Chinese Pre-Service Students’ Cross-Cultural Perceptions on Canadian Generalist Teachers Contextualized in Reciprocal Learning Program: A Narrative Inquiry
Notice bibliographique
Résumé
In Canadian elementary schools, teachers are under increasing pressure to be generalist practitioners in all subjects which are becoming more and more specialized and complex based on elementary curriculum (Pollock & Minszak, 2015) and at same time they are under pressure to be specialist teachers in certain subject areas such as math(Stokke, 2015). According to Ontario College of Teachers, “Ontario applicants who complete their application for a certificate of qualification and registration on or after March 31, 2020 must pass a Mathematics Proficiency Test in order to become certified, whether or not the application was started before that date”. How Chinese pre-service teachers from a different teaching tradition view a totally different teaching tradition can provide valuable insights to Canadian policy makers and educators, especially when high-risk test and accountability are highly stressed in Canada. This study is to explore Chinese pre-service teachers’ cross-cultural perceptions on generalist teachers in Canadian elementary schools when they did their cross-cultural placement through Reciprocal Learning Program with narrative inquiry as its methodology. Reciprocal Learning as Partnership (Xu & Connelly, 2017) shapes the theoretical framework. Chinese students’ weekly reflection, weekly debriefing and casual talks are the data of this study and thematic data analysis is the method of data analysis. The results show that from Chinese pre-service teachers’ cross-cultural understanding, generalist and specialist teachers have both advantages and disadvantages. Chinese teachers need to be cautioned to borrow this type of teaching method, and Canadian teachers need to be more specialized in some subjects such as math and science.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,007 |
| Communication savante | 0,004 | 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) | 0,003 | 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 ».