Path-Analytic Study of Class, Gender, Qualification, Subject Taught, Teacher-Student Relationship and Teacher Job Confidence
Notice bibliographique
Résumé
Teacher is a central factor in any educational system and the job confidence of any teacher goes a long way to boost educational benefits obtained by learners. Investigating into variables that are related to job-confidence to provide empirical information for better educational planning will be worthy effort. Hence the study investigated “Path-Analytic Study of Class, Gender, Qualification, Subject taught, Teacher-Student relationship and Teacher Job Confidence” The study adopted a Descriptive survey research method using path-analytic approach.The population for the study comprises of all the teachers in public secondary schools in the five Local Government Areas (LGAs) in Ibadan metropolis in Oyo state, Nigeria. Stratified random sampling was used to select one hundred and fifty (150) teachers from each LGA making a total of seven hundred and fifty (750) teachers, teaching in all the six levels (JS1 to SS3) in secondary schools. The selection cut across various subjects being taught in the schools. Two validated instruments were used to gather information for this study. These are: Teacher – Student Relationship Inventory and Teacher Job Confidence Scale with estimated Cronbach reliability coefficients(rs) of 0.80 and 0.95 respectively. Twenty five research assistants were engaged to collect the data (5 per LGA). Data collection lasted one week. The data collected were analyzed by adopting Path analysis, using AMOS 18 software. Class taught and teacher-student relationship were found to be meaningful causal of teacher Job Confidence with beta weights (βs) 0.079 and 0.077 respectively. Effort should be directed to train teachers on the expected relationship in the classroom. Experienced teachers also should be deployed to lower classes too.
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 | 0,003 | 0,001 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».