public goods

Teacher education (TE) policy is often caught between preparing teachers as agents of social change and a narrow ‘teacher effectiveness’ paradigm. This article examines this tension in Norway, where egalitarian traditions meet global neoliberal accountability discourses. Analysing the pivotal Norwegian TE curriculum policy document, Stortingsmelding nr. 11 (Minstry of Education and Research, 2008–2009), the study uses the Public Good Professionalism (PGP) framework as an analytical lens to assess the extent to which the policy enables the development of teachers as transformative public good professionals. We employ an AI-assisted deductive content analysis using a multi-coder ensemble of nine GPT-4 assistants configured with diverse parameters (temperature and top_p) to provide a parametric stress-test of the coding scheme. Findings reveal a significant discrepancy between stated social equality goals and substantive content. Capabilities explicitly addressed in policy (e.g. Informed Vision) show high ensemble convergence but are instrumentally reframed, stripped of their transformative potential. Conversely, capabilities essential for social justice (e.g. Social and Collective Struggle) show the lowest convergence, reflecting their marginalization. The study concludes that the policy prioritizes a ‘proficient technician’ over a ‘public good professional’, revealing a fundamental structural barrier to socially just teacher education in Norway.

سیاست آموزش معلمان (TE) اغلب میان آماده‌سازی معلمان به عنوان عاملان تغییر اجتماعی و پارادایم محدود «اثربخشی معلم» گرفتار می‌شود. این مقاله به بررسی این تنش در نروژ می‌پردازد، جایی که سنت‌های برابری‌طلبانه با گفتمان‌های جهانی پاسخگویی نئولیبرالی تلاقی می‌کنند. با تحلیل سند سیاستی کلیدی برنامه درسی آموزش معلمان نروژ، Stortingsmelding nr. 11 (وزارت آموزش و پژوهش، ۲۰۰۸–۲۰۰۹)، این مطالعه از چارچوب Public Good Professionalism (PGP) به عنوان لنز تحلیلی برای ارزیابی میزان توانمندسازی سیاست مذکور در توسعه معلمان به عنوان حرفه‌ای‌های تحول‌آفرین خیر عمومی بهره می‌گیرد. ما از تحلیل محتوای قیاسی با کمک هوش مصنوعی و با استفاده از گروهی متشکل از نه دستیار GPT-4 با پارامترهای متنوع (temperature و top_p) برای آزمون پارامتریک طرح کدگذاری استفاده می‌کنیم. یافته‌ها نشان می‌دهند که شکاف قابل توجهی میان اهداف اعلام‌شده برابری اجتماعی و محتوای واقعی وجود دارد. قابلیت‌هایی که به طور صریح در سیاست مورد توجه قرار گرفته‌اند (مانند Informed Vision) همگرایی بالایی در گروه دارند اما به صورت ابزاری بازتعریف شده و از پتانسیل تحول‌آفرین خود تهی شده‌اند. در مقابل، قابلیت‌هایی که برای عدالت اجتماعی ضروری‌اند (مانند Social and Collective Struggle) کمترین میزان همگرایی را نشان می‌دهند که بیانگر به حاشیه رانده شدن آن‌هاست. مطالعه نتیجه می‌گیرد که سیاست مذکور «تکنسین ماهر» را بر «حرفه‌ای خیر عمومی» اولویت می‌دهد و یک مانع ساختاری بنیادین برای آموزش معلمان عادلانه در نروژ را آشکار می‌سازد.