Teachers’ Social Goal Orientations with the Job Demands-Resources Model: Data and Analysis Files
Notice bibliographique
Résumé
These files contain the anonymized data used to create the tables and figures found in "Exploring Teachers’ Social Goal Orientations with the Job Demands-Resources Model". <br><br>Please refer to the abstract for the paper below: <br>Positive teacher-student relationships are recognized as critical social resources for promoting dyadic well-being and adaptive instruction. However, there is scarce research on the relationship between teachers’ motivation for connecting with students and teachers’ psychological adjustment. To explore the relationship, this study applied the job demands-resources model to investigate how teachers’ social goal orientations corresponded with their well-being, job satisfaction, and school commitment, with burnout and work engagement as mediating variables. Whereas teachers’ social mastery-approach goals (attempting to improve student relationship-building competencies) were expected to serve as beneficial psychological resources, their social work-avoidance goals (putting minimum effort into student relationships) were hypothesized to function as would detrimental occupational demands. Findings from mediational structural equation modeling of questionnaire responses from Canadian K-12 teachers (N = 154) showed teachers with stronger social mastery-approach goals to be more engaged and, in turn, report greater well-being, job satisfaction, and school commitment. In contrast, teachers with stronger social work-avoidance goals reported less work engagement that was further associated with lower well-being and job satisfaction, as well as greater burnout and, in turn, poorer job satisfaction. Implications concerning teachers’ interpersonal appraisals and psychological health initiatives were discussed.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,011 | 0,013 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».