MétaCan
Menu
Retour à la cohorte
Enregistrement W1992915841 · doi:10.5430/wje.v2n5p1

Effect of Availability and Utilization of Physics Laboratory Equipment on Students’ Academic Achievement in Senior Secondary School Physics

2012· article· en· W1992915841 sur OpenAlexvenueno aff
Bello Theodora Olufunke

Notice bibliographique

RevueWorld Journal of Education · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueScience Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChecklistMathematics educationData collectionDescriptive statisticsAchievement testMedical educationPsychologyMathematicsStatisticsStandardized testMedicine

Résumé

récupéré en direct d'OpenAlex

The study determined the available Physics Laboratory Equipment (PLE) for the teaching and learning of physics in senior secondary schools in Nigeria as well as the extent of utilizing the available equipment. The research design adopted for the study was descriptive survey. The sample consisted of nine hundred students who were randomly chosen and fifty Physics teachers who were purposively selected from forty five senior secondary schools in the south western region of Nigeria.Three instruments were used for the collection of data for the study. They are a self-designed questionnaire tagged "Physics Laboratory Equipment Questionnaire" (PLEQ) with reliability of 0.72, a checklist of Physics equipment and Physics Achievement Test (PAT) to measure students’ achievement. The results showed that the optimal utilization of physics laboratory equipment is effective in the teaching of Physics. The federal schools had the maximum adequately utilized PLE and had the highest mean score,followed by the private schools while the public schools with the minimum available equipment and least utilization capacity had the minimum mean score. The study concluded that science laboratory with adequate equipment is a critical variable in determining the quality of output from senior secondary school Physics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,430
Écart entre enseignants0,380 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetScience Education and PedagogyTravaux en français237 207