MARC

 008250123s2024        us                              c    eng  d
■001000017162146
■00520250211151938
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382774503
■035    ▼a(MiAaPQ)AAI31301770
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a370
■1001  ▼aYo,  Jeffrey.
■24510▼aBridging  the  Gap:  The  Influence  of  Teacher-Student  Racial/Ethnic  Matching  in  Addressing  Science,  Technology,  Engineering,  and  Mathematics  Underrepresentation  Among  High  School  Students  of  Color
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a170  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-11,  Section:  B.
■500    ▼aAdvisor:  Mistry,  Rashmita  S.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2024.
■520    ▼aBlack,  Latine,  and  Indigenous  students  continue  to  face  inequities  in  high  school  Science,  Technology,  Engineering,  and  Mathematics  (STEM)  outcomes  in  the  United  States  (US).  Racial  disparities  between  teachers  and  students  contribute  to  this  issue,  as  teachers  of  color  represent  less  than  thirty  percent  of  public-school  educators,  while  most  US  youth  are  of  color.  Although  prior  research  has  emphasized  the  importance  of  racial/ethnic  matching  between  teachers  and  students,  limited  knowledge  exists  about  how  matching  can  assist  high  school  students  of  color  in  STEM  high  school  outcomes  (e.g.,  STEM  course  enrollment,  math/science  GPA).  Additionally,  previous  research  has  traditionally  focused  on  Black  and  White  teachers  and  students,  overlooking  diverse  teacher-student  pairings  (e.g.,  Black  teacher  with  Latine  students).  Therefore,  my  two-study  dissertation  explored  the  mechanisms  by  which  teacher-student  racial/ethnic  matching  influences  STEM  outcomes  for  high  school  students  of  color,  including  diverse  groupings  of  specific  teacher-student  pairs.  Study  1  investigated  the  mechanisms  by  which  racial/ethnic  teacher-student  match  is  associated  with  high  school  students  of  color's  math  and  science  GPA,  via  a  structural  equation  model  using  data  from  the  High  School  Longitudinal  Study  of  2009.  Results  revealed  a  nonsignificant  or  negative  association  between  teacher-student  racial/ethnic  matches  and  student  GPA,  as  well  as  teacher-led  factors  and  student  engagement.  However,  student  engagement  and  teacher-led  factors  were  significantly  associated  with  student  GPA,  independent  of  teacher-student  racial/ethnic  matches.  Study  2  continued  this  investigation  and  analyzed  interview  data  of  high  school  math  and  science  teachers  of  color  to  explore  how  they  perceive  and  work  with  students  of  color.  Participants  spoke  to  employing  an  intersectional  approach  when  engaging  and  teaching  their  students,  leveraging  not  only  their  racial/ethnic  identity  but  also  other  identities  such  as  language,  gender,  immigration  status,  and  socioeconomic  class.  Overall,  results  emphasize  the  importance  of  nuance,  suggesting  that  improving  STEM  outcomes  for  students  of  color  requires  consideration  of  multiple  factors  beyond  race,  such  as  enhancing  the  school  environment,  improving  teacher  practices  and  dispositions,  and  connecting  with  students  of  color  through  shared  identities  in  addition  to  race/ethnicity.  By  recognizing  this  complexity,  policies  and  practices  can  best  support  students  of  color  and  ultimately  help  reduce  the  racial  underrepresentation  in  STEM.
■590    ▼aSchool  code:  0031.
■650  4▼aEducation
■650  4▼aDevelopmental  psychology
■650  4▼aEducational  psychology
■650  4▼aScience  education
■653    ▼aMinority  students
■653    ▼aMinority  teachers
■653    ▼aTeacher  perceptions
■653    ▼aEthnic  matching
■653    ▼aRacial  matching
■690    ▼a0515
■690    ▼a0620
■690    ▼a0525
■690    ▼a0714
■71020▼aUniversity  of  California,  Los  Angeles▼bEducation  0249.
■7730  ▼tDissertations  Abstracts  International▼g85-11B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162146▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서