Impact of Teachers’ Motivational Indices on Science Students’ Academic Performance in Nigerian Senior Secondary Schools
Notice bibliographique
Résumé
The impact of science teachers’ motivation on science students’ academic performance in Senior Secondary Schools in Ondo and Ekiti States of Nigeria was investigated in this study. This was a descriptive survey research which was questionnaire based and past WAEC O/L ((May/June 2008 and 2009) student results on the science subjects. The population of the study was all public Secondary Schools (science teachers and students) in Ekiti and Ondo States, Nigeria. A stratified random sampling was used to select a total of five hundred and ten (510) science teachers (male and female) from Ekiti and Ondo States from the selected schools for the study. And a total six thousand eight hundred (6,800) Science Students (male and female) from the selected schools was also considered in the study. In each of the school selected for the study, only teachers of Biology, Chemistry and Physics were involved in the sample and the students that registered and wrote Biology, Chemistry and Physics WAEC examination of May/June 2008 and 2009 in Ekiti and Ondo states of Nigeria. The data collected for the study were analyzed using descriptive analysis, Multiple Regression analysis and Pearson Product Moment Correlation. All the hypotheses were tested at 5 % level of significance. Among others, the study revealed that; there was significant relationship between regular payment of science teachers’ allowance and academic performance of science students; there was significant relationship between regular teachers’ participation in seminars/ workshops and academic performance of science students. Also, there exist statistical significant relationship between granting of study leave with pay to science teachers and academic performance of science students. As a result of the findings, it was recommended that the adequate science allowance should be regularly paid to the science teachers to enhance their excellent performance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».