Teachers’ Knowledge and Readiness towards Implementation of School Based Assessment in Secondary Schools
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p class="apa">School-Based Assessment (SBA) was implemented in Malaysian secondary schools in 2012. Since its implementation, teachers have faced several challenges to meet the aims and objectives of the School-Based Assessment. Based on these challenges this study aims to find the level of teachers’ knowledge and readiness towards the implementation of school-based assessment (SBA). The study was conducted in 15 daily secondary schools in the state of Kedah, which is situated in the northern part of Malaysia, bordering Thailand. 155 teachers were randomly selected from a total of 260 teachers. This study used 2 questionnaires to assess teachers’ knowledge and readiness to implement SBA. The questionnaire was adapted from Alabah (2012) which was designed to assess the teachers’ knowledge (30 items) and readiness (35 items) on Nigerian teachers’ perception of SBA. This questionnaire used a 4-point Likert-type scale with strongly disagree e to strongly agree. The findings provide evidence that the knowledge of the teachers in terms of 5 dimensions, that is, conducting SBA, bands in SBA, knowledge of evaluating SBA, SBA procedural knowledge and knowledge of implementation of SBA. The overall mean (3.27) for the level of teachers’ knowledge towards SBA shows that all the teachers agree that they have the knowledge about SBA. In terms of readiness, the mean (3.09) shows that all the teachers agree that they are ready to implement SBA. The comparison of the two means suggest that teachers have relatively more knowledge but are less ready to implement the SBA. The implication here is that teachers feel that their level of knowledge is not complete and more initiatives need to be taken by the educational authorities so that teachers are more confident of their level of readiness.</p>
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle