflexive thematic analysis. Three themes emerged: 1) Teaching During COVID-19 (subthemes included classroom management, challenges related to delivering online teaching materials, COVID-19 protocols in the classroom, and student challenges during COVID-19); 2) Supports for Teachers (subthemes included supports for teachers, safety measures implementation, government support, training and induction program experiences); and 3) Psychological Impacts (subthemes included self-actualization through personal fulfilment, fear of instability during the pandemic, stress and burnout, leaving the teaching profession, and listening and support). The findings are interpreted through the lens of Maslow’s (1943) hierarchy of needs and Weber’s (1936) social action theories and related to the existing literature. The limitations, implications, and directions for future research are discussed.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».