Using LEGO® Six Bricks® as an educational resource to address challenges pre-service teachers face during school-based teaching practice
Notice bibliographique
Résumé
Pre-service teachers in South Africa frequently encounter challenges during school-based teaching practice, including a persistent theory-practice gap, insufficient mentorship, difficulties in classroom management, and struggles with curriculum differentiation. This study investigates the use of LEGO® Six Bricks®—a play-based, low-cost, and scalable educational resource—as a pedagogical tool to address these recurring challenges. Adopting a Participatory Action Learning and Action Research (PALAR) approach within a transformative paradigm, six final-year Foundation Phase students from a South African university were purposively selected to integrate LEGO® Six Bricks® into their teaching practice placements. Data collection was guided by PALAR and framed by Kolb’s experiential learning theory, enabling iterative cycles of planning, implementation, reflection, and adaptation. Key findings indicate that the use of Six Bricks® not only enhanced learners' engagement and pre-service teachers’ confidence, but also significantly contributed to developing professional identity, building rapport with mentor teachers, and facilitating inclusive pedagogical practices. Moreover, participants demonstrated increased pedagogical agency through curriculum innovation, classroom management strategies, and formative assessment techniques. The study concludes that experiential engagement with playful resources such as Six Bricks® fosters reflective practice and bridges both the theory-practice and belief-practice gaps in teacher education. It recommends structured training, reflective mentorship, and continued research into contextually relevant, low-threshold pedagogical tools to better prepare student teachers for the complexities of South African classrooms.
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 | 0,007 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».