Notice bibliographique
Résumé
In real-world classroom settings, teachers regulate their emotions on a daily basis contributing to a persistent disconnect between the emotions teachers actually experience and those they choose to express. Accordingly, teachers routinely hide or fake discrete positive and negative emotions in the classroom, with this "emotional labour" being associated with not only lower teacher motivation and poorer physical health, but also higher rates of burnout and attrition. The current dissertation represents a composite of three separate manuscripts including both a systematic review as well as large-scale empirical study with 1,086 teachers from across Canada conducted in collaboration with 22 teachers' associations and unions across seven provinces and territories. The first manuscript employed a systematic review and meta-analysis synthesizing the results of previous research concerning teachers' emotional labour, their antecedents, and influences on teachers' psychological, physiological, and behavioural outcomes. The second manuscript utilized advanced structural equation modeling with latent interactions to demonstrate empirical support for hypothesized effects of teachers' personal values, perceived school values, and value congruence on teachers' emotional labour behaviours and psychological adjustment. Finally, the third manuscript provided an intensive methodological perspective concerning the measurement of teachers' emotional labour by way of competitive latent models and a multitrait-multimethod analysis of a newly developed self-report measure of teachers' emotional labour with respect to various discrete emotional experiences. Study findings observed concerning the structure as well as antecedents, correlates, consequences of teachers' emotional labour across these dissertation studies make significant contributions towards better understanding of teachers' motivation, emotions, and emotion expression in the teaching context, and may serve to inform teacher development initiatives by underscoring the critical, multifaceted role of emotional labour for teachers, administrators, and students.
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 | 0,029 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».