MétaCan
Menu
Retour à la cohorte
Enregistrement W2997514286

EFFECT OF SCAFFOLDING INSTRUCTIONAL STRATEGIES AND GENDER ON PERFORMANCE OF PUPILS IN BASIC SCIENCE AND TECHNOLOGY IN RIVERS STATE, NIGERIA

2019· article· en· W2997514286 sur OpenAlexaff
Princewill Okechukwu Ejekwu, Aniafiok Udo Inyon

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAfrican Education and Politics
Établissements canadiensEducation and Early Childhood Development
Organismes subventionnairesnon disponible
Mots-clésNonprobability samplingNull hypothesisMathematics educationAnalysis of covarianceTest (biology)Quasi-experimentResearch designData collectionPopulationPsychologyMathematicsStatisticsMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study examined the effect of scaffolding instructional strategies and gender on the performance of pupils in Basic Science and Technology in public primary schools in Rivers State. Two specific objectives and two null hypotheses guided the study. Non-randomized pretest, post-test and control group experimental design was adopted for the study. The population size consisted of 42,409 basic four pupils; out of which 147 were drawn as sample size using purposive sampling technique. The instrument for data collection was the Basic Science and Technology Performance Test. The data was analyzed using Analysis of Covariance (ANCOVA). The findings of the study revealed that there is a significant difference in the Basic Science and Technology mean performance scores of pupils taught with scaffolding instructional strategies and those taught with conventional method. The Basic Science and Technology mean performance scores of boys and girls taught with scaffolding instructional strategies does not differ significantly with those taught with conventional method. Recommendations were made which include that scaffolding instructional strategy should be used in classroom teaching/learning interaction to enhance the teaching and learning of pupils as well as improve their performance in all subjects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,089
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,302
Écart entre enseignants0,291 · 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 tête enseignante, 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAfrican Education and PoliticsTravaux en français237 207