The influence of ecosystemic factors on Black student teachers’ perceptions and experiences of Early Childhood Education
Notice bibliographique
Résumé
Post-1994 welcomed political transformation in South Africa which also brought about change in the educational sector since Black students had access to former White universities. Contrary to the growing number of Black students, the impetus for this study was found in the short supply of Black student teachers in ECE. Moreover, this study attempted to investigate how ecosystemic factors influenced the low enrolment of Black student teachers as well as their perceptions and experiences of the ECE programme at a former White university. The study was conducted from a qualitative, case study approach. The various data collection techniques, such as photo voice, narratives, semi-structured interviews and a focus group interview with five final year student teachers yielded the following results: Various ecosystemic factors influenced Black student teachers’ perceptions and experiences of ECE. First, the history of education in South Africa has had a detrimental effect on the experiences and perceptions of Black students in ECE, as well as a negative influence on the status of ECE. Second, Black students are under-prepared for their studies at tertiary level which results in negative academic experiences for the students, as well as a high dropout rate. Third, and most recurrently, it was evident that economic circumstances affect Black student teachers in terms of academic status, support offered by the HEI and enrolment into ECE teacher training. Fourth, societal factors such as the communities’ perception of, and the low regard that they hold for ECE, influenced Black students’ decisions to consider this phase of teaching as a career. Finally, personal factors, unique to each individual Black student teacher, influenced their perceptions and experiences of ECE.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».