An Exploration of Teachers’ Approaches to Positive Education and Character Development: Curriculum Implementation, Assessment, and Outcomes
Notice bibliographique
Résumé
Adolescence is highly influenced by significant physical, biological, and psychological changes, as well as by one’s environment; in turn, negative emotions such as depression, anxiety, and violent behaviour can arise if these influences are not constructive. Additionally, not all children have family support or are raised in an environment that fosters their positive development. In this context, schools may play a vital role, especially through the implementation of positive education and character development programs. Although the current literature presents several studies in this area, there is no consensus in the scholarship regarding the most appropriate practice for implementing positive education and character development initiatives; moreover, there is scarce literature on assessment measurements in this domain. Based on this premise, I explored how an elementary and a secondary teacher at a private boarding school in Southern Ontario implement and assess positive education in the curriculum. Further, I examined the outcomes achieved through positive education by these teachers, as well as the related impact on students’ character development. Using a qualitative thematic analysis, I was provided with substantial data through in-depth interviews with the participants. Findings indicate that teachers are the main individuals responsible for the development of positive education initiatives, and their preparedness and motivation to teach promotes positive outcomes. Furthermore, although no formal strategies to measure their outcomes were reported, the study findings reveal that participants’ approaches to positive education – either through character strengths or the promotion of positive states, such as positive relationships, engagement, and positive emotions – have constructively influenced the development of students’ characters.
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 | 0,009 | 0,025 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».