Background On 20 March 2020, in response to COVID‐19, UK schools were closed to most pupils. Teachers were required to put remote teaching and learning in place with only two days’ notice from the government. Aims The current study explores teachers’ experiences of this abrupt change to their working practices, and during the 5–6 weeks that followed. Sample Twenty‐four teachers from English state schools were interviewed, representing mainstream primary and secondary schools and a range of years of experience and seniority. Methods Participants were asked to tell stories of three key scenes during the first 5–6 weeks of lockdown: a low point, a high point, and a turning point. A reflexive thematic analysis of their narratives was conducted. Results and Conclusions Six themes were identified: uncertainty , finding a way , worry for the vulnerable , importance of relationships , teacher identity, and reflections . Teachers’ narratives suggest that, after an initial period of uncertainty they settled into the situation and found a way forward, supported by strong relationships. However, they remain extremely worried about the most vulnerable pupils and want more joined‐up thinking from the government on how to support them effectively, along with clarity from policymakers to enable planning ahead. Teachers reflected on how to use their learning during this period to improve pupils’ experiences of education post‐COVID‐19, and on how aspects of shared teacher identity have worked as stressors and coping mechanisms. These initial interviews form the baseline for a longitudinal interview study of teachers’ experiences of COVID‐19 in England.

Teacher attrition continues to be a concern for school leaders and policymakers in many countries. To help further understand why teachers leave the profession and to inform the development of targeted interventions to reduce this phenomenon, in the present study we aimed to provide the first meta-analytic examination of (a) the relationship between burnout and teachers' intentions to quit, (b) the relationship between job satisfaction and teachers' intentions to quit, and (c) whether burnout or job satisfaction is more important in predicting teachers' intentions to quit. Random-effects meta-analyses indicated that the three dimensions of burnout showed significant positive relationships with teachers' intentions to quit (exhaustion [r+ = .41], depersonalization [r+ = 0.32], and reduced accomplishment [r+ = 0.21]). In addition, there was evidence that the strength of these relationships has increased over time. Job satisfaction showed a significant negative relationship with teachers' intentions to quit (r+ = −0.40). Burnout dimensions also showed significant negative relationships with job satisfaction (exhaustion [r+ = −0.42], depersonalization [r+ = −0.38], and reduced accomplishment [r+ = −0.30]). Multiple regression analyses based on these meta-analytic effects indicated that burnout and job satisfaction together explained 27% of the variance in teachers' intentions to quit. Finally, relative importance analyses indicated that burnout symptoms accounted for the majority of this explained variance. These findings suggest that burnout and job satisfaction are highly important in predicting teachers’ intentions to quit, but it appears that, although they are related, burnout may confer a greater risk than job satisfaction confers protection, and this risk may be increasing over time.

The question of what makes a good teacher has been asked by practitioners, policymakers, and researchers for decades. However, there is no guiding framework about which qualities are important for teachers. Thus, it is necessary to examine these qualities using a recognized framework and to summarize the previous literature on this topic. We conducted a meta-analysis on the 25 studies (total N = 6294) reporting the relationships between teacher Big Five personality domains (openness, conscientiousness, extraversion, agreeableness, and emotional stability) and two teacher job-related outcomes (i.e., teacher effectiveness and burnout). Furthermore, the influence of three moderators was assessed, namely, the type of teacher effectiveness measure (i.e., evaluations of teaching, student performance self-efficacy, classroom observation, and academic achievement), source of personality report (i.e., self-report vs other-report), and the instructed educational level (i.e., elementary, secondary, and tertiary). Overall, teacher Big Five domains (except for agreeableness) were positively associated with teacher effectiveness, especially for evaluations of teaching. Furthermore, teacher emotional stability, extraversion, and conscientiousness were negatively associated with burnout. Other-reports of teacher personality were more strongly associated with outcomes than self-reports. There were no differences in the strength of the associations between the educational levels. The need for using common descriptors in teacher research as well as practical implications of the findings for teacher personality measurement is discussed.

ABSTRACT Understanding the diversity of cell types in the brain has been an enduring challenge and requires detailed characterization of individual neurons in multiple dimensions. To profile morpho-electric properties of mammalian neurons systematically, we established a single cell characterization pipeline using standardized patch clamp recordings in brain slices and biocytin-based neuronal reconstructions. We built a publicly-accessible online database, the Allen Cell Types Database, to display these data sets. Intrinsic physiological and morphological properties were measured from over 1,800 neurons from the adult laboratory mouse visual cortex. Quantitative features were used to classify neurons into distinct types using unsupervised methods. We establish a taxonomy of morphologically- and electrophysiologically-defined cell types for this region of cortex with 17 e-types and 35 m-types, as well as an initial correspondence with previously-defined transcriptomic cell types using the same transgenic mouse lines.

Abstract To elucidate cortical microcircuit structure and synaptic properties we present a unique, extensive, and public synaptic physiology dataset and analysis platform. Through its application, we reveal principles that relate cell type to synapse properties and intralaminar circuit organization in the mouse and human cortex. The dynamics of excitatory synapses align with the postsynaptic cell subclass, whereas inhibitory synapse dynamics partly align with presynaptic cell subclass but with considerable overlap. Despite these associations, synaptic properties are heterogeneous in most subclass to subclass connections. The two main axes of heterogeneity are strength and variability. Cell subclasses divide along the variability axis, while the strength axis accounts for significant heterogeneity within the subclass. In human cortex, excitatory to excitatory synapse dynamics are distinct from those in mouse and short-term plasticity varies with depth across layers 2 and 3. With a novel connectivity analysis that enables fair comparisons between circuit elements, we find that intralaminar connection probability among cell subclasses exhibits a strong layer dependence.These and other findings combined with the analysis platform create new opportunities for the neuroscience community to advance our understanding of cortical microcircuits.

Abstract Human cortical interneurons have been challenging to study due to high diversity and lack of mature brain tissue platforms and genetic targeting tools. We employed rapid GABAergic neuron viral labeling plus unbiased Patch-seq sampling in brain slices to define the signature morpho-electric properties of GABAergic neurons in the human neocortex. Viral targeting greatly facilitated sampling of the SST subclass, including primate specialized double bouquet cells which mapped to two SST transcriptomic types. Multimodal analysis uncovered an SST neuron type with properties inconsistent with original subclass assignment; we instead propose reclassification into PVALB subclass. Our findings provide novel insights about functional properties of human cortical GABAergic neuron subclasses and types and highlight the essential role of multimodal annotation for refinement of emerging transcriptomic cell type taxonomies. One Sentence Summary Viral genetic labeling of GABAergic neurons in human ex vivo brain slices paired with Patch-seq recording yields an in-depth functional annotation of human cortical interneuron subclasses and types and highlights the essential role of multimodal functional annotation for refinement of emerging transcriptomic cell type taxonomies.

Abstract Neocortical layer 1 (L1) is a site of convergence between pyramidal neuron dendrites and feedback axons where local inhibitory signaling can profoundly shape cortical processing. Evolutionary expansion of human neocortex is marked by distinctive pyramidal neuron types with extensive branching in L1, but whether L1 interneurons are similarly diverse is underexplored. Using patch-seq recordings from human neurosurgically resected tissues, we identified four transcriptomically defined subclasses, unique subtypes within those subclasses and additional types with no mouse L1 homologue. Compared with mouse, human subclasses were more strongly distinct from each other across all modalities. Accompanied by higher neuron density and more variable cell sizes compared with mouse, these findings suggest L1 is an evolutionary hotspot, reflecting the increasing demands of regulating the expanding human neocortical circuit. One Sentence Summary Using transcriptomics and morpho-electric analyses, we describe innovations in human neocortical layer 1 interneurons.

The Patch-seq approach is a powerful variation of the standard patch clamp technique that allows for the combined electrophysiological, morphological, and transcriptomic characterization of individual neurons. To generate Patch-seq datasets at a scale and quality that can be integrated with high-throughput dissociated cell transcriptomic data, we have optimized the technique by identifying and refining key factors that contribute to the efficient collection of high-quality data. To rapidly generate high-quality electrophysiology data, we developed patch clamp electrophysiology software with analysis functions specifically designed to automate acquisition with online quality control. We recognized a substantial improvement in transcriptomic data quality when the nucleus was extracted following the recording. For morphology success, the importance of maximizing the neuron’s membrane integrity during the extraction of the nucleus was much more critical to success than varying the duration of the electrophysiology recording. We compiled the lab protocol with the analysis and acquisition software at https://github.com/AllenInstitute/patchseqtools . This resource can be used by individual labs to generate Patch-seq data across diverse mammalian species and that is compatible with recent large-scale publicly available Allen Institute Patch-seq datasets.

The neocortex is disproportionately expanded in human compared to mouse, both in its total volume relative to subcortical structures and in the proportion occupied by supragranular layers that selectively make connections within the cortex and other telencephalic structures. Single-cell transcriptomic analyses of human and mouse cortex show an increased diversity of glutamatergic neuron types in supragranular cortex in human and pronounced gradients as a function of cortical depth. To probe the functional and anatomical correlates of this transcriptomic diversity, we describe a robust Patch-seq platform using neurosurgically-resected human tissues. We characterize the morphological and physiological properties of five transcriptomically defined human glutamatergic supragranular neuron types. Three of these types have properties that are specialized compared to the more homogeneous properties of transcriptomically defined homologous mouse neuron types. The two remaining supragranular neuron types, located exclusively in deep layer 3, do not have clear mouse homologues in supragranular cortex but are transcriptionally most similar to deep layer mouse intratelencephalic-projecting neuron types. Furthermore, we reveal the transcriptomic types in deep layer 3 that express high levels of non-phosphorylated heavy chain neurofilament protein that labels long-range neurons known to be selectively depleted in Alzheimer's disease. Together, these results demonstrate the power of transcriptomic cell type classification, provide a mechanistic underpinning for increased complexity of cortical function in human cortical evolution, and implicate discrete transcriptomic cell types as selectively vulnerable in disease.