Should I stay, or should I go? A mixed method study of pre-service English second language teacher efficacy-identity development in Quebec
Notice bibliographique
Résumé
Research tells us that teachers with high self-efficacy are more resilient and less likely to leave the profession. It also tells us that teacher self-efficacy (TSE) beliefs are most pliable early in learning, and that teacher education programs are a key site for professional identity construction. In this dissertation, I use a mixed method approach to look at the ways in which pre-service English Second Language (ESL) teachers from two different universities in Quebec developed their self-efficacy within their professional teacher identity. I collected quantitative data before and after a major practicum to see if experiences during the practicum influenced the participants’ TSE scores or their intentions to remain in the teaching profession. I also collected narrative, thematic and graphic data at three different times during the practicum to explore what kinds of experiences the participants were having and how these experiences influenced their understanding of the kind of teacher they were becoming. Key findings from this research suggest: 1) that teacher-self efficacy (TSE) and professional identity development does occur during the practicum; 2) that recognition of status from students and members of the teaching community is essential to building professional identity; 3) that TSE is most effectively built through a process of trial, error and reflection – especially when teaching alone; and finally that 4) the structure of evaluation creates conditions unfavourable for the consolidation of either TSE or professional identity. The dissertation concludes with a discussion of the ways in which its findings will contribute to our understanding of the role teacher education programs can play in preventing future language teacher attrition
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,003 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».