MétaCan
Menu
← Retour à la cohorte
Enregistrement W7079636458 · doi:10.5281/zenodo.17024063

Exploring Teachers' Fears and Resistance when Learning about Culturally Responsive Pedagogy in the Mathematics Classroom

2025· article· en· W7079636458 sur OpenAlexaffabout

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésPraxisResistance (ecology)Thematic analysisIdeologyTeacher educationProfessional developmentVariety (cybernetics)

Résumé

récupéré en direct d'OpenAlex

In this study, we examine the fears and resistance of prospective and practicing teachers (PPTs) toward culturally responsive pedagogy (CRP) in mathematics classrooms. Drawing on reflective journal assignments collected during several offerings of a teacher education course in Canada, we ground our analysis in Ladson-Billings’ elements of a culturally relevant pedagogy and extend it through our COFRI model (Challenges, Opportunities, Fears, Resistance, Insights). Our use of thematic analysis with PPTs’ reflections reveals that PPTs experience mathematical, pedagogical, and ideological fears, alongside forms of resistance which can also be categorized as mathematical, pedagogical, and ideological. These PPT-expressed fears and resistance serve as barriers to developing one’s CRP, highlighting tensions between personal and professional identity, systemic constraints, and the complexities of implementing CRP. To address these barriers, we introduce reflective praxis tools that encourage PPTs to confront and navigate their fears and resistance. Through this research, we aim to advance understandings of CRP in mathematics education and offer actionable strategies for promoting equitable and culturally responsive teaching practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,019
Communication savante0,0130,007
Science ouverte0,0020,012
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,269
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetGeochemistry and Geologic Mapping→Travaux en français237 207→