Teaching Trajectories and Students’ Understanding of Difficult Concepts in Biology in Obio/Akpor Local Government Area in Rivers State
Notice bibliographique
Résumé
This study investigated the effects of teaching trajectories on students’ understanding of difficult concepts in Biology.Two research questions and two null hypotheses guided the study which was carried out in Obio/Akpor LocalGovernment Area of Rivers State. Two public coeducational schools out of thirteen drawn through purposive samplingtechniques were used. The instrument for data collection, the Students’ Photosynthesis Achievement Test (SPAT) wasvalidated and its reliability coefficient was 0.78. Three intact streams of SS 1 classes in the two schools assigned tobook-ending, guided discussion and jigsaws groups were used. The sample consisted of two hundred and thirteen SS 1Biology students. Mean and standard deviations were used to answer the two research questions while paired t-testsand ANCOVA were used to answer the two hypotheses at 0.05 level of significance. The study revealed that though thethree instructional strategies of book-ending, jig-saws and guided discussion enhanced students’ understanding ofdifficult concept in Biology as shown by the improved achievement scores, the jig-saw strategy was the best. It alsorevealed that there was a significant difference between the achievement of males and females in favour of females inthe three groups. Recommendations made based on the findings of the study included that teachers adopt the jigsawstrategy to enhance students’ understanding of difficult concepts in Biology.
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 | 0,002 | 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 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 ».