The Implementation of Mother Tongue-Based Multilingual Education: Seeing It from the Stakeholders’ Perspective
Notice bibliographique
Résumé
<p>Mother Tongue Based-Multilingual Education (MTB-MLE) has carved its niche as a practical and effective approach in the educational landscape. It offers a plausible framework for preparing coming generations to become better adaptive and even rich contributors in the globalized and intercultural world. The gate to the new millennium has brought great zeal in and at the same time contestations around this educational alternative.</p><p>This study examined the stakeholders’ perspective on the implementation of MTB-MLE as a pedagogical approach. The stakeholders’ perspective were explored and analyzed through the results of the different focus group discussions among teachers, pupils, parents, local school board, parents-teachers and community association, non-government organization and local government unit.</p><p>Results from this study indicate four main benefits of MTB-MLE, namely: expressing better ideas, building self-confidence, better retention, and promoting friendly environment.</p><p>Meanwhile, the challenges which hinder the implementation of MTB-MLE are grouped into four significant themes: multilingual environment, difficulty in translation, inadequacy of instructional materials, and mandatory compliance to the Department of Education (DepEd) order.</p><p>The significance of the results of this study points out important actions the program can benefit Filipino pupils. Notably, a system that emanated from the higher authorities in which grassroots sector were not consulted, the Department of Education (DepEd) order should be executed by an interface between the higher level management and the local stakeholders. Involving them can undoubtedly contribute in the success of MTB-MLE.</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.
Comment cette classification a été obtenuedéplier
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 | 0,067 |
| 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».